專利名稱：一種柵格型標(biāo)定點(diǎn)亞像素提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)三維視覺測(cè)量技術(shù)，涉及對(duì)柵格型標(biāo)定點(diǎn)柵格點(diǎn)亞像素提取方法的改進(jìn)。
背景技術(shù)：
在計(jì)算機(jī)三維視覺測(cè)量中，通常需要利用靶標(biāo)標(biāo)定點(diǎn)的三維空間坐標(biāo)及其二維圖像坐標(biāo)來標(biāo)定系統(tǒng)的模型參數(shù)，其中，所采用的靶標(biāo)標(biāo)定點(diǎn)模式及相應(yīng)圖像坐標(biāo)的提取算法將直接影響標(biāo)定結(jié)果的精度及穩(wěn)定性。柵格型標(biāo)定點(diǎn)(見圖1)是一種比較常用的視覺系統(tǒng)標(biāo)定用靶標(biāo)模式，為了保證系統(tǒng)的標(biāo)定精度，通常需要對(duì)標(biāo)定點(diǎn)圖像坐標(biāo)的提取結(jié)果達(dá)到亞像素級(jí)。傳統(tǒng)的柵格點(diǎn)亞像素提取方法主要是先提取柵格點(diǎn)附近的線條中心點(diǎn)，然后進(jìn)行直線擬合，再通過計(jì)算兩條直線的交點(diǎn)確定柵格點(diǎn)的亞像素位置。這種算法的缺點(diǎn)主要有一方面需要先提取線條中心點(diǎn)，提取過程繁瑣；另一方面當(dāng)鏡頭存在畸變時(shí)，柵格點(diǎn)附近的線條中心點(diǎn)并不是嚴(yán)格按照直線分布，因此，利用直線擬合求交點(diǎn)的方法會(huì)給實(shí)際的提取帶來誤差，提取精度不高。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有方法的不足，提出一種用于柵格型標(biāo)定點(diǎn)提取的、提取過程簡(jiǎn)單、精度高的亞像素提取方法。
本發(fā)明的技術(shù)方案是一種柵格型標(biāo)定點(diǎn)亞像素提取方法，其特征在于，1、利用Hessian矩陣判定柵格點(diǎn)的像素位置；判定條件根據(jù)Hessian矩陣的特征值得到，Hessian矩陣的表達(dá)式如式1所示H=fxxfxyfxyfyy---(1)]]>其中，fxx、fxy、fyy分別為圖像灰度相對(duì)于x、y的二階偏導(dǎo)數(shù)，可以通過圖像灰度與相應(yīng)微分形式的高斯算子卷積得到，對(duì)于柵格型標(biāo)定點(diǎn)，Hessian矩陣的兩個(gè)特征值均為正，則判定柵格型點(diǎn)像素位置的形狀算子S表示為S=λ1·λ2=fxxfxy-fxy2---(2)]]>其中，λ1、λ2為Hessian矩陣的特征值，理想情況下柵格點(diǎn)附近區(qū)域的S值分布的正極值點(diǎn)即柵格點(diǎn)的像素位置；2、通過分層搜索確定柵格點(diǎn)的亞像素位置；2.1、對(duì)理想圖像中柵格點(diǎn)附近±1像素范圍內(nèi)的亞像素位置點(diǎn)進(jìn)行灰度插值，令所獲得的曲面在柵格點(diǎn)處沿各方向的一階導(dǎo)數(shù)均為零，得到搜索柵格點(diǎn)亞像素位置的約束條件如下min(rx2(x0+s，y0+t)+ry2(x0+s，y0+t))|(s，t)∈[-1，1]×[-1，1](3)其中，(x0，y0)是柵格點(diǎn)的像素位置，rx(x0+s，y0+t)、ry(x0+s，y0+t)分別為點(diǎn)(x0+s，y0+t)處圖像灰度相對(duì)于x、y的一階偏導(dǎo)數(shù)；2.2、以1.1中得到的像素位置為中心，對(duì)其±1像素范圍內(nèi)的亞像素位置點(diǎn)進(jìn)行灰度插值，插值間隔選為0.1像素，然后根據(jù)約束條件(3)進(jìn)一步判定柵格中心點(diǎn)；再以該點(diǎn)為中心，對(duì)其±0.1像素范圍內(nèi)的亞像素點(diǎn)進(jìn)行灰度插值，插值間隔為0.01像素，然后再根據(jù)約束條件(3)判定柵格點(diǎn)；以此類推，進(jìn)行分層搜索，搜索層數(shù)為2～6層，直到滿足預(yù)定的精度要求為止。
