专利名称：一种x型角点亚像素提取方法
技术领域：
本发明属于三维视觉检测系统标定技术，涉及对X型角点亚像素提取方法的改进。
背景技术：
标定点的提取是三维视觉检测系统标定过程中的重要环节，通常为了保证系统标定结果的精度及稳定性，要求标定点的提取精度要在亚像素级。X型角点(见图1)由于其易于识别、提取方法简单及提取精度高在视觉检测系统的标定中应用十分广泛，传统的亚像素提取方法主要有(1)Harris角点提取。
Harris算子是一种比较常用的特征点提取算子，主要是根据特征点附近区域内图像灰度变化的相关度来判定特征点的形状。基于Harris的X型角点亚像素提取通常先根据Harris算子判定角点的像素位置，然后利用插值算法计算该点附近区域内亚像素位置点的灰度值，并根据这些点拟合局部图像的灰度分布曲面，再计算该曲面的鞍点即为X型角点的亚像素位置。该方法的优点是提取精度高，缺点是计算复杂，提取过程繁琐。
(2)边缘拟合求交点。
该方法主要是利用Sobel等边缘算子提取角点附近区域内黑白块的边缘点，并利用直线拟合计算两边缘的直线方程，则两直线的交点即为X型角点的亚像素位置。该方法的优点是提取过程简单，缺点是当图像存在畸变或较大噪声时，提取精度不高。
发明内容
本发明的目的是针对现有方法的不足，提出一种提取过程简单、精度高的X型角点的亚像素提取方法。
本发明的技术方案是一种X型角点亚像素提取方法，其特征在于，提取步骤如下1、根据Hessian矩阵判定X型角点的像素位置；Hessian矩阵的表达式如式1所示
H=fxxfxyfxyfyy---(1)]]>其中，fxx、fxy、fyy分别为图像灰度相对于x、y的二阶偏导数，可以通过图像灰度与相应微分形式的高斯算子卷积得到，对于X型角点，Hessian矩阵的两个特征值一个为正，另一个为负，则判定其像素位置的算子s表示为S=λ1·λ2=fxxfxy-fxy2---(2)]]>其中，λ1、λ2为Hessian矩阵的特征值；2、确定X型角点的亚像素位置；在判定角点的像素位置后，利用一个二阶泰勒展开式描述该点附近区域内任意一点的灰度值，其表达式为r(x0+s,y0+t)=r0+strxry+12strxxrxyrxyrxyst---(3)]]>其中，(x0，y0)是角点的像素位置，r0为该点的灰度，rx、ry、rxx、rxy、ryy分别为该点灰度相对于x、y的一二阶偏导数，s，t为角点相对于(x0，y0)的亚像素位置，经过低通滤波后角点附近区域图像灰度的分布曲面为一平滑鞍面，其鞍点即X型角点的亚像素位置，根据鞍点的性质，在式(3)的基础上得到确定鞍点位置的线性方程组rxxs+rxyt+rx=0rxys+ryyt+ry=0---(4)]]>则X型角点的亚像素位置即(x0+s，y0+t)，其中，s=ryrxy-rxrxyrxxrxy-rxy2,]]>t=rxrxy-ryrxxrxxryy-rxy2.---(5)]]>本发明的优点是(1)相对于传统的基于Harris的角点提取算法，本发明不需要插值和曲面拟合，提取过程简单，速度快。
(2)相对于边缘拟合求交点的方法，本发明只是利用角点临近区域内的图像灰度，因此，即使是在图像存在畸变及较大噪声的情况下，仍具有较高的提取精度。
图1是具有X型角点的靶标示意图。
图2是X型角点附近区域的S值分布示意图。
图3是X型角点附近区域的灰度分布示意图。
图4是一个由计算机生成的虚拟平面靶标。
图5是图4的靶标经虚拟摄像机成像之后的靶标图像。
具体实施例方式
下面对本发明做进一步详细说明。本发明根据Hassian矩阵的特征值判定X型角点的像素位置，然后利用一个二阶泰勒展开式描述该角点附近区域图像灰度的分布曲面，则该曲面的鞍点即所求角点的亚像素位置。具体提取步骤如下(1)根据Hessian矩阵判定X型角点的像素位置Hessian矩阵的表达式如式1所示H=fxxfxyfxyfyy---(1)]]>其中，fxx、fxt、fyy分别为图像灰度相对于x、y的二阶偏导数，可以通过图像灰度与相应微分形式的高斯算子卷积得到。对于X型角点，Hessian矩阵的两个特征值一个为正，另一个为负，则判定其像素位置的算子表示为S=λ1·λ2=fxxfxy-fxy2---(2)]]>其中，λ1、λ2为Hessian矩阵的特征值。图2为理想情况下角点附近区域的S值分布，其负极值点即角点所在位置。
