亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        圓型圖像特征點檢測算法

        2016-01-08 02:09:20黎票,楊天龍,廖建國
        吉首大學學報(自然科學版) 2015年1期

        圓型圖像特征點檢測算法*

        黎票,楊天龍,廖建國,趙前程

        (湖南科技大學機電工程學院,湖南 湘潭 411201)

        摘要:為了提高圓型圖像特征點檢測算法的準確性和穩(wěn)定性等,提出了一種基于圓型特征圖像中心灰度對稱的檢測算法.先利用Sobel算子進行圓型特征圖像邊緣檢測,然后采用灰度質心法求出圓型特征圖像的中心,最后引入灰度對稱因子獲得圓型圖像特征點的亞像素位置坐標.用仿真投影實驗和實際實驗來評估算法精度,結果表明新算法精度可控制在0.2個像素左右.

        關鍵詞:特征點;亞像素;角點檢測;攝像機標定

        文章編號:1007-2985(2015)01-0028-07

        中圖分類號:TP391文獻標志碼:A

        DOI:10.3969/j.issn.1007-2985.2015.01.008

        收稿日期:*2014-07-16

        基金項目:國家自然科學基金資助項目(51275169,51345009);湖南省教育廳高??蒲匈Y助項目(12C0117)

        作者簡介:黎票(1987—),男,湖南長沙人,湖南科技大學機電工程學院碩士生,主要從事機械設計、圖像處理和機器視覺研究;趙前程(1969—),男,安徽合肥人,湖南科技大學機電工程學院教授,博士,主要從事精密計量測試技術、在線檢測、圖像處理和機器視覺等研究.

        在三維視覺檢測中,圓和橢圓特征點是需要經常處理的圖像特征[1-3].實際應用中,常見的圓和橢圓特征有被測零件上的定位孔和標定靶上的特征圖像等.尤其在實現攝像機或傳感參數的標定時,也經常是基于立體球靶或平面圓靶為圖像特征對象的.圓型靶標因其形狀特征獨特的優(yōu)勢,且圓型靶標的特征點容易識別提取,故圓型靶標在攝像機標定等領域應用比較多.而圓型圖像特征點檢測的精度直接影響攝像機標定的精度.

        常用的圓型圖像特征點檢測算法比較多[4-7],大部分是基于Hough變換的檢測算法、基于最小二乘擬合的檢測算法以及基于橢圓的幾何特征檢測算法.對于相對較小,只有幾個或者十幾個像素大小的橢圓及圓孔圖像,通常用重心法進行處理就非常有效.重心法包括帶有閾值的重心法和平方加權重心法.夏瑞雪等利用自適應閾值分割和最小二乘橢圓擬合實現圓點靶標圖像特征定位.徐鵬等根據透視不變性原理,利用圓形靶標的橢圓像的公切線求出橢圓的虛圓心像點坐標.安新源等[10]通過最小二乘優(yōu)化橢圓的參數來實現橢圓的檢測.李占利等[11]根據透射投影模型誤差和建立2個空間橢圓的位置關系來實現橢圓的中心的檢測.該算法先利用空間矩算子實現圖像邊緣像素點的亞像素定位,再以光心為頂點和檢測出理想的圖像的邊緣為準線建立2個具有投影關系的空間圓,然后根據目標的匹配關系來求出空間圓圓心的像點位置.王靜等[12]提出了一種基于非極大值抑制的圓特征亞像素中心提取算法.該算法首先利用Sobel算子對圖像進行邊緣檢測得到橢圓的邊緣特征信息,并利用非極大值抑制方法對橢圓的邊緣像素進行細化得到像素級邊緣點坐標,然后用Zernike正交矩實現邊緣點的亞像素級定位,最后利用最小二乘法進行擬合來獲取圖像圓特征中心的亞像素坐標.上述文獻中的方法各有優(yōu)點,不過存在穩(wěn)定性和檢測效率等方面的不足,受噪聲影響比較大.

        基于Hough變換橢圓檢測是一種計算相對復雜的橢圓檢測算法,難以實現.而基于最小二乘橢圓檢測算法是最簡單、最容易實現的,可是受噪聲影響大,穩(wěn)定性和精度不高.鑒于橢圓的幾何對稱特性,橢圓經過透射投影在攝像機成像的圖像具有幾何對稱性質,為此筆者提出一種基于橢圓中心灰度對稱檢測算法.采用Sobel算子和灰度質心法能夠快速得到橢圓圖像的中心位置坐標,可有效降低噪聲和其他不確定因素對角點亞像素定位精度的影響.通過仿真投影和實際試驗對算法精度進行評價,將新算法與目前通用性的最小二乘擬合方法的提取結果進行比較,結果表明,新算法精度可靠,效率提升明顯.

