一种基于快速直线提取的网格特征点提取方法
【技术领域】
[0001] 本发明提出了一种基于快速直线提取的网格图像中的特征点提取方法，具体涉及 图像中的快速直线提取以及直线的分类、特征点的聚集，能够实现精确快速的网格中的特 征点提取。
【背景技术】
[0002] 图像的特征点提取在图像处理与机器视觉中具有重要的意义，在自动化检测、生 物医学、工业制造等领域具有广阔的应用前景，也受到了越来越广泛的关注。棋盘网格作为 一种常见的规则的图形，在摄像机标定和移动机器人视觉定位中得到的广泛的使用。现在 普遍使用的棋盘特征点检测方法都是基于经典Harris角点检测算法，虽然具有较强的鲁 棒性，但是该算法无法自动适应图像的尺度变换，而且利用该算法提取到的角点是像素级 的，时间性能不够好，针对棋盘、网格这类特征点比较规整、有规律的图像来说，使用Harris 算法会有比较明显的时间浪费。对于网格图像，最大的特征就在于其特征点是由于互相垂 直的直线段相交产生的，因此提取这类图像中的特征点最佳方法是直接利用直线来求取交 点作为特征点。在网格图像中利用直线来提取特征点，具有明显的优势：首先是基于快速直 线提取去寻找特征点的方法能够缩短特征点提取的时间，优化算法的时间性能，使本方法 能够满足在视频数据中实时提取网格特征点的要求；其次是利用直线提取的方法能够提高 特征点提取的准确率，并得到特征点的准确坐标；最后，本方法具有很强的抗干扰能力，如 果网格中的某些特征点被环境干扰所遮挡，基于Harris角点检测的方法就会出现检测特 征点遗漏的情况，采用直线提取的方法能够通过直线方程联立求解获得被遮挡住的特征点 的位置，得出完整准确的特征点集。
[0003] 综上所述，基于快速直线提取的网格中特征点提取方法，比传统的基于Harris角 点检测的特征点提取方法更精确，时间性能更好，同时能够消除干扰，容错性能更好，是一 种高效准确的网格图像中特征点提取方法。
【发明内容】
[0004] 本发明提供了一种新颖的网格中特征点提取方法，可以快速精确地提取出网格中 的特征点，而且能够从一定程度上消除干扰，具有很强的鲁棒性，是一种高效可靠的网格中 特征点提取的方法。
[0005] 本发明的一种基于快速直线提取的网格中特征点的提取方法，包括在真实环境中 的网格中快速准确地提取出图像中的直线，以及对直线进行分类，进而对提取到的特征点 进行聚集，实现精确的特征点提取。具体地，本发明包括图像预处理、直线提取、直线分类、 特征点提取、特征点聚集等模块。图像预处理模块：首先对图像进行二值化处理，将初始的 彩色图转换成灰度图，减少后面运算的计算量，提高计算效率，然后依次对图像进行腐蚀膨 胀变换、高斯滤波，消除图像中的一些干扰噪声；直线提取模块：利用Canny算子对预处理 之后的图像进行边缘检测，得到网格的轮廓，然后利用改进的Hough变换方法进行快速直 线提取，得到一个直线的集合；直线分类模块：网格中的任意两条直线段或者互相平行，或 者互相垂直，利用这一特征把所得到的直线集合根据斜率分成两类，减少后续过程的计算 量；特征点提取模块：把互相垂直的线段两两联立求得交点坐标，得到特征点的集合；特征 点聚集模块：由于现实中的网格的线不是真正意义上的数学上定义的线段，而是一个带状， 这会使得一条带中能够提取出多条直线，容易给特征点的提取带来干扰，因此设置一个阈 值对提取到的特征点集进行聚集，消除干扰，最后得到精确的特征点的集合。
[0006] 所述的一种基于快速直线提取的网格中特征点提取方法，其工作流程包括以下步 骤： 步骤一：对原始的彩色图像进行二值化处理，得到灰度图； 对图像进行二值化处理是为了最大限度地保留图像中的感兴趣的部分，同时减少后面 的运算量，提高运算速度。这里采用迭代最佳阈值算法确定最佳阈值：计算之前先假定一个 阈值，然后计算在该阈值下的前景和背景的中心值，当前景和背景中心值得平均值和假定 的阈值相同时，则迭代中止，并以此值为阈值进行二值化。
