高骏的视觉课程作业

视觉测量技术课程读书报告题目：用于摄像机标定的棋盘图像角点检测新算法作者：杨幸芳，黄玉美，高峰，杨新刚，韩旭熠仪器仪表学报（ChineseJournalofScientificInstrument）2011年5月文章的初始动机以及创新点摄像机标定是从二维图像获取准确的三维信息的必要步骤，摄像机标定的精度在很大程度上取决于标定板控制点的图像定位精度。鉴于此．对棋盘格标定板图像的角点定位问题进行了研究。笔者通过对图像像素类型及其性质进行分析。提出了以小邻域环形模板上像素灰度的跳变次数为判据的棋盘角点检测新算法，该算法不但能快速检测出角点。而且还能确定角点的类型。利用此性质．剔除了容易受外界环境影响的棋盘外圈角点，即非x型角点，从而从另一个角度保证了所提取角点的精度。为了达到更高的精度，笔者以棋盘图像的高度对称性为依托，在每个初定位角点的局部邻域内。用灰度重心法对角点进行了亚像素定位。实验结果表明，提出的算法具有较高的精度，能够为高精度摄像机标定提供可靠数据。技术路线及其核心算法图像中的像素类型有4种：平坦区域点、边缘点、角点和噪声点。在理想情况下，对于平坦区域点，由于其与周围8邻域像素同属于一个区域，它们必然具有相同或相近的灰度，因此平坦区域点的8邻域环形模板上像素灰度的跳变次数为0；对于边缘点，因为它是两个区域的交点，所以其8邻域环形模板上像素灰度的跳变次数为2；对于角点，因为它是多个(两个或两个以上)区域的交点。故其8邻域环形模板上像素灰度的跳变次数大于或等于2；对于噪声点，因为它是孤立点，所以其8邻域环形模板上像素的灰度不会出现跳变。由此可见，8邻域环形模板上像素灰度的跳变次数可用来作为区分图像像素类型的标准，但是，图像中噪声的存在常常会改变模板上像素灰度的跳变次数。从而造成结果的误判。为了克服噪声的影响，采取了两个措施。1)定义一个灰度平均函数，将通过求环形模板相邻像素间的灰度差判断灰度跳变次数的方式转换成用环形模板每个像素的灰度与模板平均灰度的差的判断方式。灰度平均函数定义如下：（1）式中：表示环形模板所覆盖的像素区域。N为环形模板中所包含的像素的个数，为力中环形模板像素对应的灰度值。将环形模板像素按逆时针方向进行编号，形成环形模板像素点集：（2）依次计算以下序列：（3）则以上序列中差值符号的变化次数即为环形模板上灰度的跳变次数。2)构造两个环形模板，因为噪声会增加环形模板上像素灰度的跳变次数，故：若两个环形模板上像素灰度的跳变次数相等，则直接确定像素类型；若两个环形模板上像素灰度的跳变次数不等，则以少的变化次数决定像素类型。1.3、算法的步骤分别用两个环形模板扫描整幅图像，检测点为环形模板所包围区域中心的像素，也称为当前点，记为，根据式(3)分别计算每个环形模板上像素灰度的跳变次数、：1)若=，则①若==0，则可能是平坦区域点，也可能是噪声点，它们均不属于检测目标，故结束当前点的检测；②若==2，则可能是边缘点，也可能L形角点，此时再用SUSAN算法加以区分：③若=>2。则为T形、Y形或更复杂类型的角点。2)若，则①若，且=0，则为平坦区域点或噪声点，二者均不属于检测目标。故结束当前点的检测；②若，且=2，则为边缘点或L形角点，此时可用SUSAN算法加以区分；③若，且>2，则为T形、Y形或更复杂类型的角点。棋盘图像中的角点只包括3种类型：L形、T形和X形，其中，L形角点的局部邻域像素灰度的跳变次数为两次，T形角点的局部邻域像素灰度的跳变次数为3次，而X形角点的局部邻域像素灰度的跳变次数为4次。由于图像远离中心部分的畸变较大，且容易受外界环境的影响，所以为了给摄像机标定提供更准确的数据，对棋盘外圈角点(L形角点和T形角点)不予检测，只检测棋盘格内角点(X形角点)，这样，上述算法大为简化，只有环形模板上像素灰度的跳变次数等于4的点才被记录并标记，其他的点一律不作处理。