斜视场下弱相关散斑图像的匹配方法转让专利
申请号 : CN202011219762.2
文献号 : CN112200203B
文献日 : 2022-04-05
发明人 : 梁晋 , 叶美图 , 苗泽华 , 李文攀 , 陈仁虹
申请人 : 西安交通大学
摘要 :
权利要求 :
1.一种斜视场下弱相关散斑图像的匹配方法,所述方法包括以下步骤:S1、双目系统立体相机标定,并进行大倾斜角或大立体角时左、右相机的散斑图像采集,其中,双目立体相机光轴之间存在一固有立体角使得成像倾斜,大倾斜角为大于45°的角度,大立体角为大于30°的角度;
S2、基于FAST‑AIIM方法进行左、右图像间匹配点对检测,获得初始匹配点对Int_PtPairs;
S3、基于随机抽样一致算法对所述初始匹配点对Int_PtPairs进行筛选,得到点对Final_PtPairs;
S4、利用最小二乘法求解所述点对Final_PtPairs之间的对应关系的旋转平移矩阵;
S5、对于左图像任一待匹配点(Xo,Yo),根据所述旋转平移矩阵将所述待匹配点映射至右图像获得对应的位置估计(Xr,Yr);
S6、以位置估计(Xr,Yr)为初值并划定搜索域,在所述搜索域内基于第一匹配算法获得整像素坐标(Xrw,Yrw);
S7、基于第二匹配算法对所述整像素坐标(Xrw,Yrw)进行亚像素搜索和匹配,获得最终的匹配结果(Xrs,Yrs),所述第二匹配算法的精度高于所述第一匹配算法。
2.根据权利要求1所述的方法,其中,步骤S1中,采用基于摄影测量的柔性标定,立体相机采集平面标定板八个不同方位的图像,经过图像处理和标定计算后获得双目相机的内、外方位参数和相对外参数,其中,所述平面标定板上布置有标志点,标志点包括以规则的行和列排列的环形编码点以及圆形非编码点;将表面喷涂有黑白相间散斑图案的物体放置在相机视野内,相机光轴与物体被测表面不垂直时为斜视场,当物体表面与相机光轴在三维空间呈倾斜角时分别称为左倾角,右倾角,前俯角,后仰角;双目立体相机光轴之间存在固有的立体角使得成像倾斜;当左倾角,右倾角,前俯角,后仰角大于45°,立体角大于30°时,控制双目相机同步触发采集得到左、右相机的散斑图像。
3.根据权利要求1所述的方法,其中,步骤S2中,FAST‑AIIM方法基于特征检测的仿射不变性得到左、右图像上一一对应的二维点群集合的所述初始匹配点对Int_PtPairs。
4.根据权利要求1所述的方法,其中,步骤S3中,随机抽样一致算法为RANSAC算法,所述RANSAC算法基于Int_PtPairs中左图像上的特征点与右图像上的特征点之间存在点对数据间的对应模型,利用概率统计与反复迭代选择出点对之间最正确的对应模型,同时筛选出符合所述对应模型的点对Final_PtPairs。
5.根据权利要求1所述的方法,其中,步骤S4中,旋转平移矩阵为M|d矩阵,所述点对Final_PtPairs中左图像中的二维点集为A,右图像中的二维点集为B,A与B之间的映射矩阵为XA→B,根据最小二乘法解得该矩阵内的投影变换参数X,基于投影变换参数X分离旋转矩阵M和平移矩阵d。
6.根据权利要求5所述的方法,其中,步骤S4中,投影变换参数X为3行2列的矩阵,旋转矩阵M为2行2列的方阵,平移矩阵d为1行2列的矩阵。
7.根据权利要求5所述的方法,其中,步骤S5中,所述待匹配点映射关系为(Xr,Yr)=M*(Xo,Yo)+d,其中,M为旋转矩阵,d为平移矩阵d。
8.根据权利要求1所述的方法,其中,步骤S6中,以位置估计(Xr,Yr)为初值,搜索域半尺寸为S,搜索域左上、左下、右上、右下四个角点的坐标分别为(Xr‑S,Yr‑S),(Xr‑S,Yr+S),(Xr+S,Yr‑S),(Xr+S,Yr+S);采用归一化互相关函数整像素的搜索,在右图像上选取CNCC系数最大的搜索区域中心为匹配点,得到匹配点整像素坐标(Xrw,Yrw),其中,其中(xi,yj),(xi′,yj′)分别为左、右图像点上划定区域的像素坐标;f(xi,yj),g(xi′,yj′)分别为对应像素坐标的灰度值;
分别为对应搜索域的灰度基数,经过逐像素平方求和,再整体开方的运算得到。