[0007] 步骤二：对得到的二值图像进行2次腐蚀膨胀变换； 进行腐蚀变换是为了消除物体的边界点，缩小目标，进而可以消除小于结构元素的噪 声点；进行膨胀变换是为了将与物体接触的所有背景点合并到物体中，增大目标，进而填补 目标中的空洞。真实的图像中往往存在着噪声，进行先腐蚀后膨胀的操作，用以消除图像中 细小的噪声，并且用来平滑物体边界。为了增强消除噪声的效果，进行两次腐蚀膨胀操作。
[0008] 步骤三：利用高斯滤波器对图像进行滤波； 采用高斯滤波的方法对图像信号进行平滑处理，在后期处理中，图像噪声是最大的问 题，而且误差会累积传递，因此对图像进行高斯滤波以得到信噪比SNR(Signal/Noise，信噪 t匕）较高的图像。
[0009] 步骤四：利用Canny算子对前面得到的图像进行边缘检测，提取出网格的轮廓； 图像的边缘是指图像局部区域亮度变化显著的部分。Canny算子是通过求信号函数的 极大值来判断图像边缘像素点，边缘检测效果比其他的一些边缘检测算子要好。
[0010] 步骤五：在轮廓中进行直线段提取，得到线段集合S ; 普通的Hought变换（HT)方法是一种穷尽式搜索策略，其计算复杂度和空间复杂度都 很高，影响直线提取的速度，因此采用改进的Hough变换方法进行直线快速提取。首先在轮 廓中进行标准的Hough变换，并通过局部极大搜索确定参数空间中投票值不小于投票阈值 T的直线参数点；然后对每一个检测得到的直线参数点，寻找所有到该直线距离不大于距 离阈值w的特征点，构成特征点集；最后对特征点集利用最小二乘法进行直线拟合，即可 提取出直线。
[0011] 步骤六：根据直线段集合中每条直线的斜率，把线段集合S分类成两个集合S1、 S2 ； 分别计算出提取出的每条直线段的斜率，然后把所有的斜率值采用快速排序算法进行 排序，得到一个有序斜率值序列。由于网格图像中任意两条直线之间只有平行或者垂直两 种关系，因此理论上只有两个斜率值。但是由于真实环境中会存在误差，互相平行的直线的 斜率值不会绝对相等，因此设置一个阈值，误差在阈值范围内的斜率值认为是相等的，并把 斜率相等的直线段放到一个集合中，这样最终会得到两个集合。
[0012] 步骤七：分别从集合SI和S2中取出直线段，两两进行求交运算得到特征点，最后 得到一个特征点集； 在这里，如果直接求两条线段的交点作为坐标，则会产生特征点提取遗漏的情况，因为 提取到的直线段有可能比较短，与其它线段没有直接的交点。因此，采取联立直线方程求解 交点的方法：根据每条直线的斜率以及起点坐标，求得提取到的每一条线段所在的直线方 程，联立两条直线的直线方程求解，即可得到交点的坐标。
[0013] 步骤八：对特征点集中的特征点进行聚合，排除干扰，得到精确的特征点集。
[0014] 由于真实世界中的网格线是带状的，因此在一条网格线上有可能会提取到多条互 相平行的直线段，计算得到的特征点也会随之增多产生干扰，因此设置一个阈值，距离在阈 值范围内的特征点聚合成为一个特征点，得到精确的特征点集。
[0015] 有益效果 本发明方法基于快速直线提取，先后进行直线分类、特征点提取、特征点聚集，最终提 取网格中的特征点，比传统的利用角点检测提取特征点的方法准确率更高，鲁棒性更好。而 且能够排除一部分严重的干扰，即使某个特征点被其他物体遮挡住，依然可以通过联立直 线方程求得特征点，使得结果更加准确，容错性能更好。
【附图说明】
[0016] 图1方法流程图 图2直线分类原理图 图3特征点聚集原理图 图4特征点提取结果图 图5提取到的特征点坐标 图6抗干扰结果图。
【具体实施方式】
[0017] 图1显示了本发明的流程图，下面结合附图和实施例对本发明做详细的描述： 一种基于快速直线提取的网格图像中的特征点的提取方法，主要分为四个大的阶段： (1)图