基于區(qū)域生長(zhǎng)重心的大型多陣列圓標(biāo)定板基準(zhǔn)點(diǎn)的提取技術(shù)

，，，

(1.上海工程技術(shù)大學(xué) 城市軌道交通學(xué)院，上海 201620; 2.上海欣鐵機(jī)電科技有限公司，上海 201100)

基于區(qū)域生長(zhǎng)重心的大型多陣列圓標(biāo)定板基準(zhǔn)點(diǎn)的提取技術(shù)

余佳磊1，何越磊1，龔佩毅2，湯友福2

(1.上海工程技術(shù)大學(xué)城市軌道交通學(xué)院，上海201620; 2.上海欣鐵機(jī)電科技有限公司，上海201100)

針對(duì)視覺測(cè)量在軌道交通隧道大范圍輪廓測(cè)量上的問(wèn)題，研究設(shè)計(jì)一種大型多陣列圓標(biāo)定板進(jìn)行系統(tǒng)標(biāo)定工作，提出區(qū)域生長(zhǎng)重心法實(shí)現(xiàn)對(duì)標(biāo)定圖像上基準(zhǔn)點(diǎn)的提取；即將區(qū)域生長(zhǎng)法和灰度重心法相結(jié)合，通過(guò)粗定位尋找每個(gè)基準(zhǔn)圓的種子點(diǎn)，考慮種子點(diǎn)像素的4鄰域像素進(jìn)行區(qū)域生長(zhǎng)，然后利用灰度重心法提取生長(zhǎng)區(qū)域的重心作為基準(zhǔn)點(diǎn)；將非線性變化的基準(zhǔn)點(diǎn)替代線性提取的基準(zhǔn)圓的種子點(diǎn)，消除了圖像畸變的影響，保證了特征檢測(cè)過(guò)程的可靠性和魯棒性，達(dá)到對(duì)于多陣列圓大型標(biāo)定板基準(zhǔn)點(diǎn)的提取；通過(guò)搭載魚眼鏡頭拍攝6 m的模擬隧道橫斷面輪廓，進(jìn)行輪廓測(cè)量與還原；實(shí)驗(yàn)表明該方法提取的基準(zhǔn)點(diǎn)像素坐標(biāo)誤差可達(dá)到2pixel以內(nèi)，系統(tǒng)測(cè)量精度能夠達(dá)到±5 mm以內(nèi)，完全滿足軌道交通隧道橫斷面輪廓測(cè)量誤差標(biāo)準(zhǔn)。

視覺測(cè)量；大型標(biāo)定板；多陣列圓；區(qū)域生長(zhǎng)重心法；基準(zhǔn)點(diǎn)

0 引言

機(jī)器視覺測(cè)量以其非接觸、范圍廣、高精度的優(yōu)勢(shì)逐漸被廣泛的應(yīng)用，在其測(cè)量領(lǐng)域中常需要對(duì)目標(biāo)距離、幾何關(guān)系或是大范圍目標(biāo)輪廓尺寸等進(jìn)行測(cè)量。尤其是在軌道交通運(yùn)行安全檢測(cè)中對(duì)站臺(tái)幾何關(guān)系的測(cè)量、對(duì)隧道橫斷面輪廓尺寸檢測(cè)等中，往往都需要進(jìn)行近景大范圍攝影測(cè)量，而在進(jìn)行測(cè)量之前都需要對(duì)攝像機(jī)進(jìn)行標(biāo)定工作，標(biāo)定的精度對(duì)最終測(cè)量的精度具有很大影響。在高精度的視覺任務(wù)中，一般都采用具有已知坐標(biāo)規(guī)則控制點(diǎn)的標(biāo)定板進(jìn)行攝像機(jī)標(biāo)定工作[1]。

