[发明专利]一种面向大视场平面视觉测量的图像校正方法及系统

权利要求书

1.一种面向大视场平面视觉测量的图像校正方法，其特征在于，包括：

获取待测平面的棋盘格图像；所述待测平面上放置有棋盘格标定板；

对所述棋盘格图像进行标志点检测，提取所述标志点的实际图像坐标并对所述棋盘格图像进行分区；

为所述标志点设置理想图像坐标，根据所述标志点的实际图像坐标和理想图像坐标建立每个分区的训练数据库；

建立深度学习网络模型，并利用所述每个分区的训练数据库分别为每个分区训练所述深度学习网络模型，生成每个分区训练好的图像校正模型；

利用所述每个分区的图像校正模型计算每个分区中所有像素点的理想图像坐标，计算每个分区的remap矩阵；

获取待测平面图像并对所述待测平面图像进行分区；

利用所述每个分区的remap矩阵生成所述待测平面每个分区的无畸变正视图；

拼接所述待测平面各个分区的无畸变正视图，生成所述待测平面图像的无畸变正视图。

2.根据权利要求1所述的图像校正方法，其特征在于，所述获取待测平面的棋盘格图像，具体包括：

将配有广角镜头的相机固定于所述待测平面视场的上方，利用LED光源对拍摄区域进行补光；

在所述待测平面上放置所述棋盘格标定板，利用计算机控制所述相机拍摄获取所述棋盘格图像。

3.根据权利要求1所述的图像校正方法，其特征在于，所述对所述棋盘格图像进行标志点检测，提取所述标志点的实际图像坐标并对所述棋盘格图像进行分区，具体包括：

对所述棋盘格图像进行标志点检测，提取棋盘格的角点作为所述标志点；

提取所述标志点的实际图像坐标；

根据所述标志点的实际图像坐标分布对所述棋盘格图像进行分区；每个所述分区包含的标志点数量大于或等于60个。

4.根据权利要求1所述的图像校正方法，其特征在于，所述为所述标志点设置理想图像坐标，根据所述标志点的实际图像坐标和理想图像坐标建立每个分区的训练数据库，具体包括：

根据所述标志点的实际图像坐标分布和图像校正的目标，为所述标志点设置理想图像坐标；

根据所述每个分区内所有标志点的实际图像坐标和理想图像坐标构成每个分区的训练数据库。

5.根据权利要求1所述的图像校正方法，其特征在于，所述利用所述每个分区的图像校正模型计算每个分区中所有像素点的理想图像坐标，计算每个分区的remap矩阵，具体包括：

利用所述每个分区的图像校正模型计算每个分区中所有像素点的理想图像坐标；

根据所述每个分区中所有像素点的实际图像坐标和理想图像坐标之间的映射关系，构建每个分区的remap矩阵。

6.一种面向大视场平面视觉测量的图像校正系统，其特征在于，包括：

棋盘格图像获取模块，用于获取待测平面的棋盘格图像；所述待测平面上放置有棋盘格标定板；

标志点检测和分区模块，用于对所述棋盘格图像进行标志点检测，提取所述标志点的实际图像坐标并对所述棋盘格图像进行分区；

训练数据库建立模块，用于为所述标志点设置理想图像坐标，根据所述标志点的实际图像坐标和理想图像坐标建立每个分区的训练数据库；

图像校正模型建立模块，用于建立深度学习网络模型，并利用所述每个分区的训练数据库分别为每个分区训练所述深度学习网络模型，生成每个分区训练好的图像校正模型；

remap矩阵建立模块，用于利用所述每个分区的图像校正模型计算每个分区中所有像素点的理想图像坐标，计算每个分区的remap矩阵；

待测平面图像获取模块，用于获取待测平面图像并对所述待测平面图像进行分区；

分区无畸变正视图生成模块，用于利用所述每个分区的remap矩阵生成所述待测平面每个分区的无畸变正视图；

待测平面无畸变正视图生成模块，用于拼接所述待测平面各个分区的无畸变正视图，生成所述待测平面图像的无畸变正视图。