基于圓形標(biāo)定板特征點(diǎn)提取及排序的方法

劉智

摘要：在計(jì)算機(jī)視覺(jué)中，圓形標(biāo)定板被廣泛使用在像機(jī)標(biāo)定中，本文針對(duì)圓形標(biāo)定板圖像（圖1）在特征點(diǎn)提取后的排序問(wèn)題，提出了利用兩點(diǎn)之間斜率進(jìn)行比較解決該問(wèn)題的方法。并在Visual studio 2010壞境下進(jìn)行編程實(shí)現(xiàn)該算法，通過(guò)實(shí)驗(yàn)證明了該方法的有效性。

關(guān)鍵詞：像機(jī)標(biāo)定 特征點(diǎn)排序 提取 OpenCV

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2014）08-0072-02

1 引言

在傳統(tǒng)標(biāo)定方法中常用的標(biāo)定板為棋盤(pán)格標(biāo)定板和網(wǎng)格圓形標(biāo)定板。本文使用圓形標(biāo)定板作為標(biāo)定物，利用工業(yè)攝像機(jī)采集標(biāo)定板圖像并進(jìn)行特征點(diǎn)提取和排序。文獻(xiàn)[1]利用在標(biāo)定板上建立五個(gè)大圓形標(biāo)志的方法進(jìn)行圓形標(biāo)志點(diǎn)匹配；文獻(xiàn)[2]針對(duì)魚(yú)眼鏡頭提出了一種根據(jù)距離對(duì)特征點(diǎn)進(jìn)行排序的方法；文獻(xiàn)[3]通過(guò)建立Delaunay規(guī)則三角網(wǎng)和計(jì)算最優(yōu)單應(yīng)性矩陣的方法來(lái)對(duì)特征點(diǎn)進(jìn)行排序；文獻(xiàn)[4]通過(guò)網(wǎng)格計(jì)算最短距離的方法對(duì)特征點(diǎn)進(jìn)行排序，本文設(shè)計(jì)了一個(gè)基于opencv的圖像特征點(diǎn)的提取與排序方法，通過(guò)實(shí)驗(yàn)證明了該算法的有效性，并與文獻(xiàn)[4]方法進(jìn)行對(duì)比，結(jié)果表明本文的方法的高效性。

2 橢圓擬合方法

對(duì)于二維圖像中的橢圓，如果知道圖像中橢圓的邊緣信息，我們就可以通過(guò)橢圓一般方程和最小二乘法[5]進(jìn)行擬合得到橢圓的中心點(diǎn)。設(shè)圖像坐標(biāo)系為XOY，坐標(biāo)系原點(diǎn)位于圖像左上角。橢圓一般方程公式如下：

3 特征點(diǎn)排序方法

如圖1所示為網(wǎng)格圓形標(biāo)定板的實(shí)體圖，在標(biāo)定板中所有的圓可以以矩陣的方式排列。標(biāo)定板中的圓在標(biāo)定板圖像中均為橢圓，用橢圓中心點(diǎn)的坐標(biāo)表示每個(gè)橢圓在圖像中的位置，通過(guò)橢圓中心點(diǎn)的坐標(biāo)，就可以對(duì)橢圓中心點(diǎn)進(jìn)行排序。排序算法分為兩步，排序方法中第一步的具體步驟如下；

（1）記橢圓中心點(diǎn)序列為Seq。取序列Seq中前兩個(gè)點(diǎn)A、B，并計(jì)算直線AB的斜率k0。則AB與圖像水平坐標(biāo)軸的夾角為angle0=arctan（k0）。A、B點(diǎn)的位置如圖1所示；

（2）計(jì)算A點(diǎn)和序列中除A和B以外的其他點(diǎn)之間的直線的斜率，并計(jì)算其與圖像水平坐標(biāo)軸的夾角。則angle0和其余的夾角的差構(gòu)成一個(gè)集合，本文定義為角度差集合（角度差的單位以弧度制表示）；

（3）通過(guò)選取合適的閾值，就可以篩選出標(biāo)定板上對(duì)應(yīng)行在圖像中個(gè)橢圓中心點(diǎn)；

（4）從序列Seq中取出該行的所有橢圓中心點(diǎn)。并將該行的點(diǎn)存入Seq1中；

（5）重復(fù)以上操作直到序列Seq中的所有行元素均存入Seq1中為止。

通過(guò)上述的排序算法就可以確定標(biāo)定板上對(duì)應(yīng)每一行在圖像中的橢圓中心點(diǎn)。第二步再進(jìn)行行內(nèi)排序。