常用的平面標(biāo)定板有棋盤格式[2]、黑白格式[3]、圓點(diǎn)陣列式[4]，這些標(biāo)定板上都有規(guī)律的分布著一些具有一定特性的特征點(diǎn)。圓點(diǎn)陣列式標(biāo)定板在攝影變換下保持橢圓形狀不變的特性被廣泛使用，通過(guò)提取基準(zhǔn)圓的圓心在世界坐標(biāo)系中的坐標(biāo)值，便可得像素坐標(biāo)和世界坐標(biāo)之間的對(duì)應(yīng)關(guān)系，完成攝像機(jī)的標(biāo)定工作。目前對(duì)于圓點(diǎn)陣列標(biāo)定板圓心特征點(diǎn)的提取方法有很多，大多采用橢圓參數(shù)擬合[5-6]的方法實(shí)現(xiàn)對(duì)橢圓圖像中心的提取，文獻(xiàn)[7]中對(duì)7×7圓點(diǎn)陣列標(biāo)定板圖像進(jìn)行自適應(yīng)閾值分割中，采用橢圓參數(shù)擬合的方法，計(jì)算標(biāo)定板各圓點(diǎn)中心的圖像坐標(biāo)；文獻(xiàn)[8]中利用橢圓檢測(cè)和參數(shù)擬合的方法，對(duì)用魚眼鏡頭所拍攝的標(biāo)定板上48個(gè)特征圓進(jìn)行特征提取和排序；文獻(xiàn)[9]中通過(guò)算法搜索標(biāo)定板上不共線的3個(gè)橢圓邊界信息，尋找橢圓的公切線進(jìn)行中心點(diǎn)的提取；Luis A[10]等人通過(guò)建立Delauny三角網(wǎng)，計(jì)算出圖像坐標(biāo)與世界坐標(biāo)之間的單應(yīng)性矩陣，來(lái)對(duì)特征點(diǎn)進(jìn)行排序。這些橢圓中心檢測(cè)方法都是針對(duì)于陣列圓較少、外界環(huán)境影響較小的標(biāo)定板，但是對(duì)于大型標(biāo)定板其陣列圓較多、標(biāo)定范圍很大、光照不均勻再加上鏡頭畸變的影響下，使得標(biāo)定圖像灰度圖的灰度范圍很廣，直接進(jìn)行邊緣識(shí)別提取橢圓中心的難度很大。

研究針對(duì)軌道交通隧道橫斷面輪廓測(cè)量問(wèn)題，利用魚眼鏡頭拍攝標(biāo)定板圖像進(jìn)行基準(zhǔn)點(diǎn)提取，并進(jìn)行輪廓還原實(shí)驗(yàn)驗(yàn)證基準(zhǔn)點(diǎn)提取的精度。因此本文結(jié)合近景大范圍測(cè)量特點(diǎn)，提出了區(qū)域生長(zhǎng)重心法，該方法是將區(qū)域生長(zhǎng)法和灰度重心法相結(jié)合，通過(guò)粗定位尋找每個(gè)基準(zhǔn)圓的種子點(diǎn)進(jìn)行區(qū)域生長(zhǎng)，然后利用灰度重心法提取生長(zhǎng)區(qū)域的重心作為基準(zhǔn)點(diǎn)，達(dá)到對(duì)于大型多陣列圓標(biāo)定板上基準(zhǔn)點(diǎn)的提取。

1 標(biāo)定板設(shè)計(jì)

大尺寸的標(biāo)定板可適用于使用廣角或魚眼鏡頭進(jìn)行近景大范圍的視覺測(cè)量，能夠保證全視野成像。對(duì)于近景大范圍攝影測(cè)量來(lái)說(shuō)，既需要保證標(biāo)定板在所測(cè)量區(qū)域內(nèi)，又需要減小鏡頭畸變所帶來(lái)的影響，保證每個(gè)基準(zhǔn)圓的特征穩(wěn)定性。因此，對(duì)于此平面標(biāo)定板設(shè)計(jì)需要遵循以下原則：

1)標(biāo)定板應(yīng)保證有足夠大的尺寸范圍，保證在適當(dāng)?shù)木嚯x成像時(shí)，能夠覆蓋整個(gè)測(cè)量區(qū)域；

2)標(biāo)定板上基準(zhǔn)圓與背景灰度值之間應(yīng)能夠區(qū)分明顯，便于特征提取；

3)基準(zhǔn)圓的尺寸及基準(zhǔn)圓之間的圓心距應(yīng)大小相等、分布均勻，保證標(biāo)定過(guò)程中的特征穩(wěn)定性和對(duì)應(yīng)性。

