專利名稱：一種x型角點亞像素提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于三維視覺檢測系統(tǒng)標(biāo)定技術(shù)，涉及對X型角點亞像素提取方法的改進(jìn)。
背景技術(shù)：
標(biāo)定點的提取是三維視覺檢測系統(tǒng)標(biāo)定過程中的重要環(huán)節(jié)，通常為了保證系統(tǒng)標(biāo)定結(jié)果的精度及穩(wěn)定性，要求標(biāo)定點的提取精度要在亞像素級。X型角點(見圖1)由于其易于識別、提取方法簡單及提取精度高在視覺檢測系統(tǒng)的標(biāo)定中應(yīng)用十分廣泛，傳統(tǒng)的亞像素提取方法主要有(1)Harris角點提取。
Harris算子是一種比較常用的特征點提取算子，主要是根據(jù)特征點附近區(qū)域內(nèi)圖像灰度變化的相關(guān)度來判定特征點的形狀。基于Harris的X型角點亞像素提取通常先根據(jù)Harris算子判定角點的像素位置，然后利用插值算法計算該點附近區(qū)域內(nèi)亞像素位置點的灰度值，并根據(jù)這些點擬合局部圖像的灰度分布曲面，再計算該曲面的鞍點即為X型角點的亞像素位置。該方法的優(yōu)點是提取精度高，缺點是計算復(fù)雜，提取過程繁瑣。
(2)邊緣擬合求交點。
該方法主要是利用Sobel等邊緣算子提取角點附近區(qū)域內(nèi)黑白塊的邊緣點，并利用直線擬合計算兩邊緣的直線方程，則兩直線的交點即為X型角點的亞像素位置。該方法的優(yōu)點是提取過程簡單，缺點是當(dāng)圖像存在畸變或較大噪聲時，提取精度不高。

發(fā)明內(nèi)容
本發(fā)明的目的是針對現(xiàn)有方法的不足，提出一種提取過程簡單、精度高的X型角點的亞像素提取方法。
本發(fā)明的技術(shù)方案是一種X型角點亞像素提取方法，其特征在于，提取步驟如下1、根據(jù)Hessian矩陣判定X型角點的像素位置；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，對于X型角點，Hessian矩陣的兩個特征值一個為正，另一個為負(fù)，則判定其像素位置的算子s表示為S=λ1·λ2=fxxfxy-fxy2---(2)]]>其中，λ1、λ2為Hessian矩陣的特征值；2、確定X型角點的亞像素位置；在判定角點的像素位置后，利用一個二階泰勒展開式描述該點附近區(qū)域內(nèi)任意一點的灰度值，其表達(dá)式為r(x0+s,y0+t)=r0+strxry+12strxxrxyrxyrxyst---(3)]]>其中，(x0，y0)是角點的像素位置，r0為該點的灰度，rx、ry、rxx、rxy、ryy分別為該點灰度相對于x、y的一二階偏導(dǎo)數(shù)，s，t為角點相對于(x0，y0)的亞像素位置，經(jīng)過低通濾波后角點附近區(qū)域圖像灰度的分布曲面為一平滑鞍面，其鞍點即X型角點的亞像素位置，根據(jù)鞍點的性質(zhì)，在式(3)的基礎(chǔ)上得到確定鞍點位置的線性方程組rxxs+rxyt+rx=0rxys+ryyt+ry=0---(4)]]>則X型角點的亞像素位置即(x0+s，y0+t)，其中，s=ryrxy-rxrxyrxxrxy-rxy2,]]>t=rxrxy-ryrxxrxxryy-rxy2.---(5)]]>本發(fā)明的優(yōu)點是(1)相對于傳統(tǒng)的基于Harris的角點提取算法，本發(fā)明不需要插值和曲面擬合，提取過程簡單，速度快。
(2)相對于邊緣擬合求交點的方法，本發(fā)明只是利用角點臨近區(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X型角點的靶標(biāo)示意圖。
圖2是X型角點附近區(qū)域的S值分布示意圖。
圖3是X型角點附近區(qū)域的灰度分布示意圖。
圖4是一個由計算機(jī)生成的虛擬平面靶標(biāo)。
圖5是圖4的靶標(biāo)經(jīng)虛擬攝像機(jī)成像之后的靶標(biāo)圖像。
具體實施例方式
下面對本發(fā)明做進(jìn)一步詳細(xì)說明。本發(fā)明根據(jù)Hassian矩陣的特征值判定X型角點的像素位置，然后利用一個二階泰勒展開式描述該角點附近區(qū)域圖像灰度的分布曲面，則該曲面的鞍點即所求角點的亞像素位置。具體提取步驟如下(1)根據(jù)Hessian矩陣判定X型角點的像素位置Hessian矩陣的表達(dá)式如式1所示H=fxxfxyfxyfyy---(1)]]>其中，fxx、fxt、fyy分別為圖像灰度相對于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。對于X型角點，Hessian矩陣的兩個特征值一個為正，另一個為負(fù)，則判定其像素位置的算子表示為S=λ1·λ2=fxxfxy-fxy2---(2)]]>其中，λ1、λ2為Hessian矩陣的特征值。圖2為理想情況下角點附近區(qū)域的S值分布，其負(fù)極值點即角點所在位置。
(2)確定X型角點的亞像素位置在判定角點的像素位置后，可以利用一個二階泰勒展開式描述該點附近區(qū)域內(nèi)任意一點的灰度值，其表達(dá)式為r(x0+s,y0+t)=r0+strxry+12strxxrxyrxyrxyst---(3)]]>其中，(x0，y0)是角點的像素位置，r0為該點的灰度，rx、ry、rxx、rxy、ryy分別為該點灰度相對于x、y的一二階偏導(dǎo)數(shù)，(s，t)為角點相對于(x0，y0)的亞像素位置。
圖3是經(jīng)過低通濾波后角點附近區(qū)域圖像灰度的分布曲面，該曲面為一平滑鞍面，其鞍點即X型角點的亞像素位置。根據(jù)鞍點的性質(zhì)，在式3的基礎(chǔ)上可得確定鞍點位置的線性方程組rxxs+rxyt+rx=0rxys+ryyt+ry=0---(4)]]>則X型角點的亞像素位置即(x0+s，y0+t)，其中，
s=ryrxy-rxrxyrxxrxy-rxy2,]]>t=rxrxy-ryrxxrxxryy-rxy2.---(5)]]>實施例以下是一組仿真實例。圖4是一個由計算機(jī)生成的虛擬平面靶標(biāo)，靶標(biāo)上共有144個X型角點，每兩點間距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。圖5是經(jīng)虛擬攝像機(jī)成像之后的靶標(biāo)圖像。具體提取過程如下(1)針對圖像中的每一個像點，利用微分形式的高斯卷積核計算該點灰度相對于x，y的各階偏導(dǎo)數(shù)rx，ry，rxx，rxy，ryy；(2)計算各像點所對應(yīng)的Hessian矩陣及其特征值，并根據(jù)式2判斷該點是否為X型角點的像素位置；(3)對符合式2的像素點，根據(jù)式5計算X型角點的亞像素位置。
表1是傳統(tǒng)的Harris角點提取方法與新方法提取結(jié)果的對比，本發(fā)明的提取精度要略優(yōu)于傳統(tǒng)方法。
表1兩種方法的提取精度對比