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文特征點(diǎn)排序方法的有效性和高效性，進(jìn)行如下實(shí)驗(yàn)。

采用Basler piA640-210gm像機(jī)，配12mm鏡頭，對(duì)同一圓標(biāo)志標(biāo)定板分別從三個(gè)不同像機(jī)位置拍攝了30張圖像。圖像為8位灰度圖像，圖像尺寸為640×480，該標(biāo)定板有280個(gè)圓心點(diǎn)（14行×20列），相鄰圓心點(diǎn)間橫縱兩方向距離均為10mm。利用本文特征點(diǎn)排序算法對(duì)30張圖像中的特征點(diǎn)進(jìn)行排序后，由于圖像本身的畸變的影響，根據(jù)不同閾值，排序效果會(huì)不同。如表1所示。

從實(shí)驗(yàn)結(jié)果看，當(dāng)閾值為0.03和0.05時(shí)，實(shí)驗(yàn)中的30張圖像均能得到正確的排序效果。此外，通過(guò)該排序算法對(duì)30張圖中的橢圓中心點(diǎn)進(jìn)行排序的平均時(shí)間為2.2ms，而利用文獻(xiàn)[4]中的算法排序的平均時(shí)間為2.7ms。本算法從時(shí)間效率上相比文獻(xiàn)[4]的算法提高了19%。

5 結(jié)語(yǔ)

本文利用基于橢圓方程和最小二乘法的橢圓擬合算法對(duì)標(biāo)定板圖像所提取圓心點(diǎn)進(jìn)行排序，并通過(guò)實(shí)驗(yàn)取得了較好的實(shí)驗(yàn)效果。在本文的實(shí)驗(yàn)中，使用工業(yè)像機(jī)進(jìn)行圖像采集，采集的圖像鏡頭畸變相對(duì)較小。在鏡頭畸變較大的情況下（例如，魚(yú)眼鏡頭），該算法并不適用。因此，如何讓其在畸變較大的場(chǎng)合對(duì)特征點(diǎn)進(jìn)行排序是我們今后需要改進(jìn)的地方。

參考文獻(xiàn)

[1]夏仁波，劉偉軍，等.基于圓形標(biāo)志點(diǎn)的全自動(dòng)相機(jī)標(biāo)定方法[J].上海：儀器儀表學(xué)報(bào)，2009，30（2）：369-373.

[2]張春燕，鄒偉，等.一種魚(yú)眼鏡頭標(biāo)定板的設(shè)計(jì)、檢測(cè)與排序[J].北京：計(jì)算機(jī)工程與應(yīng)用，2014.

[3]蘇杭.基于圓形網(wǎng)格點(diǎn)的全自動(dòng)相機(jī)標(biāo)定法研究[D].武漢： 武漢理工大學(xué)，2009.

[4]肖新躍，黎民英.一種基于matlab的特征點(diǎn)提取及排序的簡(jiǎn)單方法[J].福建：福建電腦，2011.

[5]閆蓓，王斌，等.基于最小二乘法的橢圓擬合改進(jìn)算法[J].北京：北京航空航天大學(xué)學(xué)報(bào)，2008，34（3）：296-298.endprint

摘要：在計(jì)算機(jī)視覺(jué)中，圓形標(biāo)定板被廣泛使用在像機(jī)標(biāo)定中，本文針對(duì)圓形標(biāo)定板圖像（圖1）在特征點(diǎn)提取后的排序問(wèn)題，提出了利用兩點(diǎn)之間斜率進(jìn)行比較解決該問(wèn)題的方法。并在Visual studio 2010壞境下進(jìn)行編程實(shí)現(xiàn)該算法，通過(guò)實(shí)驗(yàn)證明了該方法的有效性。

關(guān)鍵詞：像機(jī)標(biāo)定 特征點(diǎn)排序 提取 OpenCV

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2014）08-0072-02

1 引言

在傳統(tǒng)標(biāo)定方法中常用的標(biāo)定板為棋盤(pán)格標(biāo)定板和網(wǎng)格圓形標(biāo)定板。本文使用圓形標(biāo)定板作為標(biāo)定物，利用工業(yè)攝像機(jī)采集標(biāo)定板圖像并進(jìn)行特征點(diǎn)提取和排序。文獻(xiàn)[1]利用在標(biāo)定板上建立五個(gè)大圓形標(biāo)志的方法進(jìn)行圓形標(biāo)志點(diǎn)匹配；文獻(xiàn)[2]針對(duì)魚(yú)眼鏡頭提出了一種根據(jù)距離對(duì)特征點(diǎn)進(jìn)行排序的方法；文獻(xiàn)[3]通過(guò)建立Delaunay規(guī)則三角網(wǎng)和計(jì)算最優(yōu)單應(yīng)性矩陣的方法來(lái)對(duì)特征點(diǎn)進(jìn)行排序；文獻(xiàn)[4]通過(guò)網(wǎng)格計(jì)算最短距離的方法對(duì)特征點(diǎn)進(jìn)行排序，本文設(shè)計(jì)了一個(gè)基于opencv的圖像特征點(diǎn)的提取與排序方法，通過(guò)實(shí)驗(yàn)證明了該算法的有效性，并與文獻(xiàn)[4]方法進(jìn)行對(duì)比，結(jié)果表明本文的方法的高效性。

