一种基于圆形目标中心像点的精确定位方法技术

一种基于圆形目标中心像点的精确定位方法，属于计算机技术领域，为了减小边缘检测误差，利用经典Sobel算子构造出的八个方向模板，对灰度图像进行处理，得到梯度图像，然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算，对目标边缘进行亚像素精确定位；再者，将获得的亚像素边缘点利用二阶噪声精度拟合方法进行椭圆拟合；最后，为了消除透视投影产生的圆心偏差，再将拟合出的椭圆参数采用射影几何原理对圆心进行校正，从而准确地获取图像中圆形目标圆心的真实投影点，方法具有更高的定位精度。法具有更高的定位精度。法具有更高的定位精度。

【技术实现步骤摘要】
一种基于圆形目标中心像点的精确定位方法


[0001]本专利技术属于计算机
，特别涉及圆形合作目标的精确定位方法。

技术介绍

[0002]现实界中，圆特征是常见几何特征之一，基于点、线、圆等几何特征进行定位和位姿解算的研究很广泛；与点、线相比，圆具有参数多，强约束的特点。圆目标中心定位技术被大量应用于摄像机标定、视觉导航和工业缺陷检测等领域。准确地获取空间圆心在图像上的真实投影位置是影响基于圆形合作目标成像测量精度的关键问题。除了受照明条件和测量环境的影响，圆形目标中心定位精度的关键因素主要有边缘检测的算法误差、圆心拟合误差以及透视投影变换产生的圆心偏差。在透视投影成像中，圆形目标往往成像为椭圆，椭圆的中心与圆心成像位置并不一致，导致存在圆心偏差，如果直接用像平面上投影椭圆的中心像点代替圆目标中心的实际像点，必然会在定位中引入误差。因此，在圆形目标精确定位中，除了要精确获取其成像圆或者椭圆位置之外，有必要进行圆心投影偏差校正。