9.根据权利要求1所述的方法,其中,所述步骤S7中,利用亚像素插值算法对搜索域进行灰度插值,得到亚像素级别的坐标和对应灰度值,采用零均值归一化最小距离平方和系数ZNSSD进行子区亚像素搜索和匹配,通过亚像素的搜索,在右图像上选取相关系数最大的搜索区域中心为匹配点,得到亚像素匹配坐标(Xrs,Yrs)。
10.根据权利要求1所述的方法,其中亚像素插值包括双线性插值算法或双三次样条插值算法,其中,双线性插值算法利用一像素点周围的四个整数像素点的灰度求取,其表达式为
G(x′,y′)=a10x′+a01y′+a11x′y′+a00,0<x′<1,0<y′<1其中
式中g(i,j),g(i+1,j),g(i,j+1),g(i+1,j+1)分别为(x′,y′)周围的四个整像素点的灰度值。
说明书 :
斜视场下弱相关散斑图像的匹配方法
技术领域
背景技术
两个工业CCD相机组成一套双目测量系统,采集有明显特征的物体表面图案,并通过图像的
匹配得到图像对应点,再利用三维重建算法获取物体不同时刻的三维点云,通过跟踪三维
点运动可求取物体表面的位移场和应变场。
之间的相似性,完全相似时相关系数为1,弱相关为1~0,不相关为0。理论上要求图像采集
时相机光轴需尽可能的正对被测物体表面,物体表面法线偏离相机光轴的角度不能过大,
也即不能有较大的倾斜角或立体角,否则很容易带来图像间的弱相关甚至不相关问题。实
际测量中因工况复杂、双目测量系统布置困难等原因,往往不易获得正对图像,因此需要对
存在倾斜角、立体角时采集的弱相关数字图像进行针对性匹配。
发明内容
的角度,大立体角为大于30°的角度;
对外参数,其中,所述平面标定板上布置有标志点,标志点包括以规则的行和列排列的环形
编码点以及圆形非编码点;将表面喷涂有黑白相间散斑图案的物体放置在相机视野内,相
机光轴与物体被测表面不垂直时为斜视场,当物体表面与相机光轴在三维空间呈倾斜角时
分别称为左倾角,右倾角,前俯角,后仰角;双目立体相机光轴之间存在固有的立体角使得
成像倾斜;当左倾角,右倾角,前俯角,后仰角大于45°,立体角大于30°时,控制双目相机同
步触发采集得到左、右相机的散斑图像。
利用概率统计与反复迭代选择出点对之间最正确的对应模型,同时筛选出符合所述对应模
型的点对Final_PtPairs。
乘法解得该矩阵内的投影变换参数X,基于投影变换参数X分离旋转矩阵M和平移矩阵d。
(Xr+S,Yr+S);采用归一化互相关函数整像素的搜索,在右图像上选取CNCC系数最大的搜索
区域中心为匹配点,得到匹配点整像素坐标(Xrw,Yrw)。
亚像素搜索和匹配,通过亚像素的搜索,在右图像上选取相关系数最大的搜索区域中心为
匹配点,得到亚像素匹配坐标(Xrs,Yrs),其中,
其中(xi,yj),(xi,yj)分别为左、右图
像点上划定区域的像素坐标;f(xi,yj),g(xi′,yj′)分别为对应像素坐标的灰度值;
分别为对应搜索域的灰度基数,经过逐像素平方求和,再整体开方的运算得到。
视场立体相机散斑图像之间的匹配稳定性,为数字图像相关法在斜视场下的应用提供了一
种可靠的匹配方法和思路;本发明还可提高传统数字图像相关法匹配的自动化程度。数字
图像相关法往往通过种子点扩散的形式提高匹配效率,因此种子点的匹配正确与否非常关
键,在斜视场弱相关图像的匹配中,种子点也存在弱相关问题,此时可进行手动选择匹配
点,但手动匹配结果因人而异。而本发明可用于种子点的直接自动匹配,避免了人工操作,
提高了匹配的自动化程度。
的上述和其它目的、特征和优点能够更明显易懂,下面以本发明的具体实施方式进行举例
说明。
附图说明
而并不认为是对本发明的限制。显而易见地,下面描述的附图仅仅是本发明的一些实施例,
对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得
其他的附图。而且在整个附图中,用相同的附图标记表示相同的部件。
立体角;
子区网格,并选定种子点(十字型点),在右图中的极线(图中直线)上找不到对应的匹配点;
接;
算法手动匹配的错误点,左侧点为通过本发明得到的正确的匹配点;
具体实施方式
