[发明专利]角点检测方法、装置

说明书

本发明公开了一种角点检测方法、装置。其中，角点检测方法包括以下步骤：获取棋盘格图像，其中，棋盘格图像为灰度图像；对棋盘格图像进行二值化处理；通过预设方形模板对二值化处理后的棋盘格图像进行遍历，并实时获取预设方形模板的对角线上的像素信息，以及根据对角线上的像素信息确定棋盘格图像的角点。该实施例的角点检测方法能够提升角点检测的准确率，进而有利于摄像头标定中参数的计算。另外，本发明还公开了一种非临时性计算机可读存储介质。

技术领域

本发明涉及图像处理领域，尤其涉及一种角点检测方法和一种角点检测装置。

背景技术

随着科学技术的不断发展，车辆驾驶智能化已逐渐变成了现实，基于交通信号灯的检测、识别与跟踪算法，为当前的机动车驾驶甚至无人驾驶的实现提供了很大的帮助。其中，摄像头起到很大的重要，通过摄像头可以获取车辆外面的图像信息，进而可以根据图像信息计算出空间物体的位置、形状等几何信息，进而达到描述和识别环境中的空间物体的目的。若要达到这个目的，首先必须确定空间环境中物体表面上某点的位置与其在图像上相对应点之间的映射关系，即构造几何模型，而其中的模型参数即为摄像头标定所要的结果称之为摄像头参数，求解过程称作标定过程，而其中检测角点是一个重要的过程，它直接关系到摄像头参数的获取。

相关技术中，采用SUSAN(Smallest Univalve Segment Assimilating Nucleus，最小核值相似区)角点检测算子进行角点检测。下面以二值图像为例对SUSAN算子进行简要说明：

如图1所示，采用半径为R＝3.4(pixel)的圆形模板(由于图像是由像素组成，无法采用真正意义上的圆形模板，故采用近似圆代替，如5*5或37像素模板)，其包含37个像素，位于圆形模板中心的像素称为核心点。如图2所示，暗区矩形窗口置于亮区背景上，圆形模板位于亮区背景中的五个不同的位置。比较模板内像素灰度值与核心点灰度值之间的大小关系，将与核心点灰度值相似的区域定义为USAN(Univalve Segment AssimilatingNucleus，核值相似区)，图2中的a、b、c、d、e圆形模板位于五种不同位置。

如图3所示，模板e完全处于亮区背景中，USAN面积最大；模板c的核心点位于一侧亮区边缘附近，USAN面积较模板e减少；模板b的核心点恰好位于暗区边缘，USAN面积较模板e减半；模板a的核心点恰好位于角点上，USAN面积最小。因此，USAN的面积越小，表示当前像素是角点的可能性就越大，基于这种思想的算法称为SUSAN算法。

然而，由于SUSAN角点检测算法不需要用对图像进行求导，因此具有较强的抗噪声能力。但USAN的三种典型形状只是理想的情况，在实际情况下，图像边缘的灰度也是渐变的，因此在边缘较平滑的区域，很容易提取出伪角点，并且这些伪角点在噪声严重的情况下表现更为明显。由此，制约了SUSAN算法的角点检测性能。而且SUSAN算子对阈值选取的依赖性较大，如果阈值选择不当，则会影响检测结果的准确率。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种角点检测方法，该方法能够提升角点检测的准确率，进而有利于摄像头标定中参数的计算。

本发明的第二个目的在于提出一种角点的检测装置。

本发明的第三个目的在于提出一种非临时性计算机可读存储介质。

为达到上述目的，本发明第一方面实施例提出了一种角点检测方法，包括以下步骤：获取棋盘格图像，其中，所述棋盘格图像为灰度图像；对所述棋盘格图像进行二值化处理；通过预设方形模板对二值化处理后的棋盘格图像进行遍历，并实时获取所述预设方形模板的对角线上的像素信息，以及根据所述对角线上的像素信息确定所述棋盘格图像的角点。