        1基于橢圓中心灰度對稱的檢測算法

        基于橢圓中心灰度對稱的檢測算法的基本原理為:利用Sobel算子進行邊緣檢測,并用灰度質心法可以快速得到橢圓的中心坐標.鑒于橢圓的幾何對稱性,文中引用灰度對稱因子.在橢圓中心點附近取一定大小的興趣區(qū)域,對圖像橢圓的灰度進行變換,求出該區(qū)域內每個像素的權值,利用加權法實現橢圓的中心點的亞像素定位.

        圖1 橢圓檢測的效果圖

        如圖1a所示,對于一幅含有橢圓特征的圖像,利用Sobel算子進行邊緣檢測可得其邊緣輪廓圖像如圖1b所示,根據邊緣像素點集坐標,采用質心法可獲得橢圓中心的粗定位結果如圖1c所示.

        令I(u,v)為圖像坐標系(o-uv)對應的灰度函數,以上文獲得的橢圓中心為區(qū)域中心,在其附近取一個大小為W的興趣區(qū)域,該區(qū)域需包含完整的橢圓特征信息.利用橢圓的幾何對稱性質,引入灰度對稱因子來求取趣區(qū)域W內每個像素的權值,定義W內某像素點(u,v)所對應的灰度對稱因子為

        圖2 灰度對稱因子變化趨勢圖

        其中ω為以像素點(u,v)為中心的方形窗口半徑,t為指數.根據橢圓的幾何對稱性可知,若S(u,v)的值越小,說明以圖像中像素點(u,v)為中心的方形窗內的橢圓的灰度中心對稱性越高,對應的(u,v)越接近橢圓中心.在計算S(u,v)時,ω的取值應綜合考慮鏡頭畸變和噪聲抑制,在取ω=4,t=1時,某橢圓中心對應的興趣區(qū)域W內的灰度對稱因子S(u,v)關于坐標(u,v)的變化趨勢如圖2所示.

        利用已求出的橢圓中心像素點鄰域內的灰度對稱因子S(u,v),可求出興趣區(qū)域W內每個像素所對應的權因子C(u,v):

        (1)

        2仿真實驗

        本實驗通過相機線性投影模型創(chuàng)建棋盤格圖像進行仿真實驗.相機線性透射投影模型如下:

        其中:(u0,v0)為主點坐標;(Xw,Yw,Zw)為世界坐標系中空間點的坐標;s為比例因子;ax,ay分別為圖像坐標系u軸和v軸上的歸一化焦距;R,t分別為旋轉矩陣和平移矩陣.

        圖3 圓型仿真圖像

        仿真實驗1利用攝像機線性投影模型創(chuàng)建圓和橢圓圖像進行仿真實驗.該仿真實驗可以參考格型圖像的仿真實驗設置參數.其中,空間圓的半徑為30 mm,空間圓心的世界坐標為(-5,-8,0);攝像機分辨率設為640×480,ax,ay設為3 200,并令u0=320,v0=240,角點世界坐標系坐標為[0,0,0,1],設R中的θx,θy,θz為0 π,t中的tx,ty在[-50 mm,50 mm]范圍內隨機變化,tz在[1 000 mm,2 000 mm]范圍內隨機變化.為使仿真圖像與實際拍攝的圖像相接近,對于任意一副仿真圖像s0,引入標準差為σ1的高斯噪聲得到圖像s1,并與標準差為σ2的高斯卷積核進行卷積[13]得到邊緣擴散后的仿真圖像s2,如圖3所示.

        對于σ1,σ2不同的取值情況,每種情況運行200次仿真投影程序獲得200幅仿真圖像,為方便對比,在Matlab語言環(huán)境下對其分別采用新算法和最小二乘角點檢測算法進行角點提取,所獲得的提取結果誤差統(tǒng)計如圖4—9所示.在采用新算法進行提取時,先利用Sobel算子進行圓型圖像的邊緣檢測,再利用質心法定位橢圓中心的位置坐標,亞像素定位時取ω=4,w=74×74,t=1.

        由圖4—9可知,新算法相比最小二乘法在不同噪聲級別和邊緣擴散程度下都具有更高的魯棒性.

