棋盘格角点检测方法、检测系统、计算机装置及存储介质制造方法及图纸

本发明专利技术涉及角点检测技术领域，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。本发明专利技术的设计通过光照校正算法，多尺度模板算子和多分数阈值筛选来提高户外环境的检测结果；Scharr算子及多尺度图像角点检测对变形较大等成像质量较差的棋盘格也有较好改善作用；ROI循环筛选机制减少人工操作，提高角点检测准确率，同时为一张图片中多个棋盘格提供很好的解决方案。本发明专利技术实现了在复杂环境中仍可以准确识别出棋盘格角点的目的，减少了相机标定对场景及人工的依赖性，使得标定场景不再局限于亮度均匀的室内，同时解决了多棋盘格和棋盘格变形较大的检测问题。

【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。作为本专利技术的一种优选技术方案，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，简化后续算法；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：为了改善图像变形较大的问题，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)(PI为圆周率)，图像强度，将其归一化到(0,1)。该算子比Sobel算子具有更强的中心元素占比，可以更好的强化边缘梯度，对于变形较大的图像可以达到较好的改善作用。光照校正算法对复杂环境下的角点检测有一定的改善作用。作为本专利技术的一种优选技术方案，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。作为本专利技术的一种优选技术方案，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(上下左右4个方向，组成两组对角)，3种模板分别代表与坐标轴平行，旋转45度，旋转22.5度，其中旋转22.5度用于检测偏离图像中心变形情况严重的棋盘格，不同尺度模板可以保证不同大小的棋盘格均可以有效检出；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，为考虑到棋盘格可能出现左对角线为黑，右对角线为白；或者左对角线为白，右对角线为黑的情况，计算这两种情况的最小响应其中：S2.1.3、最后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)；采用不同尺度的卷积核算子可以改善户外复杂环境对棋盘格检测的影响，而多角度算子对变形较大的棋盘格图像也可以达到一定的识别率；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。通过极大值抑制初步删除相邻误差点；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；S2.3..2、将梯度方向映射到32bin直方图中，对直方图进行高斯平滑，然后用meanshift方法寻找该直方图的两个局部极大值a1，a2；S2.3..3、正常角点在直方图中应该存在两个幅值相当的局部极大值，且两点对应的梯度角大于预设阈值才认为该点有效；梯度过滤可以先过滤一些不是角点的误差值。所述亚像素精细化角点处理过程包括如下步骤：S2.4.1、遍历角点，假定q为待求亚像素点，pi为q周围的点(已知坐标)，Gi为pi处灰度，根据“角点位置特征：边缘的交点，且角点与边缘点的连线和边缘点的梯度方向垂直”，可以得到公式：Gi*(pi-q)……(式3)；S2.4.2、将式3展开并用最小二乘法求解，得到：亚像素点只有一个，角点坐标q：有多个。所以各点处要进行梯度求和，并引入高斯权重模拟距离加权，最后将式3-1修正为：S2.4.3、利用最小二乘法迭代求解式3-2，多次迭代可得到一系列q1,q1,q1…qn。指定结果精度ε＝1.0e-6，如果qn-qn-1≤ε，则认为qn为最优解。所述多尺度图像角点检测的处理过程包括如下步骤：S2.5.1、将图像放大一倍，重复上述步骤，得到大尺度角点集；S2.5.2、将图像缩放回原图大小，将不同尺度的角点进行极大值抑制得到角点检测模块结果。多尺度图像角点检测对于成像质量较差的棋盘格图像(如：形变较大)有较好的识别效果。作为本专利技术的一种优选技术方案，所述角点筛选的步骤包括角点分数计算和ROI循环筛选的处理过程，其中，所述角点分数计算的处理过程包括如下步骤：S3.1.1、根据角点检测模块梯度统计过滤中计算的当前角点的两个主方向向量α1，α2创建模板(仍然包括3个尺度)；S3.1.2、模板卷积得到梯度分数，计算方法与角点检测模块中最佳响应cmax计算方式一致，最后的角点分数为梯度得分*角点检测模块中的最佳响应；S3.1.3、计算角点分数用于后续角点筛选，根据实际情况可选出所需要的角点。作为本专利技术的一种优选技术方案，所述ROI循环筛选的处理过程包括如下步骤：S2.2.2.1、针对一张图片本文档来自技高网...

【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