研究設(shè)計(jì)了如圖1所示的結(jié)構(gòu)實(shí)現(xiàn)多陣列圓的大型標(biāo)定板，達(dá)到大范圍輪廓的尺寸測(cè)量。標(biāo)定板整體尺寸為2 400x2 400 mm，平板上有規(guī)律的分布著3 600個(gè)直徑為20 mm的基準(zhǔn)圓，兩個(gè)基準(zhǔn)圓之間的圓心距為40 mm，加工精度達(dá)到0.02 mm以上，基準(zhǔn)圓采用噴黑處理，使其與背景之間能夠存在明顯的灰度差，降低周圍環(huán)境和光照等因素對(duì)圖像質(zhì)量的影響。利用魚眼鏡頭所拍攝的標(biāo)定板圖像如圖2所示，可以看出標(biāo)定板圖像受光照和鏡頭畸變影響很大。

圖1 標(biāo)定板結(jié)構(gòu)圖

圖2 魚眼鏡頭下標(biāo)定板實(shí)際成像

2 區(qū)域生長(zhǎng)重心法提取基準(zhǔn)點(diǎn)

對(duì)于用二維標(biāo)定板進(jìn)行攝像機(jī)標(biāo)定時(shí)最重要的一步就是基準(zhǔn)點(diǎn)的提取，提取的精確性直接影響系統(tǒng)的標(biāo)定精度。在一張受畸變和外界環(huán)境影響較大的大型多陣列圓標(biāo)定板圖片上如何運(yùn)用圖像處理算法實(shí)現(xiàn)基準(zhǔn)點(diǎn)的準(zhǔn)確提取，是需要解決的一個(gè)重要問(wèn)題，因此本文根據(jù)區(qū)域生長(zhǎng)和灰度重心兩種算法各自的優(yōu)勢(shì)，提出將兩種算法相結(jié)合進(jìn)行基準(zhǔn)點(diǎn)的提取，其方法流程如圖3所示。首先對(duì)于一幅大范圍的標(biāo)定板圖像需要對(duì)其進(jìn)行增強(qiáng)處理，消除噪聲，然后運(yùn)用區(qū)域生長(zhǎng)重心法對(duì)初始選取的種子點(diǎn)進(jìn)行基準(zhǔn)點(diǎn)的提取，同時(shí)記錄基準(zhǔn)點(diǎn)的精定位坐標(biāo)，并搜索下一個(gè)基準(zhǔn)圓的種子點(diǎn)粗定位坐標(biāo)，重復(fù)上面操作遍歷3 600個(gè)基準(zhǔn)圓，完成基準(zhǔn)點(diǎn)的提取生成標(biāo)定網(wǎng)格。

圖3 基準(zhǔn)點(diǎn)提取方法流程

2.1 初始基準(zhǔn)點(diǎn)的提取

區(qū)域生長(zhǎng)法[11]是根據(jù)預(yù)先定義的生長(zhǎng)準(zhǔn)則，根據(jù)像素的相似性和連通性，把與種子點(diǎn)灰度值相似的相鄰像素附加到生長(zhǎng)區(qū)域的每個(gè)種子點(diǎn)上，當(dāng)滿足一定條件時(shí)生長(zhǎng)終止，區(qū)域被標(biāo)記。灰度重心法[12-13]則應(yīng)用物理學(xué)知識(shí)把像素的灰度值看作像素質(zhì)量，即將區(qū)域內(nèi)每一像素位置處的灰度值當(dāng)做該點(diǎn)的“質(zhì)量”來(lái)求區(qū)域中心。

區(qū)域生長(zhǎng)法最重要的是生長(zhǎng)準(zhǔn)則的確定，生長(zhǎng)準(zhǔn)則需要根據(jù)具體生長(zhǎng)對(duì)象而定。本文針對(duì)大型多陣列圓標(biāo)定板所用的區(qū)域生長(zhǎng)法的步驟如下：

1)確定標(biāo)定板的二維坐標(biāo)系進(jìn)行初始種子點(diǎn)的選取及基準(zhǔn)圓種子點(diǎn)的粗定位。

2)確定生長(zhǎng)準(zhǔn)則：定義一個(gè)全局閾值T(根據(jù)基準(zhǔn)圓與背景在灰度值上處于最不利位置確定)，考慮種子點(diǎn)像素的4鄰域像素，若待加入像素的灰度值和已經(jīng)分割區(qū)域所有像素點(diǎn)的平均灰度值差的絕對(duì)值小于或等于該閾值，則認(rèn)為該像素類似于種子點(diǎn)像素，合并到種子點(diǎn)像素所在的區(qū)域中，同時(shí)將這些像素當(dāng)作新的像素點(diǎn)繼續(xù)循環(huán)上面過(guò)程。

