[发明专利]一种不完整棋盘格合作图标快速特征点检测方法

说明书

本发明属于计算机视觉相机位标定和位姿估计技术领域，具体涉及一种不完整棋盘格合作图标快速特征点检测方法。该方法在存在棋盘格特征点丢失的情况下，通过对初始检测到的棋盘格特征点进行后验检测，得到位于棋盘格边缘的后验特征点，并进行单应性矩阵估计，进而对未知特征点进行后向定位和位置匹配，从而实现对所有未知特征点像素坐标与其对应物理坐标的一一对应；该方案具备如下有益效果：该方法解决了存在特征点丢失情况下的像素坐标与世界坐标的一一对应，不仅可以实现对完整棋盘格特征点的检测，也可以实现对不完整棋盘格的特征点检测，具有很强的鲁棒性，抗环境干扰能力强。

技术领域

本发明属于计算机视觉相机位标定和位姿估计技术领域，具体涉及一种不完整棋盘格合作图标快速特征点检测方法。

背景技术

棋盘格作为一种常用的人工合作图像，被广泛应用于相机的内、外参数的标定和位置、姿态的估计。其中，棋盘格特征点(角点)的检测是相机标定和位姿估计的重要步骤，其为相机标定和位姿估计提供必要的数据信息。

通常，棋盘格特征点检测，目的是获得所有棋盘格特征点的像素坐标，并将检测的棋盘格特征点像素坐标与其在世界坐标系下的物理坐标进行一一对应。只有建立了一一对应关系，基于相机成像模型建立相机标定或位姿估计方程，才能解算得到相机的内、外参数或相机的位置、姿态值。

目前，棋盘格特征点检测方法有很多，最典型如MATLAB和OPENCV应用程序中自带的棋盘格特征点检测方法。这两种方法都存在各自的缺点，前者计算复杂度高，计算耗时较长；后者需要已知棋盘格的特征点个数，自动化程度较低。此外，国内外学者针对上述问题，提出了一些改进的棋盘格特征点检测方法，如基于自纠正、基于卷积神经网络、基于生长、基于鲁棒性傅里叶变换、基于圆边界检测等棋盘格特征点检测方法。但是，上述所提出的方法，都存在同一个缺陷：只能对完整的棋盘格特征点进行检测，即只有当待检测棋盘格的所有特征点都被检测到的情况下，才能建立检测的特征点像素坐标与其物理坐标的一一对应关系。如果有特征点丢失，由于不知道丢失特征点位置信息，则剩余已检测到的特征点像素坐标与各自物理坐标的对应关系也无法建立，进而也就无法进行相机标定或位姿估计。

在实际应用中，由于受到外界环境的影响，包括成像光线、照度、遮挡、背光、逆光等，都有可能造成棋盘格成像不理想，势必造成棋盘格存在特征点检测失败，而且这种情况(棋盘格不完整)时有发生。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何提出一种不完整棋盘格合作图标快速特征点检测方法，解决棋盘格合作图标在外界环境干扰下导致已检测的特征点像素坐标无法与其对应物理坐标一一对应的问题，以提高棋盘格合作图标特征点检测的鲁棒性和适应性。

(二)技术方案

为解决上述技术问题，本发明提供一种不完整棋盘格合作图标快速特征点检测方法，所述方法包括以下步骤：

步骤1：利用Harris或Hessen特征算子，对棋盘格合作图标进行特征点初始检测，由检测到的特征点的像素坐标组成棋盘格合作图标初始特征点；

步骤2：对棋盘格合作图标初始特征点进行筛查，过滤误检的非棋盘格特征点；

步骤3：将过滤后剩余的棋盘格合作图标初始特征点，作为棋盘格特征点组成棋盘格特征点集合，检测得到所有棋盘格边缘特征点；

步骤4：将检测到的棋盘格边缘特征点组成边缘特征点集合，检测出位于同一棋盘格边缘上的特征点，作为棋盘格后验特征点，并将棋盘格特征点集合中剩余的特征点作为未知特征点组成未知特征点集合；

步骤5：根据后验特征点像素坐标与其世界坐标系下物理坐标的一一对应关系，建立方程组，求解当前棋盘格合作图标成像图像的单应性矩阵；