即：1)=，且==4，则将当前点标记为角点，并存入拟角点集S中，然后结束当前点的检测；否则直接结束当前点的检测；2)若，且=4，则将当前点标记为角点，并存入拟角点集S中用上述方法检测得到的点不都是角点，还包括一些离角点很近的点，因此需要采取措施剔除拟角点集S中虚假的角点。具体做法是用一个N×N的方形窗口，对窗口内的点用式(4)中的Harris角点响应函数。驯进行非极大值抑制，当然只考察窗口内属于拟角点集s中的点。将角点响应函数最大的点最终确定为角点。（4）其中，式中：为高斯窗口，为卷积运算。经过非极大值抑制后的角点的位置坐标都是像素级的，考虑到棋盘格角点的中心对称性，本文用灰度重心法对角点进行了亚像素定位。设以初角点为中心的圆形定位窗口为，为该窗口内的像素，为其对应的灰度值，则该定位窗口内的灰度重心为：（5）式中：为初定位角点的亚像素坐标。为了验证算法的精度，笔者首先用文中算法提取的棋盘角点的亚像素坐标，采用张正友的摄像机标定方法完成摄像机的标定，然后又另外选N个世界坐标已知的标定点，用标定后的摄像机模型得到其对应的图像像素坐标；最后用残差公式(6)求该图像像素坐标与直接用新算法提取的图像像素坐标之间的残差。（6）经计算，=0.1253，=0.1227，角点定位精度接近0．1个像素。2、基于Harris的棋盘格角点检测改进算法作者：王晓辉程健庆韩瑜电子测量技术（ELECTRONICMEASUREMENTTECHNOLOGY）2013年10月2.1、文章的初始动机以及创新点点作为含有图像重要信息的一种特征点，运用角点计算可以有效减少图像运算量。正因为如此，角点检测在机器视觉中更是起着不可忽略的作用，并广泛应用于觉测量、图像匹配和摄像机标定中。针对Harris的棋盘格角点检测的优劣性，综合尺度空间、Harris算子、Fonster算子和SVD算子的思想，提出一种由粗到精的多层策略，快速自动实现棋盘格角点检测与提取，既采用了Harris算子良好的定位性能和鲁棒性，又结合了其他算子良好的优越性。克服了单种算子的局限性。实验证明，该方法针对棋盘格角点有较高的检测精度、准确率和稳定性，可以满足实时性要求。2.2、技术路线及其核心算法1）Harris角点检测算法原理对于图像，在点处平移后的自相似性通过自相关函数给出：（1）式中：是以点为中心的窗口，是加权函数；是像素点的灰度值，是像素点移动后的的灰度值，将在像素点处按泰勒展开，代入式(1)近似为多项式：（2）M是自相关函数的近似Hession矩阵：(3),是图像的偏导数。角点响应，其中，是矩阵M的行列式值，是矩阵M的迹，k为经验值，取值范围0.04～0.06。但Nobel认为k的取值不令人满意，对角点相应函数R进行了改进：(4)式中：为一任意小常数。Harris算子通过计算每一个像元的响应值，将小于某一阈值的置为0，然后对各点的进行非极大值抑制，局部极大值点即为图像角点。2)改进的角点检测算法在进行角点检测之前，有必要对图像进行预处理，首先利用离散余弦变换对图像进行初步去噪，接着利用图像形态学中的开运算和闭运算来消除图像中的杂散点，再利用对比度拉伸算子，增强图像对比度，最后结合以下算子进行角点检测。Harris—Laplace多尺度角点检测由于Harris算子不具有尺度不变性，为确保角点检测的准确度和完整性，首先采用由Mikolajczyk和Schmid提出Harris—Laplace检测方法，将Harris算子与高斯尺度空间相结合，从而克服了Harris算子只能在单一尺度下检测角点的缺点。此时使用为多尺度的Hession矩阵：（5）式中：表示尺度为的高斯卷积核，表示图像的位置。表示经过高斯平滑后的图像，表示卷积，和表示经过高斯函数平滑后的图像在方向的微分。一般称为积分尺度，为微分尺度。得到角点相应值后，进行局部非极大值抑制：查找角点响应图像邻域极值,设定阈值，其中k取值范围0～1，局部极大值为。确定角点需满足3个条件：R=m；R>；非边缘点。当检测到的角点数小于真实角点数时，循环此过程，直到角点数大于真实角点数。角点位置定位更新