本發(fā)明的優(yōu)點(diǎn)是(1)相對(duì)于傳統(tǒng)的直線擬合求交點(diǎn)的提取方法，本發(fā)明根據(jù)局部圖像的灰度特征，通過分層搜索可以很快得到柵格點(diǎn)的亞像素位置，提取過程簡(jiǎn)單。
(2)本發(fā)明只是利用柵格點(diǎn)臨近區(qū)域內(nèi)的圖像灰度，因此，即使是在圖像存在畸變及較大噪聲的情況下，仍具有較高的提取精度。


圖1是具有柵格型標(biāo)定點(diǎn)的靶標(biāo)示意圖。
圖2是理想情況下柵格點(diǎn)附近區(qū)域的S值分布，其正極值點(diǎn)即柵格點(diǎn)。
圖3是對(duì)理想圖像中柵格點(diǎn)附近±1像素范圍內(nèi)的亞像素位置點(diǎn)進(jìn)行灰度插值之后的結(jié)果。
圖4是本發(fā)明方法中的分層搜索示意圖。
圖5是本發(fā)明實(shí)施例使用的虛擬平面靶標(biāo)。
圖6是圖5靶標(biāo)經(jīng)虛擬攝像機(jī)成像之后的靶標(biāo)圖像。
具體實(shí)施例方式
本發(fā)明主要是根據(jù)柵格點(diǎn)附近區(qū)域的圖像灰度變化，利用Hassian矩陣的特征值判定柵格點(diǎn)的像素位置，在此基礎(chǔ)上，通過分層搜索確定柵格點(diǎn)的亞像素位置。具體方案如下(1)利用Hessian矩陣判定柵格點(diǎn)的像素位置在提取柵格點(diǎn)的亞像素位置之前，需要先判定該點(diǎn)的像素位置，判定條件可以根據(jù)Hessian矩陣的特征值得到。Hessian矩陣的表達(dá)式如式1所示H=fxxfxyfxyfyy---(1)]]>其中，fxx、fxy、fyy分別為圖像灰度相對(duì)于x、y的二階偏導(dǎo)數(shù)，可以通過圖像灰度與相應(yīng)微分形式的高斯算子卷積得到。對(duì)于柵格型標(biāo)定點(diǎn)，Hessian矩陣的兩個(gè)特征值均為正，則判定柵格型點(diǎn)像素位置的形狀算子表示為S=λ1·λ2=fxxfxy-fxy2---(2)]]>其中，λ1、λ2為Hessian矩陣的特征值。圖2為理想情況下柵格點(diǎn)附近區(qū)域的5值分布，其正極值點(diǎn)即柵格點(diǎn)。
(2)通過分層搜索確定柵格點(diǎn)的亞像素位置在根據(jù)形狀算子初步判定柵格點(diǎn)的像素位置之后，可以確定柵格點(diǎn)的亞像素位置即位于該像素鄰近區(qū)域內(nèi)。圖3是對(duì)理想圖像中柵格點(diǎn)附近±1像素范圍內(nèi)的亞像素位置點(diǎn)進(jìn)行灰度插值之后的結(jié)果，該曲面在柵格點(diǎn)處沿各方向的一階導(dǎo)數(shù)均為零，可得搜索柵格點(diǎn)亞像素位置的約束條件min(rx2(x0+s，y0+t)+ry2(x0+s，y0+t))|(s，t)∈[-1，1]×[-1，1](3)其中，(x0，y0)是柵格點(diǎn)的像素位置，rx(x0+s，y0+t)、ry(x0+s，y0+t)分別為點(diǎn)(x0+s，y0+t)處圖像灰度相對(duì)于x、y的一階偏導(dǎo)數(shù)。
為了提高搜索速度，可采用分層搜索的方法。如圖4所示，先利用形狀算子(2)判定柵格點(diǎn)的像素位置，然后以該點(diǎn)為中心，對(duì)其±1像素范圍內(nèi)的亞像素位置點(diǎn)進(jìn)行灰度插值，插值間隔選為0.1像素，然后根據(jù)約束條件(3)進(jìn)一步判定柵格中心點(diǎn)，再以該點(diǎn)為中心，對(duì)其±0.1像素范圍內(nèi)的亞像素點(diǎn)進(jìn)行灰度插值，插值間隔為0.01像素，然后再根據(jù)約束條件(3)判定柵格點(diǎn)，以此類推。在進(jìn)行實(shí)際的柵格點(diǎn)提取時(shí)，搜索層數(shù)設(shè)為3，最后的插值間隔設(shè)為0.001像素，即可滿足實(shí)際的標(biāo)定要求。
