[发明专利]一种棋盘格交叉点识别算法

说明书

技术领域

本发明涉及一种棋盘格交叉点识别算法，具体涉及一种利用棋盘格实现相机畸变校正时选取交叉点作为控制点的自动提取算法，属于相机标定领域。 

背景技术

随着机器视觉在自动装配、检测、三维测量等领域的不断发展，对相机标定中控制点的自动化提取要求也日益提高。黑白棋盘格标志板(也称X型靶标)的黑白格交叉点(也称角点)是常用的一种控制点，其提取算法仍是图像处理和机器视觉的一个研究热点。 

国内外许多研究者都针对棋盘格标志板交叉点提取算法做出了重要成果。如张正友提出了基于棋盘格标志板的相机校正算法，并实现了该角点的提取方法。Bouguet.J.Y设计了基于Matlab的相机标定工具包，在手工选取棋盘格区域后采用Harris算法实现棋盘格交叉点的粗提取，并采用迭代方法得到亚像素的角点位置信息。OpenCV是Intel公司开发的开源图像图像处理算法库，它采用了Vladimir Vezhnevets等人提出的棋盘格角点提取算法。该方法采用四步完成提取过程：自适应阈值、腐蚀、四边形生成和四边形连接。Martin Rufli在此基础上进一步提高了提取算法在大畸变相机校正时的稳定性，包括采用了自适应腐蚀核、启发式的四边形连接、自适应四边形连接距离、多次腐蚀操作四边形连接等。国内学者白瑞林将棋盘格交叉点分为粗定位和细定位两步完成，首先采用Harris算子提取像素级角点，再利用模板依次寻找出边缘点，用空间矩的方法求取边缘点的亚像素位置，再通过拟合四条边缘求取交点的平均值作为该角点的亚像素位置。 

然而当相机存在较大畸变或者照明存在不均匀时，这些棋盘格角点提取算法需要较多的人工干预。而且，当相机存在畸变时，在边缘位置时直线实际已 经变为曲线，使得上述提取算法在原理上存在一定缺陷。 

发明内容

有鉴于此，本发明提供了一种基于棋盘格角点处的梯度为局部最小值原理的检测方法，并利用像素点梯度最小值和局部区域梯度均值差避免图像照明不均匀对图像二值化的影响，利用角点的对称性去除噪声点的影响。该方法适合校正内窥镜等具有较大畸变的相机，其优点是需要较少的人工干预，且在算法过程中不假设棋盘格边缘仍满足直线特征。 

本算法所设计的角点提取算法流程如下： 

(1)将采集的棋盘格图像转换为灰度图像； 

(2)将该灰度图像经过高斯滤波器； 

(3)计算高斯滤波器后图像的梯度； 

(4)计算梯度图的区域梯度最小值； 

(5)计算梯度图的区域梯度平均值； 

(6)计算梯度图区域梯度最小值和梯度平均值之差； 

(7)将上述第六步图像进行二值化，将二值化后图像的质心作为候选角点； 

(8)根据棋盘格图像角点的对称性，删除不符合对称性的错误角点，并优化角点的位置。 

根据本发明的上述描述，能够解决棋盘格图像角点的自动化提取方法，大大降低图像校正所需的人工操作。 

附图说明

图1为所述的棋盘格标志点。 

图2为选取高斯滤波器方差为3，大小为9*9时，棋盘格灰度图像的Scharr梯度图。 

图3为灰度梯度图与3*3梯度均值之差的图像； 

具体实施方式

下面结合附图并结合具体实例对本发明做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但不作为对本发明的限定。 

图像处理算法主要基于图像卷积核的方法，即用处理核卷积图像得到处理后的图像，其数学过程可描述为： 

将图1所示黑白棋盘格放置于相机视野中，角度提取算法的具体实施流程如下，： 

(1)将采集的图像转换为灰度图像。该处不限定采用何种方法将图像转换为灰度图像，同样，也不限定灰度图像的等级。相机可以为灰度相机，也可是彩色相机，经标准的彩色图像转化灰度图像算法实现图像灰度化。本实例中采用标准的彩色图像转灰度图像算法。 

(2)将该灰度图像经过高斯滤波器。该处目的是滤除图像中的噪声，并将黑白棋盘格图像的角点特征更加突出，方便后续图像处理。该处不限定高斯滤波器的方差及其核大小，但其选择应使图像角点与黑白格边缘分离为好。 

本实例中高斯滤波器的方差为3，高斯核的大小为9。 

(3)计算高斯滤波器后图像的梯度。该处不限定图像梯度的处理方法。本实例中采用Scharr算子计算图像梯度。