3)終止準(zhǔn)則：鄰域像素的灰度值和已經(jīng)分割區(qū)域所有像素點(diǎn)的平均灰度值的差的絕對(duì)值大于該閾值，則像素點(diǎn)拒絕進(jìn)入生長(zhǎng)區(qū)域，生長(zhǎng)結(jié)束，完成區(qū)域分割。

種子點(diǎn)即是對(duì)基準(zhǔn)點(diǎn)的粗定位，種子點(diǎn)的選取是區(qū)域生長(zhǎng)法的關(guān)鍵。本文所提出的方法需要人工選取3個(gè)不共線的種子點(diǎn)，所選取的種子點(diǎn)必須在黑色的基準(zhǔn)圓內(nèi)，并且灰度值為零。種子點(diǎn)選取如圖4所示，以標(biāo)定板左下角為原點(diǎn)建立直角坐標(biāo)系，選取標(biāo)定板左下角3個(gè)不共線種子點(diǎn)分別為a00、a01、a10，且灰度值f(a00)=f(a01)=f(a10)=0。然后根據(jù)每個(gè)種子點(diǎn)的像素坐標(biāo)及灰度值分別進(jìn)行區(qū)域生長(zhǎng)。

圖4 初始種子點(diǎn)示意圖

若n為基準(zhǔn)圓區(qū)域內(nèi)所有滿足生長(zhǎng)準(zhǔn)則的像素點(diǎn)個(gè)數(shù)，f(x,y)為基準(zhǔn)圓區(qū)域內(nèi)某一種子點(diǎn)鄰域像素的灰度值，當(dāng):

(1)

則像素點(diǎn)拒絕進(jìn)入生長(zhǎng)區(qū)域，完成區(qū)域分割，最終得到人工選取的3個(gè)種子點(diǎn)的生長(zhǎng)區(qū)域點(diǎn)集S0、S1、S2。閾值T的設(shè)定受圖像質(zhì)量和光照強(qiáng)度等因素影響很大，閾值設(shè)置的好壞將直接影響種子點(diǎn)區(qū)域生長(zhǎng)的結(jié)果，本文通過(guò)對(duì)標(biāo)定圖像進(jìn)行分析，根據(jù)基準(zhǔn)圓與背景在灰度值上處于最不利位置確定。然后對(duì)所得到的區(qū)域進(jìn)行利用灰度重心法進(jìn)行重心提取，將區(qū)域內(nèi)每一像素位置處的灰度值當(dāng)做該點(diǎn)的“質(zhì)量”，則區(qū)域生長(zhǎng)法所求出的區(qū)域其中心坐標(biāo)公式如下：

(2)

(3)

(u,v)為區(qū)域中心坐標(biāo)，Ω為目標(biāo)區(qū)域集合，f(u,v)是坐標(biāo)為(u,v)的像素點(diǎn)的灰度值。以區(qū)域S0為例，S0內(nèi)像素?cái)?shù)為n，(x0i,y0i)為S0內(nèi)第i個(gè)像素坐標(biāo)，f(x0i,y0i)為其第i個(gè)像素灰度值，若目標(biāo)區(qū)域的灰度重心坐標(biāo)為(u0,v0)，則：

(4)

(5)

進(jìn)一步則可提取出S1、S2區(qū)域內(nèi)的重心坐標(biāo)(u1,v1)、(u2,v2)，則就得到了3個(gè)目標(biāo)基準(zhǔn)點(diǎn)(u0,v0)、(u1,v1)、(u2,v2)，并以此3個(gè)基準(zhǔn)點(diǎn)為目標(biāo)進(jìn)行3個(gè)方向上基準(zhǔn)圓種子點(diǎn)的粗定位。