2 橢圓擬合方法

對(duì)于二維圖像中的橢圓，如果知道圖像中橢圓的邊緣信息，我們就可以通過(guò)橢圓一般方程和最小二乘法[5]進(jìn)行擬合得到橢圓的中心點(diǎn)。設(shè)圖像坐標(biāo)系為XOY，坐標(biāo)系原點(diǎn)位于圖像左上角。橢圓一般方程公式如下：

3 特征點(diǎn)排序方法

如圖1所示為網(wǎng)格圓形標(biāo)定板的實(shí)體圖，在標(biāo)定板中所有的圓可以以矩陣的方式排列。標(biāo)定板中的圓在標(biāo)定板圖像中均為橢圓，用橢圓中心點(diǎn)的坐標(biāo)表示每個(gè)橢圓在圖像中的位置，通過(guò)橢圓中心點(diǎn)的坐標(biāo)，就可以對(duì)橢圓中心點(diǎn)進(jìn)行排序。排序算法分為兩步，排序方法中第一步的具體步驟如下；

（1）記橢圓中心點(diǎn)序列為Seq。取序列Seq中前兩個(gè)點(diǎn)A、B，并計(jì)算直線AB的斜率k0。則AB與圖像水平坐標(biāo)軸的夾角為angle0=arctan（k0）。A、B點(diǎn)的位置如圖1所示；

（2）計(jì)算A點(diǎn)和序列中除A和B以外的其他點(diǎn)之間的直線的斜率，并計(jì)算其與圖像水平坐標(biāo)軸的夾角。則angle0和其余的夾角的差構(gòu)成一個(gè)集合，本文定義為角度差集合（角度差的單位以弧度制表示）；

（3）通過(guò)選取合適的閾值，就可以篩選出標(biāo)定板上對(duì)應(yīng)行在圖像中個(gè)橢圓中心點(diǎn)；

（4）從序列Seq中取出該行的所有橢圓中心點(diǎn)。并將該行的點(diǎn)存入Seq1中；

（5）重復(fù)以上操作直到序列Seq中的所有行元素均存入Seq1中為止。

通過(guò)上述的排序算法就可以確定標(biāo)定板上對(duì)應(yīng)每一行在圖像中的橢圓中心點(diǎn)。第二步再進(jìn)行行內(nèi)排序。

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文特征點(diǎn)排序方法的有效性和高效性，進(jìn)行如下實(shí)驗(yàn)。

采用Basler piA640-210gm像機(jī)，配12mm鏡頭，對(duì)同一圓標(biāo)志標(biāo)定板分別從三個(gè)不同像機(jī)位置拍攝了30張圖像。圖像為8位灰度圖像，圖像尺寸為640×480，該標(biāo)定板有280個(gè)圓心點(diǎn)（14行×20列），相鄰圓心點(diǎn)間橫縱兩方向距離均為10mm。利用本文特征點(diǎn)排序算法對(duì)30張圖像中的特征點(diǎn)進(jìn)行排序后，由于圖像本身的畸變的影響，根據(jù)不同閾值，排序效果會(huì)不同。如表1所示。

從實(shí)驗(yàn)結(jié)果看，當(dāng)閾值為0.03和0.05時(shí)，實(shí)驗(yàn)中的30張圖像均能得到正確的排序效果。此外，通過(guò)該排序算法對(duì)30張圖中的橢圓中心點(diǎn)進(jìn)行排序的平均時(shí)間為2.2ms，而利用文獻(xiàn)[4]中的算法排序的平均時(shí)間為2.7ms。本算法從時(shí)間效率上相比文獻(xiàn)[4]的算法提高了19%。

5 結(jié)語(yǔ)