(2)确定X型角点的亚像素位置在判定角点的像素位置后，可以利用一个二阶泰勒展开式描述该点附近区域内任意一点的灰度值，其表达式为r(x0+s,y0+t)=r0+strxry+12strxxrxyrxyrxyst---(3)]]>其中，(x0，y0)是角点的像素位置，r0为该点的灰度，rx、ry、rxx、rxy、ryy分别为该点灰度相对于x、y的一二阶偏导数，(s，t)为角点相对于(x0，y0)的亚像素位置。
图3是经过低通滤波后角点附近区域图像灰度的分布曲面，该曲面为一平滑鞍面，其鞍点即X型角点的亚像素位置。根据鞍点的性质，在式3的基础上可得确定鞍点位置的线性方程组rxxs+rxyt+rx=0rxys+ryyt+ry=0---(4)]]>则X型角点的亚像素位置即(x0+s，y0+t)，其中，
s=ryrxy-rxrxyrxxrxy-rxy2,]]>t=rxrxy-ryrxxrxxryy-rxy2.---(5)]]>实施例以下是一组仿真实例。图4是一个由计算机生成的虚拟平面靶标，靶标上共有144个X型角点，每两点间距16mm。虚拟摄像机的图像分辨率设为512×512；内部参数设定为α＝1000，β＝1000，γ＝0，u0＝256，v0＝256；外部参数设定为r1＝
T，r2＝
T，t＝
T。图5是经虚拟摄像机成像之后的靶标图像。具体提取过程如下(1)针对图像中的每一个像点，利用微分形式的高斯卷积核计算该点灰度相对于x，y的各阶偏导数rx，ry，rxx，rxy，ryy；(2)计算各像点所对应的Hessian矩阵及其特征值，并根据式2判断该点是否为X型角点的像素位置；(3)对符合式2的像素点，根据式5计算X型角点的亚像素位置。
表1是传统的Harris角点提取方法与新方法提取结果的对比，本发明的提取精度要略优于传统方法。
表1两种方法的提取精度对比
表2是两种方法对144个角点提取时间的对比，可知新方法的提取速度要明显快于传统方法。
表2两种方法的提取速度对比
权利要求
1.一种X型角点亚像素提取方法，其特征在于，提取步骤如下1.1、根据Hessian矩阵判定X型角点的像素位置；Hessian矩阵的表达式如式1所示H=fxxfxyfxyfyy---(1)]]>其中，fxx、fxy、fyy分别为图像灰度相对于x、y的二阶偏导数，可以通过图像灰度与相应微分形式的高斯算子卷积得到，对于X型角点，Hessian矩阵的两个特征值一个为正，另一个为负，则判定其像素位置的算子s表示为S=λ1·λ2=fxxfxy-fxy2---(2)]]>其中，λ1、λ2为Hessian矩阵的特征值；1.2、确定X型角点的亚像素位置；在判定角点的像素位置后，利用一个二阶泰勒展开式描述该点附近区域内任意一点的灰度值，其表达式为r(x0+s,y0+t)=r0+strxry+12strxxrxyrxyryyst---(3)]]>其中，(x0，y0)是角点的像素位置，r0为该点的灰度，rx、ry、rxx、rxy、ryy分别为该点灰度相对于x、y的一二阶偏导数，s，t为角点相对于(x0，y0)的亚像素位置，经过低通滤波后角点附近区域图像灰度的分布曲面为一平滑鞍面，其鞍点即X型角点的亚像素位置，根据鞍点的性质，在式(3)的基础上得到确定鞍点位置的线性方程组rxxs+rxyt+rx=0rxys+ryyt+ry=0---(4)]]>则X型角点的亚像素位置即(x0+s，y0+t)，其中，s=ryrxy-rxryyrxxryy-rxy2,t=rxrxy-ryrxxrxxryy-rxy2.---(5)]]>
全文摘要
本发明属于三维视觉检测系统标定技术，涉及对X型角点亚像素提取方法的改进。本发明的提取步骤是根据Hessian矩阵判定X型角点的像素位置；然后利用二阶泰勒展开式描述该点附近区域内的灰度值，其鞍点即X型角点的亚像素位置。本发明提取过程简单，速度快。即使是在图像存在畸变及较大噪声的情况下，仍具有较高的提取精度。
文档编号G01B11/00GK1896682SQ20051008276
公开日2007年1月17日 申请日期2005年7月12日 优先权日2005年7月12日
发明者张广军, 陈大志, 王颖 申请人:北京航空航天大学