2.2 種子點(diǎn)粗定位

標(biāo)定板上所有種子點(diǎn)的坐標(biāo)都需要以初始的3個(gè)基準(zhǔn)點(diǎn)為基準(zhǔn)，進(jìn)行搜索確定。本文所設(shè)計(jì)標(biāo)定板保證基準(zhǔn)圓的圓心距大小相等、分布均勻，使在標(biāo)定過(guò)程中基準(zhǔn)圓之間具有很好的特征穩(wěn)定性。所以本文使用區(qū)域生長(zhǎng)重心法進(jìn)行基準(zhǔn)點(diǎn)的提取時(shí)需要假設(shè)相鄰3個(gè)基準(zhǔn)圓之間具有一般線性特性，通過(guò)兩段之間的斜率和距離相等，進(jìn)行種子點(diǎn)的粗定位。如圖4所示，S0、S1、S2區(qū)域中3個(gè)基準(zhǔn)點(diǎn)分別為(u0,v0)、(u1,v1)、(u2,v2)，則：

(6)

(7)

根據(jù)直線的一般線性特性，則a02種子點(diǎn)的像素坐標(biāo)(x3,y3)聯(lián)立以下公式求得：

y3=kl1(x3-u0)+v0

(8)

(x3-u1)2+(y3-v1)2=(u1-u0)2+(v1-v0)2

(9)

同理即可得到a02、a11兩個(gè)種子點(diǎn)像素坐標(biāo)，同時(shí)并進(jìn)行基準(zhǔn)點(diǎn)提取。因?yàn)殓R頭的畸變是非線性變化的，而種子點(diǎn)的粗定位是線性求取的，利用基準(zhǔn)點(diǎn)坐標(biāo)替代粗定位的種子點(diǎn)坐標(biāo)，將基準(zhǔn)點(diǎn)轉(zhuǎn)化為非線性變化，消除畸變影響，這樣每個(gè)種子點(diǎn)很好的遺傳了上兩個(gè)基準(zhǔn)點(diǎn)的特性。遍歷3 600個(gè)基準(zhǔn)圓，最終得出3 600個(gè)基準(zhǔn)點(diǎn)像素坐標(biāo)。對(duì)圖2魚眼鏡頭下標(biāo)定板實(shí)際成像進(jìn)行基準(zhǔn)點(diǎn)的提取，由于標(biāo)定圖像圖幅較大分別截取了標(biāo)定圖像上畸變較大的4個(gè)邊角處基準(zhǔn)點(diǎn)的提取結(jié)果，并用白色像素點(diǎn)來(lái)表示每個(gè)基準(zhǔn)圓的基準(zhǔn)點(diǎn)，提取結(jié)果如圖5所示，基準(zhǔn)點(diǎn)像素坐標(biāo)誤差可達(dá)到2 pixel以內(nèi)。同時(shí)對(duì)所標(biāo)示出的基準(zhǔn)點(diǎn)進(jìn)行連線最終得出標(biāo)定圖像的標(biāo)定網(wǎng)格，如圖6所示。根據(jù)標(biāo)定板的實(shí)際二維坐標(biāo)，則就實(shí)現(xiàn)了標(biāo)定網(wǎng)格的交點(diǎn)與真實(shí)值的映射關(guān)系。

圖5 標(biāo)定板基準(zhǔn)點(diǎn)提取結(jié)果示意圖

圖6 標(biāo)定網(wǎng)格圖

利用區(qū)域生長(zhǎng)和灰度重心兩種算法結(jié)合的區(qū)域生長(zhǎng)重心法，對(duì)大型多陣列圓標(biāo)定板基準(zhǔn)點(diǎn)的提取，不僅可以充分提取有用像素信息找到每個(gè)基準(zhǔn)圓所對(duì)應(yīng)的基準(zhǔn)點(diǎn)坐標(biāo)，而且利用非線性變化的基準(zhǔn)點(diǎn)替代線性變化的種子點(diǎn)，消除了圖像畸變的影響，保證了特征檢測(cè)過(guò)程的可靠性和魯棒性。通過(guò)設(shè)置全局閾值不僅簡(jiǎn)化了區(qū)域生長(zhǎng)算法，而且不失自適應(yīng)性，很好的減弱了光照的不均勻?qū)?biāo)定板的干擾。