技术实现思路

[0003]本技术方案提出了一种基于圆形目标中心像点的精确定位方法，具有更强的抗噪能力和更高的定位精度。
[0004]考虑到圆形目标边缘梯度是具有方向性的，为了减小边缘检测的误差，首先采用八个方向模板的sobel算子(索贝尔算子)进行亚像素细分计算求得亚像素边缘点坐标；再者，将获得的椭圆亚像素边缘点进行高精度的椭圆拟合；然后，在获得精确的椭圆中心定位后，为了消除透视投影产生的圆心偏差，再将拟合得到的椭圆参数采用相比于其它方法更为简单容易执行校正算法对圆心投影进行校正，进而准确地获取图像中圆形目标圆心的真实投影点，实现圆形目标精确定位。最后，在仿真图像和真实图像上均进行了实验验证，结果表明本技术方案算法具有更强的抗噪能力和更高的定位精度。定位相对误差可由0.1149％减小为0.019％。
[0005]圆形目标精确定位是影响基于圆形合作目标的光学成像测量精度的一个关键因素。圆形合作目标中心定位精度除了受照明条件和测量背景等环境条件因素影响之外，目标精确定位算法起着关键性作用。本技术方案提出了一种圆目标中心的精确定位方法。为了减小边缘检测误差，利用经典Sobel算子构造出的八个方向模板，对灰度图像进行处理，得到梯度图像，然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算，对目标边缘进行亚像素精确定位；再者，将获得的亚像素边缘点利用二阶噪声精度拟合方法进行椭圆拟合；最后，为了消除透视投影产生的圆心偏差，再将拟合出的椭圆参数采用射影几何原理对圆心进行校正，从而准确地获取图像中圆形目标圆心的真实投影点，该方法具有更高的定位精度。
附图说明
[0006]图1为本专利技术的圆形目标中心像点的精确定位算法流程图。
[0007]图2为边缘检测过程中八个梯度图像结果图。
[0008]图3为圆测试图像。
[0009]图4为圆环标志图。
[0010]图5为仿真原图及加噪图像。
[0011]图6为空间圆及投影图及含高斯噪声的图像。
具体实施方式
[0012]一种基于圆形目标中心像点的精确定位方法，对处理后的图像边缘信息进行亚像素坐标计算，包括：
[0013]步骤一、对图像中的每个像素点用sobel算子八个模板进行卷积，利用八个模板卷积生成梯度图像,从梯度幅值最大值处的点就是边缘的整数坐标。
[0014]步骤二、将边缘精确定位到一个像素精度后，进行亚像素细分计算。在未经去噪的灰度图像上对sobel算子获得目标圆像素级边缘点(X
i
,Y
j
)区域内进行亚像素坐标计算。利用sobel算子的八个方向模板对边缘点逐一卷积计算，取最大值作为边缘点(X
i
,Y
j
)的梯度幅值G(i,j)。
[0015]沿着边缘点梯度方向找边缘点(X
i
,Y
j
)的邻近点，计算边缘点(X
i
,Y
j
)邻近点的梯度幅值。
[0016]水平方向上，边缘点(X
i
,Y
j
)距离为1个像素的邻近点为(X
i
‑1,Y
j
)和(X
i+1
,Y
j
)；竖直方向上，边缘点(X
i
,Y
j
)距离为1个像素的邻近点为(X
i
,Y
j
‑1)和(X
i
,Y
j
‑1)，利用Sobel算子获得邻近点梯度幅值。任意点的梯度幅值用G表示。边缘点的梯度幅值表示为G
i,j
，边缘点邻近像素点的梯度幅值使用G
‑1，G1表示。水平方向上G1＝G
i
‑
1,j
，G
‑1＝G
i+1,j
；竖直方向上G1＝G
i,j
‑1，G
‑1＝G
i,j+1
；对角线方向上，G1＝G
i+1,j+1
，G
‑1＝G
i
‑
1,j
‑1。
[0017]以边缘点和与边缘点梯度方向上邻近点的梯度幅值作为函数值，边缘点及边缘点的邻近点为插值基点。代入二次多项式插值函数。θ为梯度方向与X轴正向夹角。经过推到可得水平和竖直方向上亚像素坐标为：
[0018][0019][0020]对角线方向上的亚像素坐标为：
[0021][0022][0023]步骤二、由于噪声的影响，得到的边缘点偏离真值；二阶噪声精度拟合方法考虑了噪声统计特性，在传统最小二乘法的基础上去除噪声影响成分，更能精确获得椭圆参数，在
抗噪声能力方面优于传统拟合方法。
[0024]对获得的亚像素坐标进行二阶噪声精度拟合计算，包括：
[0025]利用检测到的椭圆边缘点拟合椭圆方程，对于平面椭圆的一般方程有：Au2+Buv+Cv2+Du+Ev+F＝0，A、B、C、D、E和F分别为椭圆方程的参数。椭圆方程写成两个向量内积(P,μ)＝0的形式，P＝(u2,uv,v2,u,v,1)
T
，μ＝(A,B,C,D,E,F)
T
[0026]和表示获取像素点坐标的样本点，受噪声因素影响，和偏离它们真实值。假设样本点数据和偏离它们的真实值u和v分别为Δu和Δv，则：
[0027]向量可以表示为：
[0028][0029]可以分解为其中：
[0030]P1＝(uΔu,vΔu+uΔv,vΔv,Δu,Δv,1)
T
，P2＝(Δu2,ΔuΔv,Δv2,0,0,0)
T
。
[0031]将最小二乘法计算出的解表示为：其中Δ
k
μ是噪声分量Δμ、Δv的第k阶项。
[0032]这意味着利用最小二乘法解出的与期望值E(μ)不完全一致。将计算出的解表示为：其中Δ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于圆形目标中心像点的精确定位方法，其特征在于包括如下步骤：步骤1：对输入图像进行灰度化处理和高斯平滑噪声降噪；步骤2：对处理后的图像边缘信息进行亚像素坐标计算；步骤3：将获得的亚像素坐标进行二阶噪声精度拟合椭圆；步骤4：拟合椭圆获得的椭圆参数进行圆心偏差投影计算进而获得真实投影点坐标。2.根据权利要求1所述的一种基于圆形目标中心像点的精确定位方法，其特征在于包括如下步骤：所述步骤2包括：2.1)对图像中的每个像素点用sobel算子八个模板进行卷积，利用八个模板卷积生成梯度图像,从梯度幅值最大值处的点就是边缘的整数坐标；2.2)将边缘精确定位到一个像素精度后，进行亚像素细分计算；在未经去噪的灰度图像上对sobel算子获得目标圆像素级边缘点(X
i
,Y
j
)区域内进行亚像素坐标计算；利用sobel算子的八个方向模板对边缘点逐一卷积计算，取最大值作为边缘点(X
i
,Y
j
)的梯度幅值G(i,j)；2.3)以边缘点和与边缘点的梯度方向上邻近点的梯度幅值作为函数值，边缘点及边缘点的邻近点为插值基点；代入二次多项式插值函数；通过多项式插值法获得亚像素级坐标点。3.根据权利要求1所述的一种基于圆形目标中心像点的精确定位方法，其特征在于包括...

【专利技术属性】
技术研发人员：朱兵，叶阳春，程巧玉，袁昕，李珊，李冬冬，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：