本文利用基于橢圓方程和最小二乘法的橢圓擬合算法對(duì)標(biāo)定板圖像所提取圓心點(diǎn)進(jìn)行排序，并通過(guò)實(shí)驗(yàn)取得了較好的實(shí)驗(yàn)效果。在本文的實(shí)驗(yàn)中，使用工業(yè)像機(jī)進(jìn)行圖像采集，采集的圖像鏡頭畸變相對(duì)較小。在鏡頭畸變較大的情況下（例如，魚(yú)眼鏡頭），該算法并不適用。因此，如何讓其在畸變較大的場(chǎng)合對(duì)特征點(diǎn)進(jìn)行排序是我們今后需要改進(jìn)的地方。

參考文獻(xiàn)

[1]夏仁波，劉偉軍，等.基于圓形標(biāo)志點(diǎn)的全自動(dòng)相機(jī)標(biāo)定方法[J].上海：儀器儀表學(xué)報(bào)，2009，30（2）：369-373.

[2]張春燕，鄒偉，等.一種魚(yú)眼鏡頭標(biāo)定板的設(shè)計(jì)、檢測(cè)與排序[J].北京：計(jì)算機(jī)工程與應(yīng)用，2014.

[3]蘇杭.基于圓形網(wǎng)格點(diǎn)的全自動(dòng)相機(jī)標(biāo)定法研究[D].武漢： 武漢理工大學(xué)，2009.

[4]肖新躍，黎民英.一種基于matlab的特征點(diǎn)提取及排序的簡(jiǎn)單方法[J].福建：福建電腦，2011.

[5]閆蓓，王斌，等.基于最小二乘法的橢圓擬合改進(jìn)算法[J].北京：北京航空航天大學(xué)學(xué)報(bào)，2008，34（3）：296-298.endprint

摘要：在計(jì)算機(jī)視覺(jué)中，圓形標(biāo)定板被廣泛使用在像機(jī)標(biāo)定中，本文針對(duì)圓形標(biāo)定板圖像（圖1）在特征點(diǎn)提取后的排序問(wèn)題，提出了利用兩點(diǎn)之間斜率進(jìn)行比較解決該問(wèn)題的方法。并在Visual studio 2010壞境下進(jìn)行編程實(shí)現(xiàn)該算法，通過(guò)實(shí)驗(yàn)證明了該方法的有效性。

關(guān)鍵詞：像機(jī)標(biāo)定 特征點(diǎn)排序 提取 OpenCV

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2014）08-0072-02

1 引言

在傳統(tǒng)標(biāo)定方法中常用的標(biāo)定板為棋盤(pán)格標(biāo)定板和網(wǎng)格圓形標(biāo)定板。本文使用圓形標(biāo)定板作為標(biāo)定物，利用工業(yè)攝像機(jī)采集標(biāo)定板圖像并進(jìn)行特征點(diǎn)提取和排序。文獻(xiàn)[1]利用在標(biāo)定板上建立五個(gè)大圓形標(biāo)志的方法進(jìn)行圓形標(biāo)志點(diǎn)匹配；文獻(xiàn)[2]針對(duì)魚(yú)眼鏡頭提出了一種根據(jù)距離對(duì)特征點(diǎn)進(jìn)行排序的方法；文獻(xiàn)[3]通過(guò)建立Delaunay規(guī)則三角網(wǎng)和計(jì)算最優(yōu)單應(yīng)性矩陣的方法來(lái)對(duì)特征點(diǎn)進(jìn)行排序；文獻(xiàn)[4]通過(guò)網(wǎng)格計(jì)算最短距離的方法對(duì)特征點(diǎn)進(jìn)行排序，本文設(shè)計(jì)了一個(gè)基于opencv的圖像特征點(diǎn)的提取與排序方法，通過(guò)實(shí)驗(yàn)證明了該算法的有效性，并與文獻(xiàn)[4]方法進(jìn)行對(duì)比，結(jié)果表明本文的方法的高效性。

2 橢圓擬合方法

對(duì)于二維圖像中的橢圓，如果知道圖像中橢圓的邊緣信息，我們就可以通過(guò)橢圓一般方程和最小二乘法[5]進(jìn)行擬合得到橢圓的中心點(diǎn)。設(shè)圖像坐標(biāo)系為XOY，坐標(biāo)系原點(diǎn)位于圖像左上角。橢圓一般方程公式如下：

3 特征點(diǎn)排序方法

如圖1所示為網(wǎng)格圓形標(biāo)定板的實(shí)體圖，在標(biāo)定板中所有的圓可以以矩陣的方式排列。標(biāo)定板中的圓在標(biāo)定板圖像中均為橢圓，用橢圓中心點(diǎn)的坐標(biāo)表示每個(gè)橢圓在圖像中的位置，通過(guò)橢圓中心點(diǎn)的坐標(biāo)，就可以對(duì)橢圓中心點(diǎn)進(jìn)行排序。排序算法分為兩步，排序方法中第一步的具體步驟如下；