3 實(shí)驗(yàn)驗(yàn)證

為滿足直徑6米隧道橫斷面輪廓測(cè)量的要求，本實(shí)驗(yàn)利用實(shí)驗(yàn)室場(chǎng)房進(jìn)行等尺度模擬。通過(guò)工業(yè)相機(jī)搭載焦距12 mm最大光圈F2.8的魚眼鏡頭，濾光片的波長(zhǎng)為635 nm，在不改變相機(jī)焦距等參數(shù)下，調(diào)整鏡頭光圈，按照一定的距離成像拍攝激光器組打出的激光斷面輪廓如圖7所示，圖像分辨率高達(dá)4 096 × 3 072。采用區(qū)域生長(zhǎng)重心法，提取標(biāo)定圖像中基準(zhǔn)點(diǎn)，將圖像中基準(zhǔn)點(diǎn)對(duì)應(yīng)標(biāo)定板上每個(gè)基準(zhǔn)圓的實(shí)際二維坐標(biāo)，賦予每個(gè)基準(zhǔn)點(diǎn)的實(shí)際坐標(biāo)值，完成相機(jī)標(biāo)定工作，然后進(jìn)行斷面輪廓的還原。

圖7 拍攝的激光線斷面輪廓圖

圖8 實(shí)際斷面輪廓像素坐標(biāo)圖

圖9 實(shí)際斷面輪廓還原圖

通過(guò)濾光片的作用，所拍攝出來(lái)的圖片灰度值變化很明顯，根據(jù)灰度值的變化情況通過(guò)邊緣解析算法提取出激光線邊緣的像素坐標(biāo)，如圖8所示。對(duì)所提取出的像素坐標(biāo)利用標(biāo)定表格進(jìn)行真值匹配，基準(zhǔn)點(diǎn)坐標(biāo)對(duì)應(yīng)二維空間實(shí)際基準(zhǔn)點(diǎn)坐標(biāo)，非基準(zhǔn)點(diǎn)采用插值處理，最終將畸變圖像進(jìn)行還原，得出實(shí)際斷面輪廓圖如圖9所示。由圖9視覺測(cè)量分析可以看出，斷面輪廓得到了很好的還原，房間最大寬度為5 968.10 mm，最大高度為4 402.89 mm，通過(guò)實(shí)際測(cè)量，系統(tǒng)測(cè)量精度完全能夠達(dá)到±5 mm以內(nèi)，能夠滿足軌道交通隧道橫斷面輪廓測(cè)量誤差標(biāo)準(zhǔn)。

4 總結(jié)

本文針對(duì)軌道交通隧道橫斷面近景大范圍視覺測(cè)量系統(tǒng)進(jìn)行攝像機(jī)標(biāo)定的問(wèn)題，設(shè)計(jì)實(shí)現(xiàn)了適用于大范圍測(cè)量的多陣列圓的大型標(biāo)定板，并基于該種標(biāo)定板提出了區(qū)域生長(zhǎng)重心法，利用區(qū)域生長(zhǎng)法和灰度重心法進(jìn)行圖像分割時(shí)的各自優(yōu)勢(shì)，將兩種方法相結(jié)合提取基準(zhǔn)圓上的基準(zhǔn)點(diǎn)，并進(jìn)行實(shí)驗(yàn)驗(yàn)證和分析。利用該方法，能夠提高較為寬泛的視覺測(cè)量角度范圍，不但能夠在使用魚眼鏡頭達(dá)到視野全覆蓋情況下進(jìn)行基準(zhǔn)點(diǎn)提取，而且能夠提高視覺測(cè)量時(shí)系統(tǒng)的標(biāo)定和重建精度，保證在視覺測(cè)量過(guò)程中的可靠性和魯棒性。很好的解決了大型標(biāo)定板上多陣列圓的基準(zhǔn)點(diǎn)提取問(wèn)題，有利于在進(jìn)行近景大范圍視覺測(cè)量時(shí)的相機(jī)標(biāo)定工作，提高視覺測(cè)量的系統(tǒng)標(biāo)定精度。

[1] 夏仁波, 劉偉軍, 趙吉賓, 等. 基于圓形標(biāo)志點(diǎn)的全自動(dòng)相機(jī)標(biāo)定方法[J]. 儀器儀表學(xué)報(bào),2009(2): 368-373.

[2] 牛海濤, 趙勛杰. 采用棋盤格模板的攝像機(jī)標(biāo)定新方法[J]. 紅外與激光工程,2011(1): 133-137.

[3] 孟海崗. 基于平面約束的CCD相機(jī)標(biāo)定方法改進(jìn)[D]. 長(zhǎng)春：吉林大學(xué),2009.

[4] 吳凡路, 劉建軍, 任 鑫, 等. 基于圓形標(biāo)志點(diǎn)的深空探測(cè)全景相機(jī)標(biāo)定方法[J]. 光學(xué)學(xué)報(bào),2013,(11): 147-153.

