买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于直方图均衡化的红外立体相机动态外参计算方法_大连理工大学_201911152762.2 

申请/专利权人:大连理工大学

申请日:2019-11-22

公开(公告)日:2020-03-13

公开(公告)号:CN110880191A

主分类号:G06T7/80(20170101)

分类号:G06T7/80(20170101);G06T5/00(20060101);G06T5/30(20060101);G06T5/40(20060101);G06T7/33(20170101)

优先权:

专利状态码:有效-授权

法律状态:2020.10.20#授权;2020.04.07#实质审查的生效;2020.03.13#公开

摘要:本发明属于图像处理和计算机视觉领域,涉及基于直方图均衡化的红外立体相机动态外参计算方法。由于红外相机的成像与可见光相机的成像不同,直接提取特征点做匹配得到的满足要求的点对比较少。为了解决这个问题,本发明通过提取左右红外相机各自的特征点并进行匹配,并根据这些特征点对原有的标定结果进行修正。此外,为解决特征点不足的问题,我们不仅对原图进行特征点提取,还对灰度直方图均衡化后的红外图像进行特征点提取。本发明解决了由于温湿度、震动等因素造成红外双目相机位置关系的改变。具有速度快、结果精确、操作简单等优点。

主权项:1.基于直方图均衡化的红外立体相机动态外参计算方法,其特征在于,包括下列步骤:第一步:场景特征点检测:1-1使用红外左右相机拍摄图像,获得左图和右图并将其转为灰度图;1-2根据左右图像灰度图分别构建对应的单层差分高斯金字塔;1-3对于在上步得到的单层差分高斯金字塔D,取其局部极值点作为特征点集{P};第二步:特征点匹配:输入左右灰度图像以及上一步得到的左右图像的特征点集和根据匹配窗口下的特征描述值,来对左右图像上提取的特征点进行匹配,得到匹配关系{Pl,Pr}第二步中特征点匹配,具体包括以下步骤:2-1将左图像和右图像都分为m×n个块;对于左图每一个特征点进行步骤2-2~2-6;2-2找到在左图对应的块块在右图相同位置的块为与块具有相同横坐标和纵坐标的块集合其特征点集记为找到一个能够描述特征点相似程度的变量来评估和中任意一点的相似程度,如果相似程度最大值大于阈值t1,则视为粗匹配点,其集合记为否则舍弃该点,选取下一个特征点重新进行步骤2-2;2-3如果和中相似程度最大值sfirst和次大值ssecond满足:Fsfirst,ssecond≥t2则保留该匹配,取中相似程度最大的点作为匹配点,其中t2为阈值,Fsfirst,ssecond用于描述sfirst和ssecond之间的关系;如不满足,则舍弃该点,选取下一个特征点重新进行步骤2-2;按照该规则筛选之后,再按照步骤2-2~2-3匹配在左图对应的特征点如果满足则保留该匹配如不满足,则舍弃该点,选取下一个特征点重新进行步骤2-2;2-4以左图特征点为基准,抛物线拟合优化对应右图的整数像素特征点得到的对应右图的亚像素特征点其中为x方向上的亚像素偏移量,为y方向上的亚像素偏移量;2-5以对应右图整数像素特征点为基准,根据2-4的方法计算出对应左图的亚像素特征点其中为x方向上的亚像素偏移量,为y方向上的亚像素偏移量;2-6得到最终的匹配点对为选取下一个左图特征点重新进行步骤2-2~2-6;第三步:原图校正:输入上一步得到的匹配的左右特征点以及红外双目相机各自内参和原来的外参,计算左右两图的特征点经过去畸校正后的坐标;第四步:将原图做灰度直方图均衡化,重复第一步到第三步:由于红外相机成像比可见光相机要模糊,所以需要对原图做灰度直方图均衡化以增加特征点的数量;第五步:判断特征点覆盖区域:将图像分成m*n个格子,如果特征点覆盖到所有格子,则进行下一步,否则重复步骤第一步到第四步;第六步:修正标定结果:使用所有特征点的图像坐标来计算校正之后的两相机之间的位置关系,然后与原来的外参相叠加;输入左右两图的特征点经过去畸校正后的坐标以及左右相机的内参和原来的外参,输出修正后的相机外参。

全文数据:

权利要求:

百度查询: 大连理工大学 基于直方图均衡化的红外立体相机动态外参计算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术