        仿真實驗2利用攝像機線性透射投影模型,設置仿真實驗參數.其中,空間圓的半徑為30 mm,空間圓心的世界坐標為(-5,-8,0);攝像機分辨率設為640×480,ax,ay設為3 200,并令u0=320,v0=240,角點世界坐標系坐標為[0,0,0,1],設R中的θy,θz為分別為-π/6,π/18,θx在[-]π/12,π/12] 范圍內隨機變化,t中的tx,ty,tz分別為20,10,1 500 mm.可以保持橢圓靶標真實投影的中心點不變.

        圖4 偏差直方圖(σ 1=0,σ 2=0,新算法提取)

        圖5 偏差直方圖(σ 1=0,σ 2=0,最小二乘檢測算法提取)

        圖6偏差直方圖(σ 1=10,σ 2=1,新算法提取)

        圖7偏差直方圖(σ 1=10,σ 2=1,最小二乘檢測算法提取)

        圖8偏差直方圖(σ 1=20,σ 2=2,新算法提取)

        圖9偏差直方圖(σ 1=20,σ 2=2,最小二乘檢測算法提取)

        圖10 橢圓仿真圖像

        取σ1=10,σ2=1,運行200次仿真投影程序獲得200幅橢圓型仿真圖像,如圖10所示.由于橢圓透視投影存在畸變誤差,因此利用新算法求出每幅橢圓圖像特征點,并與真實投影點相減,得到每幅橢圓圖像之間的投影偏差d,然后求200幅圖像投影偏差d之間的偏差為Δd,u方向的偏差為Δu,v方向的偏差為Δv.圖11a,11b為先利用Sobel算子進行邊緣檢測,再利用質心法求橢圓型圖像的中心,最后利用橢圓中心灰度對稱檢測算法獲得橢圓圖像特征點的實驗結果.圖11c,11d為先利用Sobel算子進行邊緣檢測,再利用最小二乘求橢圓型圖像的中心,最后利用橢圓中心灰度對稱檢測算法獲得橢圓圖像特征點的實驗結果.

        圖11 2種方法提取結果(單位:像素)

        由上面的實驗可知,新算法與最小二乘檢測的結果相比較,檢測精度要高.

        仿真實驗3當攝像機與靶標處于平行的關系,也就是靶標圖像的正投影時,圓投影還是保持圓的特性.該實驗利用透射投影模型,旋轉和平移矩陣保持不變,通過改變靶標圓半徑的大小,圓的半徑r在[100 mm,10 mm]范圍內隨機變換.靶標圓的中心點為(-5,-8,0),R中的θx,θy,θz的值都為0 π,t中的tx,ty,tz分別為20,10,1 500 mm,取σ1=10,σ2=1.可以得到不同半徑大小的圓型特征圖像,如圖12所示.

        利用新算法,求出創(chuàng)建得到圓型圖像特征點的坐標.利用文中圓型檢測方法計算得到圓型圖像特征點與真實靶標圓的投影之間的偏差為Δd.實驗數據結果如圖13所示.

        由上面的實驗可知,當攝像機與靶標相平行時,靶標中圓的半徑改變,利用新算法進行檢測也能達到很高的精度.

        圖12 仿真圓特征圖像

        圖13 誤差分布

        3實際實驗

        圖14 圓特征圖像

        利用新算法和最小二乘擬合得到特征點坐標數據,并按上述公式進行計算,得到實驗結果見表1,2.由表1,2可知,新算法相比最小二乘擬合法,在檢測實際圓特征圖像時,精度更好,穩(wěn)定性更高.其中圓特征半徑越小,精度越好,且受圖像噪聲的影響不大.

        表1 新算法評價結果 像素

        表2 最小二乘法評價結果 像素

        4結語

        對現階段具有代表性的圓型圖像特征點檢測算法進行分析,在此基礎上,針對圓特征圖像的灰度分布和幾何特征提出一種基于圓型特征圖像中心灰度對稱的檢測算法.該算法采用Sobel算子進行圖像邊緣提取得到圓型特征圖像的邊緣信息,利用灰度質心法快速獲取圓形特征圖像像素級中心坐標,并引入灰度對稱因子,采用加權法使定位精度達到亞像素級.通過仿真和實際實驗進行驗證,通過與最小二乘法進行比較,結果表明新算法計算速度快,效率高,受靶標位姿、環(huán)境亮度變化的影響較小,且對噪聲的抑制能力較強,定位準確.

        參考文獻:

        [1]馬文娟,孟廣軍.采用同心圓圖像的攝像機標定方法.計算機仿真,2013,30(2):410-425.