表2是兩種方法對144個角點提取時間的對比，可知新方法的提取速度要明顯快于傳統(tǒng)方法。
表2兩種方法的提取速度對比

權(quán)利要求
1.一種X型角點亞像素提取方法，其特征在于，提取步驟如下1.1、根據(jù)Hessian矩陣判定X型角點的像素位置；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，對于X型角點，Hessian矩陣的兩個特征值一個為正，另一個為負(fù)，則判定其像素位置的算子s表示為S=λ1·λ2=fxxfxy-fxy2---(2)]]>其中，λ1、λ2為Hessian矩陣的特征值；1.2、確定X型角點的亞像素位置；在判定角點的像素位置后，利用一個二階泰勒展開式描述該點附近區(qū)域內(nèi)任意一點的灰度值，其表達(dá)式為r(x0+s,y0+t)=r0+strxry+12strxxrxyrxyryyst---(3)]]>其中，(x0，y0)是角點的像素位置，r0為該點的灰度，rx、ry、rxx、rxy、ryy分別為該點灰度相對于x、y的一二階偏導(dǎo)數(shù)，s，t為角點相對于(x0，y0)的亞像素位置，經(jīng)過低通濾波后角點附近區(qū)域圖像灰度的分布曲面為一平滑鞍面，其鞍點即X型角點的亞像素位置，根據(jù)鞍點的性質(zhì)，在式(3)的基礎(chǔ)上得到確定鞍點位置的線性方程組rxxs+rxyt+rx=0rxys+ryyt+ry=0---(4)]]>則X型角點的亞像素位置即(x0+s，y0+t)，其中，s=ryrxy-rxryyrxxryy-rxy2,t=rxrxy-ryrxxrxxryy-rxy2.---(5)]]>
全文摘要
本發(fā)明屬于三維視覺檢測系統(tǒng)標(biāo)定技術(shù)，涉及對X型角點亞像素提取方法的改進(jìn)。本發(fā)明的提取步驟是根據(jù)Hessian矩陣判定X型角點的像素位置；然后利用二階泰勒展開式描述該點附近區(qū)域內(nèi)的灰度值，其鞍點即X型角點的亞像素位置。本發(fā)明提取過程簡單，速度快。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G01B11/00GK1896682SQ20051008276
公開日2007年1月17日 申請日期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 申請人:北京航空航天大學(xué)