[5] Andrew Fitzgibbon, Maurizio Pilu, Robert B. Fisher. Direct Least Square Fitting of Ellipses[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 1999, 21 (5): 476-480.

[6] Yu Qiao, S. H. Ong. Arc-based evaluation and detection of ellipses[J]. Pattern Recognition, 2007, 40 (7): 1990-2003.

[7] 夏瑞雪, 盧榮勝, 劉 寧, 等. 基于圓點(diǎn)陣列靶標(biāo)的特征點(diǎn)坐標(biāo)自動(dòng)提取方法[J]. 中國(guó)機(jī)械工程,2010,(16): 1906-1910.

[8] 張春燕, 鄒 偉. 一種魚眼鏡頭標(biāo)定板的設(shè)計(jì)、檢測(cè)與排序方法[J]. 計(jì)算機(jī)工程與應(yīng)用,2015,(15): 188-192.

[9] 徐 鵬, 汪建業(yè), 王燕儒. 攝像機(jī)標(biāo)定中靶標(biāo)圓心像點(diǎn)坐標(biāo)的精確計(jì)算[J]. 紅外與激光工程,2011(7): 1342-1346.

[10] Luis A, Agustín S, Javier S. Robust detection and ordering of ellipses on a calibration pattern, 0029[R]. France: University Institute for Cybernetic Sciences and Technologies, 2004.

[11] 許 敬, 張 合, 王曉鋒. 基于特征點(diǎn)和區(qū)域生長(zhǎng)的目標(biāo)圖像分割方法[J]. 探測(cè)與控制學(xué)報(bào),2012(1): 6-9.

[12] 張小艷, 王曉強(qiáng), 白福忠, 田朝平, 梅秀莊. 基于改進(jìn)灰度重心法的光帶中心提取算法[J]. 激光與紅外,2016(5): 622-626.

[13] H C van Assen, M Egmont-Petersen, J H C Reiber. Accurate object localization in gray level images using the center of gravity measure: accuracy versus precision [J]. IEEE Transactions on Image Processing, 2002,11(12): 1379-1384.

ExtractionTechnologyofDatumPointsforLargeandMulti-arrayCircularCalibrationPlateBasedonRegionGrowingBarycenterMethod

Yu Jialei1，He Yuelei1，Gong Peiyi2，Tang Youfu2

(1.School of Urban Transportation, Shanghai University of Engineering Science, Shanghai 201620, China; 2.Shanghai Xintie Mechanical & Electrical Technology Co., LTD., Shanghai 201100, China)

Towards to the problem of vision measurement on the large profile measurement of rail transit tunnel, research and design of a large and multi-array circular calibration plate for system calibration work. The method of region growing barycenter is proposed to extract the datum points on the calibration image. Combining the region growing method and the gray barycenter method, the seed point of each datum circle are searched by rough location and while 4 neighborhood pixels of the seed points’pixel are considered for region growth. Then the gray barycenter method is used to extract the barycenter of the growing area as the datum point. In order to eliminate the effect of the image distortion, the nonlinear change datum points is substituted for the seed points of the linear datum circle. This method not only ensures the reliability and robustness of the feature detection process, but also can be used for the extraction of the datum points of the large and multi-array circular calibration plate. The profile of reduction experiment was carried out by carry a fisheye lens to shoot the simulation of tunnel cross section with 6 m. The experimental results show that the pixel coordinate error of the datum points extracted by this method can reach within 2pixel. The system precision can reach within ±5 mm and fully meet the error standard for the cross section measurement of rail transit tunnel.

vision measurement; large calibration plate; multi-array circle; region growing barycenter method; datum points

2017-04-17；

2017-05-18。

上海市科學(xué)技術(shù)委員會(huì)地方院校能力建設(shè)資助項(xiàng)目(14110501300)。

余佳磊(1992-)，男，江蘇徐州人，碩士研究生，主要從事視覺測(cè)量及軌道檢測(cè)設(shè)備研發(fā)方向的研究。

何越磊(1972-)，男，遼寧錦州人，教授，碩士研究生導(dǎo)師，主要從事軌道交通安全與檢測(cè)技術(shù)方向研究。

1671-4598(2017)11-0146-04

10.16526/j.cnki.11-4762/tp.2017.11.037

TP391

A