        [2]陳濟棠,徐杜,蔣永平,等.計算機三維視覺測量中相機標定的圓形校正方法.電子測量技術,2011,34(3):95-98.

        [3]高俊鑫,華煒,章國鋒,等.帶約束的攝像機定標方法.中國圖象圖形學報,2010,15(3):536-540.

        [4]吳斌,朱洪巖,肖心通,等.視覺測量中基于單應性矩陣的平面靶標圖像特征提取.光電子·激光,2011,22(8):1 211-1 215.

        [5]MANUELE.L,ALBERTOBR,MARCELOG.Multi-CameracalibrationBasedonanInvariantPattern.Computers&Graphics,2011(35):198-207.

        [6]董明利,劉鏢峰,呂乃光.基于虛擬靶標的攝像機標定.北京信息科技大學學報,2010,25(1):11-15.

        [7]鄒益民,汪勃.一種基于最小二乘的不完整橢圓擬合算法.儀器儀表學報,2006,27(7):808-812.

        [8]夏瑞雪,盧榮勝,劉寧,等.基于圓點陣列靶標的特征點坐標自動提取方法.中國機械工程,2010,21(16):1 906-1 910.

        [9]徐鵬,汪建業(yè),王燕儒.攝像機標定中靶標圓心像點坐標的精確計算.紅外與激光與工程,2011,40(7):1 342-1 346.

        [10] 安新源,周宗潭,胡德文.橢圓擬合的非線性最小二乘方法.計算機工程及應用,2009,45(18):188-190.

        [11] 李占利,劉梅,孫瑜.攝影測量中圓形目標中心像點計算方法研究.儀器儀表學報,2011,32(8):2 235-2 241.

        [12] 王靜,王海亮,向茂生.基于非極大值抑制的圓目標亞像素中心定位.儀器儀表學報,2012,33(7):1 460-1 468.

        [13] 尚雅層,陳靜,田軍委,等.高斯擬合亞像素邊緣檢測算法.計算機應用機,2011,31(1):179-181.

        Algorithm for Detecting Feature Points of Circle Image

        LI Piao,YANG Tianlong,LIAO Jianguo,ZHAO Qiancheng

        (College of Electromechanical Engineering,Hunan University of Science and Technology,Xiangtan 411201,Hunan China)

        Abstract:In order to improve the accuracy and stability of circular image feature point detection,an algorithm is put forward based on the gray-scale symmetry of circular image center.Through this algorithm,the edge of circular image is firstly detected by Sobel operator;then gray-scale qualitative method is used to determine the center of the circular image;and finally gray-scale symmetry factor is introduced to obtain the sub-pixel coordinates of the feature points of circular image.Projection simulation experiment and measuring experiment are adopted to evaluate the precision of this algorithm,and the experiment results show that the precision of this method is around 0.2 pixels.

        Key words:feature points;sub-pixel;corner detection;camera calibration

        (責任編輯向陽潔)

        在线免费观看视频播放| 中国凸偷窥xxxx自由视频妇科| 国产目拍亚洲精品一区二区| 亚洲xx视频| 国产一区二区三区男人吃奶| 国产公开免费人成视频| 久久精品国产亚洲av麻| 日本熟妇hd8ex视频| 樱花AV在线无码| 激情一区二区三区视频| 免费国产在线精品一区二区三区免| 毛片无码国产| 国产精美视频| 国产一区二区高清不卡在线| 国产日产韩国av在线| 日本高清h色视频在线观看| 色综合久久综合欧美综合图片| 成人一区二区三区蜜桃| 人妻少妇中文字幕在线| 国产精成人品| 亚洲va在线va天堂va四虎| 国产一区三区二区视频在线观看| 亚洲av无码国产精品色午夜字幕 | 无码人妻精品一区二区三18禁| 亚洲国产精品综合福利专区| 新久久国产色av免费看| 影音先锋色小姐| 东北无码熟妇人妻AV在线| 精品少妇后入一区二区三区| 国产偷国产偷亚洲综合av| a级毛片免费观看在线| 国产九色AV刺激露脸对白 | 久久精品女人av一区二区| 久久综合狠狠色综合伊人| 女人体免费一区二区| 最新日本久久中文字幕| 国产成人精品亚洲日本在线观看 | 精品人妻午夜中文字幕av四季| 精品无码久久久久久久久| 一本一本久久a久久精品综合麻豆| 婷婷九月丁香|