实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明
的范围完整的传达给本领域的技术人员。
要求并不以名词的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的
准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语,故应解
释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式,然所述描述乃以
说明书的一般原则为目的,并非用以限定本发明的范围。本发明的保护范围当视所附权利
要求所界定者为准。
方位的图像,经过图像处理和标定计算后,获得双目相机的内、外方位参数和相对外参数;
轴在三维空间呈一倾斜角时,分别称为左倾角,右倾角,前俯角,后仰角;双目立体相机光轴
之间存在一固有立体角使得成像倾斜;
检测,具有非常稳定的投影变换不变性。
到初始匹配点对Int_PtPairs,该点对是左、右图像上一一对应的二维点群集合。如图10
(a)、(b)、(c)所示,分辨率均为640pixel×480pixel,检测得到Int_PtPairs共586对,现给
出4对匹配点坐标作为示例。
(b) 248.256,258.27 175.82,197.97 154.193,321.066 200.156,346.334
优势。
个点对数据间的对应模型,利用概率统计与反复迭代可选择出点对之间最正确的对应模
型,同时能筛选出符合该对应模型的正确的点对Final_PtPairs,在算法层面上Final_
PtPairs也被称为“内点”。进一步地,RANSAC迭代模型采用二维图像仿射变换的6参数模型,
记二维点坐标为(x,y),经仿射变换后的二维点坐标为(x′,y′),变换模型为:
模型估计。
则有
分为两个步骤,先进行第一匹配,得到整像素的匹配结果,再进行第二匹配,通过亚像素插
值和匹配得到亚像素级(0.01pixel)匹配结果。
角的散斑图像相关性很低,沿极线上搜索可能相关系数都很难超过常规匹配的阈值,匹配
算法难以达到收敛的条件,所以匹配成功率较低。因此,大倾斜角图像匹配以已经过一次位
置估计的(Xr,Yr)为初值,再划定域内进行整像素搜索,设搜索子区半尺寸为S,则搜索域左
上、左下、右上、右下四个角点的坐标分别为(Xr‑S,Yr‑S),(Xr‑S,Yr+S),(Xr+S,Yr‑S),(Xr+
S,Yr+S);
像素平方求和,再整体开方的运算得到;
域进行灰度插值,得到亚像素级别的坐标和对应灰度值,进一步地,例如双线性插值算法利
用一像素点周围的四个整数像素点的灰度求取,其表达式为
果进行三维重建,从而可获得物体斜视场表面的轮廓点云,若物体处于静态变形状态,可通
过需要斜视场图像的匹配跟踪计算得到物体表面的变形场。
参数和相对外参数;所述平面标定板上布置有圆形标志点图案,标志点包括环形编码点和
圆形非编码点,以规则的行和列排列,预先通过摄影测量的方式获取比例尺,如图2所示。获
得的双目相机标定结果为:
轴在三维空间呈一倾斜角时,分别称为左倾角,右倾角,前俯角,后仰角;双目立体相机光轴
之间存在一固有立体角使得成像倾斜;
1425.1338)。
(1538,1510)。
灰度值,再利用零均值归一化最小距离平方和系数作为相关系数计算式进行亚像素搜索,
获得的亚像素匹配结果(Xrs,Yrs)为(1538.686883,1510.629269),图8所示为(Xrs,Yrs)的
显示结果。
错误结果,偏左的是本发明计算得到的结果,观察可知本发明的匹配结果正确。在一个实施
例中,系数ZNSSD的值在0~1之间,图9所示的点匹配得到的ZNSSD值为0.96,涉及到中间的
计算过程较繁琐,此处不再细列。系数ZNSSD在0~1之间的优点为:采用ZNSSD作为相关系数
计算式,在图像匹配中具有很强的抗环境光干扰能力和抗光照不均匀能力,能够极大的提
高图像匹配稳定性。
方法的适用范围。
的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围
的情况下,还可以做出很多种的形式,这些均属于本发明保护之列。