南昌航空大学 计算机视觉研究所, 江西 南昌 330063
曝光过度和镜头畸变将分别导致棋盘格角点分离和角点局部区域不对称, 现有的角点检测算法难以准确提取棋盘格角点。为此本文提出了一种图像坐标系下基于环形模板的棋盘格角点检测算法。该算法通过分析棋盘格角点附近的灰度分布应满足的对称性和灰度交替性等性质, 得出环形模板卷积后的图像应满足的性质。利用该性质来定义并提取棋盘格角点, 最后利用局部冗余角点分布的对称性来去除冗余角点, 使角点检测更精确从而使提取的角点直接达到亚像素精度。实验结果表明: 本文提出的棋盘格角点检测算法在曝光过度, 镜头畸变和复杂背景情况下均能取得较好的棋盘格角点检测效果, 且运算速度快, 误差小。将该算法应用于实际摄像机标定, 结果显示重投影误差在0.3个像素以内。
棋盘格角点 角点检测 环形模板 摄像机标定 chessboard corner corner detector circular template camera calibration
南昌航空大学 计算机视觉研究所, 南昌 330063
针对无特征标志点的大场景多视点云数据,提出了一种新的基于SIFT特征的配准和拼接算法。 算法提出了有效纹理图像的概念,并对有效纹理图像进行SIFT特征提取和匹配;然后将提取的SIFT特征点和匹配关系反射到三维点云数据,获取多视点云数据的特征点和匹配关系,完成多视点云数据的拼接。算法在有效纹理图像中提取和匹配特征点,排除了点云数据中孔洞和无效数据的干扰,并且算法只利用较高鲁棒性的特征点对进行拼接,计算简单,匹配精度和效率都得到提高。对室内和室外两个大场景的2个视点数据进行实验,实验结果证明拼接速度和精度都有较大的提高。
多视点云配准 多视点云拼接 SIFT特征 纹理映射 multiview point clouds registration multiview point clouds stitching SIFT keypoint texture mapping
南昌航空大学 无损检测教育部重点实验室,南昌 330063
为了解决经典Otsu法对复杂图像分割的不足, 提出了一种新的分割算法来提取零件的表面缺陷, 将形态学和小波变换理论应用到Otsu算法中。该算法采用两次分割, 分别为将零件从背景中分割出来以及将缺陷从零件中分割出来。算法首先采用形态学中的顶帽变换和底帽变换相结合将零件从图像背景中分离出来, 得到目标图像; 然后选择单层小波系数分解目标图像, 再将分解后的图像进行低频重构, 去除冗余信息和噪声; 最后分别应用一维和二维Otsu算法将缺陷从低频重构后的图像中分割出来。实验证明, 所提出的算法较经典的一维和二维Otsu算法, 具有分割精度高、抗噪性能强的优点, 并且改进后的一维Otsu算法要优于改进后的二维Otsu算法。
形态学 小波变换 Otsu算法 缺陷提取 morphology wavelet transform Otsu algorithm defect extraction