仿真實(shí)例以下是一組仿真實(shí)例。圖5是一個(gè)由計(jì)算機(jī)生成的虛擬平面靶標(biāo)，靶標(biāo)上共有144個(gè)柵格點(diǎn)，每?jī)牲c(diǎn)間距16mm。虛擬攝像機(jī)的圖像分辨率設(shè)為512×512；內(nèi)部參數(shù)設(shè)定為α＝1000，β＝1000，γ＝0，u0＝256，v0＝256；外部參數(shù)設(shè)定為r1＝
T，r2＝
T，t＝
T；鏡頭畸變參數(shù)設(shè)定為k1＝-0.22，k2＝0.20。圖6是經(jīng)虛擬攝像機(jī)成像之后的靶標(biāo)圖像。表1是傳統(tǒng)方法與新方法提取結(jié)果的對(duì)比，本發(fā)明的提取精度要優(yōu)于傳統(tǒng)方法。
表1兩種方法的提取精度

權(quán)利要求
1.一種柵格型標(biāo)定點(diǎn)亞像素提取方法，其特征在于，1.1、利用Hessian矩陣判定柵格點(diǎn)的像素位置；判定條件根據(jù)Hessian矩陣的特征值得到，Hessian矩陣的表達(dá)式如式1所示H=fxxfxyfxyfyy---(1)]]>其中，fxx、fxy、fyy分別為圖像灰度相對(duì)于x、y的二階偏導(dǎo)數(shù)，可以通過圖像灰度與相應(yīng)微分形式的高斯算子卷積得到，對(duì)于柵格型標(biāo)定點(diǎn)，Hessian矩陣的兩個(gè)特征值均為正，則判定柵格型點(diǎn)像素位置的形狀算子S表示為S=λ1·λ2=fxxfyy-fxy2---(2)]]>其中，λ1、λ2為Hessian矩陣的特征值，理想情況下柵格點(diǎn)附近區(qū)域的S值分布的正極值點(diǎn)即柵格點(diǎn)的像素位置；1.2、通過分層搜索確定柵格點(diǎn)的亞像素位置；1.2.1、對(duì)理想圖像中柵格點(diǎn)附近±1像素范圍內(nèi)的亞像素位置點(diǎn)進(jìn)行灰度插值，令所獲得的曲面在柵格點(diǎn)處沿各方向的一階導(dǎo)數(shù)均為零，得到搜索柵格點(diǎn)亞像素位置的約束條件如下min(rx2(x0+s,y0+t)+ry2(x0+s,y0+t))|(s,t)∈[-1,1]×[-1,1]---(3)]]>其中，(x0，y0)是柵格點(diǎn)的像素位置，rx(x0+s，y0+t)、ry(x0+s，y0+t)分別為點(diǎn)(x0+s，y0+t)處圖像灰度相對(duì)于x、y的一階偏導(dǎo)數(shù)；1.2.2、以1.1中得到的像素位置為中心，對(duì)其±1像素范圍內(nèi)的亞像素位置點(diǎn)進(jìn)行灰度插值，插值間隔選為0.1像素，然后根據(jù)約束條件(3)進(jìn)一步判定柵格中心點(diǎn)；再以該點(diǎn)為中心，對(duì)其±0.1像素范圍內(nèi)的亞像素點(diǎn)進(jìn)行灰度插值，插值間隔為0.01像素，然后再根據(jù)約束條件(3)判定柵格點(diǎn)；以此類推，進(jìn)行分層搜索，搜索層數(shù)為2～6層，直到滿足預(yù)定的精度要求為止。
2.根據(jù)權(quán)利要求1所述的柵格型標(biāo)定點(diǎn)亞像素提取方法，其特征在于，在進(jìn)行分層搜索時(shí)，搜索層數(shù)為3層，第3層搜索時(shí)，對(duì)中心點(diǎn)附近±0.01像素范圍內(nèi)的亞像素點(diǎn)進(jìn)行灰度插值，插值間隔為0.001像素。
全文摘要
本發(fā)明屬于計(jì)算機(jī)三維視覺測(cè)量技術(shù)，涉及對(duì)柵格型標(biāo)定點(diǎn)柵格點(diǎn)亞像素提取方法的改進(jìn)。本發(fā)明的步驟是首先利用Hessian矩陣判定柵格點(diǎn)的像素位置；然后通過分層搜索確定柵格點(diǎn)的亞像素精確位置。本發(fā)明通過分層搜索可以很快得到柵格點(diǎn)的亞像素位置，提取過程簡(jiǎn)單。即使是在圖像存在畸變及較大噪聲的情況下，仍具有較高的提取精度。
文檔編號(hào)G01B21/00GK1896678SQ20051008276
公開日2007年1月17日 申請(qǐng)日期2005年7月12日 優(yōu)先權(quán)日2005年7月12日
發(fā)明者張廣軍, 陳大志, 王穎 申請(qǐng)人:北京航空航天大學(xué)