（1）記橢圓中心點(diǎn)序列為Seq。取序列Seq中前兩個(gè)點(diǎn)A、B，并計(jì)算直線AB的斜率k0。則AB與圖像水平坐標(biāo)軸的夾角為angle0=arctan（k0）。A、B點(diǎn)的位置如圖1所示；

（2）計(jì)算A點(diǎn)和序列中除A和B以外的其他點(diǎn)之間的直線的斜率，并計(jì)算其與圖像水平坐標(biāo)軸的夾角。則angle0和其余的夾角的差構(gòu)成一個(gè)集合，本文定義為角度差集合（角度差的單位以弧度制表示）；

（3）通過(guò)選取合適的閾值，就可以篩選出標(biāo)定板上對(duì)應(yīng)行在圖像中個(gè)橢圓中心點(diǎn)；

（4）從序列Seq中取出該行的所有橢圓中心點(diǎn)。并將該行的點(diǎn)存入Seq1中；

（5）重復(fù)以上操作直到序列Seq中的所有行元素均存入Seq1中為止。

通過(guò)上述的排序算法就可以確定標(biāo)定板上對(duì)應(yīng)每一行在圖像中的橢圓中心點(diǎn)。第二步再進(jìn)行行內(nèi)排序。

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文特征點(diǎn)排序方法的有效性和高效性，進(jìn)行如下實(shí)驗(yàn)。

采用Basler piA640-210gm像機(jī)，配12mm鏡頭，對(duì)同一圓標(biāo)志標(biāo)定板分別從三個(gè)不同像機(jī)位置拍攝了30張圖像。圖像為8位灰度圖像，圖像尺寸為640×480，該標(biāo)定板有280個(gè)圓心點(diǎn)（14行×20列），相鄰圓心點(diǎn)間橫縱兩方向距離均為10mm。利用本文特征點(diǎn)排序算法對(duì)30張圖像中的特征點(diǎn)進(jìn)行排序后，由于圖像本身的畸變的影響，根據(jù)不同閾值，排序效果會(huì)不同。如表1所示。

從實(shí)驗(yàn)結(jié)果看，當(dāng)閾值為0.03和0.05時(shí)，實(shí)驗(yàn)中的30張圖像均能得到正確的排序效果。此外，通過(guò)該排序算法對(duì)30張圖中的橢圓中心點(diǎn)進(jìn)行排序的平均時(shí)間為2.2ms，而利用文獻(xiàn)[4]中的算法排序的平均時(shí)間為2.7ms。本算法從時(shí)間效率上相比文獻(xiàn)[4]的算法提高了19%。

5 結(jié)語(yǔ)

本文利用基于橢圓方程和最小二乘法的橢圓擬合算法對(duì)標(biāo)定板圖像所提取圓心點(diǎn)進(jìn)行排序，并通過(guò)實(shí)驗(yàn)取得了較好的實(shí)驗(yàn)效果。在本文的實(shí)驗(yàn)中，使用工業(yè)像機(jī)進(jìn)行圖像采集，采集的圖像鏡頭畸變相對(duì)較小。在鏡頭畸變較大的情況下（例如，魚(yú)眼鏡頭），該算法并不適用。因此，如何讓其在畸變較大的場(chǎng)合對(duì)特征點(diǎn)進(jìn)行排序是我們今后需要改進(jìn)的地方。

參考文獻(xiàn)

[1]夏仁波，劉偉軍，等.基于圓形標(biāo)志點(diǎn)的全自動(dòng)相機(jī)標(biāo)定方法[J].上海：儀器儀表學(xué)報(bào)，2009，30（2）：369-373.

[2]張春燕，鄒偉，等.一種魚(yú)眼鏡頭標(biāo)定板的設(shè)計(jì)、檢測(cè)與排序[J].北京：計(jì)算機(jī)工程與應(yīng)用，2014.

[3]蘇杭.基于圓形網(wǎng)格點(diǎn)的全自動(dòng)相機(jī)標(biāo)定法研究[D].武漢： 武漢理工大學(xué)，2009.

[4]肖新躍，黎民英.一種基于matlab的特征點(diǎn)提取及排序的簡(jiǎn)單方法[J].福建：福建電腦，2011.

[5]閆蓓，王斌，等.基于最小二乘法的橢圓擬合改進(jìn)算法[J].北京：北京航空航天大學(xué)學(xué)報(bào)，2008，34（3）：296-298.endprint