【技术实现步骤摘要】
棋盘格角点检测方法、检测系统、计算机装置及存储介质
本专利技术涉及角点检测
,具体地说,涉及棋盘格角点检测方法、检测系统、计算机装置及存储介质。
技术介绍
目前常用的棋盘格角点检测算法大概可以分为通用角点检测,专用棋盘格角点检测和模板匹配法。通用角点检测算法主要采用harris角点检测或者susan角点检测检测出所有角点再进行筛选,由于检测的是所有角点,该方法在实际情况中效率不高,且识别效果较差。而专用棋盘格角点检测算法借鉴了通用角点检测算法,再针对棋盘格黑白排列的特征分布进行角点检测筛选,但是此方法需要人工设置阈值过滤误差点,且鲁棒性较差,复杂环境下不易识别。模板匹配法针对棋盘格角点提出几种固定模板进行卷积得到角点分数图,再进一步筛选,此方法对光照不均匀及棋盘格变形过大等情况不易识别。现有技术存在的缺点:无法在室外复杂环境下进行高准确率识别,无法识别棋盘格变形较大情况,需要人工设置阈值筛选角点。要改善这些问题的难点在于:如何在光照不均匀情况下检测到角点,如何改善设备带来的棋盘格成像质量差的情况,如何保证减少人工干预的情况下进行自动化识别。
技术实现思路
本专利技术的目的在于提供棋盘格角点检测方法、检测系统、计算机装置及存储介质,以解决上述
技术介绍
中提出的问题。为实现上述技术问题的解决,本专利技术的目的之一在于,提供了一种棋盘格角点检测方法,包括预处理的步骤、角点检测的步骤和角点筛选的步骤,S1.所述预处理的步骤用于负责对原始图像进行光照校正及归一化;S2.所述角点检 ...
【技术保护点】
1.棋盘格角点检测方法,包括预处理的步骤、角点检测的步骤和角点筛选的步骤,其特征在于:/nS1.所述预处理的步骤用于负责对原始图像进行光照校正及归一化;/nS2.所述角点检测的步骤用于负责对预处理后图像进行角点检测,并精细化检测结果;/nS3.所述角点筛选的步骤用于负责对检测到的角点进行多阈值循环判断筛选。/n
【技术特征摘要】
1.棋盘格角点检测方法,包括预处理的步骤、角点检测的步骤和角点筛选的步骤,其特征在于:
S1.所述预处理的步骤用于负责对原始图像进行光照校正及归一化;
S2.所述角点检测的步骤用于负责对预处理后图像进行角点检测,并精细化检测结果;
S3.所述角点筛选的步骤用于负责对检测到的角点进行多阈值循环判断筛选。
2.根据权利要求1所述的棋盘格角点检测方法,其特征在于:所述预处理的步骤具体包括:
S1.1、灰度化处理,图像灰度化处理,减少图像色彩信息;
S1.2、光照校正:
S1.2.1、设置N*M大小的窗口遍历图像,并计算每个窗口的灰度平均值,得到亮度矩阵T;
S1.2.2、将矩阵T中元素减去原图平均灰度,得到亮度差矩阵F;
S1.2.3、采用双线性插值将矩阵F放大到原图大小,并用原图减去放大后的F矩阵,得到校正图;
S1.3、梯度计算及归一化:采用Scharr算子卷积后计算图像梯度角度,并将其归一化到(0,PI),图像强度,将其归一化到(0,1)。
3.根据权利要求2所述的棋盘格角点检测方法,其特征在于:所述角点检测的步骤具体包括:角点检测、非极大值抑制、梯度统计过滤、亚像素精细化角点和多尺度图像角点检测的处理过程。
4.根据权利要求3所述的棋盘格角点检测方法,其特征在于:
所述角点检测的处理过程包括如下步骤:
S2.1.1、根据棋盘格实际效果定义3种不同尺度角点模板原型,每种尺度包含3个模板,每个模板包含4种滤波器核;
S2.1.2、利用角点模板对图像进行卷积求和平均,计算像素卷积响应平均值μ,计算方式如下:
(i为图像中任一像素点,X=A,B,C,D代表4种滤波器)表示卷积原型A在某一像素点的卷积响应,计算两种情况的最小响应其中:
S2.1.3、每种模板可以得到一组响应,比较不同尺度不同模板的每组响应值,共3*3=9组响应,取最大响应cmax作为输出,其计算公式为:
cj为不同尺度下的最佳响应;
cmax=max(c1,c2,c3)......(式2-1);
所述非极大值抑制的处理过程包括如下步骤:
S2.2.1、设置N*N窗口,遍历像素,找到窗口内角点像素坐标;
S2.2.2、以该坐标为检测点,如果窗口内存在更大值,则该值为新的检测坐标,继续上述步骤,否则判断其值是否大于预设的阈值,大于则为满足条件的角点;
S2.2.3、循环遍历全图,执行S2.2.2;
所述梯度统计过滤的处理过程包括如下步骤:
S2.3.1、对每个角点,以像素点坐标为中心,设置N*N窗口,计算窗口梯度方向和幅值...
【专利技术属性】
技术研发人员:吴雷,沈海波,杨锋,林琦,陈华云,
申请(专利权)人:厦门云感科技有限公司,
类型:发明
国别省市:福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。