一種用于車載環視系統攝像頭參數標定的特征點抽取方法
【專利摘要】一種用于車載環視系統攝像頭參數標定的特征點抽取方法，該方法根據車輛尺寸、攝像頭安裝位置、安裝角度等信息預測校正標志物在圖像中所出現的位置區域；根據標志物圖像顏色、亮度等特征，實用角點檢測算法選取特征點，該特征點抽取的方法步驟簡單，縮短了抽取特征點所用的時間，提高了整個標定過程的效率。并且容易區分不同攝像頭對應的不同特征點的存在位置，避免混淆。
【專利說明】一種用于車載環視系統攝像頭參數標定的特征點抽取方法
【技術領域】
[0001]本發明涉及車載攝像頭參數標定領域，具體涉及一種用于車載環視系統攝像頭參數標定的特征點抽取方法。
【背景技術】
[0002]車載環視系統是由裝配在車體上前后左右的多臺廣角攝像機構成，每臺攝像機覆蓋一定區間，圖像經過視點變換生成俯視圖，并進行拼接得到車載環視俯瞰圖。為了使上述裝配在車體上的多臺廣角攝像機所攝取的圖像經過視點變換能夠生成沒有畸變的無縫拼接的合成俯瞰環視圖，上述裝配在車體上的廣角攝像機的內部參數與外部參數必須被精確標定。攝像機的內部參數是否精確直接影響合成圖的畸變校正效果。攝像機的外部參數是否精確會影響合成圖中各個相機圖像連接處是否錯位，也會影響最終合成圖中俯瞰環視圖與車體的相對位置關系是否正確。
[0003]如何設計能夠一種校正效率高、易操作的標定方法，成為了車載環視系統研究的
重要方向。
【發明內容】
[0004]發明目的:為了克服現有技術的不足，本發明提供一種用于車載環視系統攝像頭參數標定的特征點抽取方法。
[0005]技術方案:一種用于車載環視系統攝像頭參數標定的特征點抽取方法，其特征在于，該方法包括以下步驟:
[0006]I)預測校正標志物區域:根據車輛尺寸、攝像頭安裝位置、安裝角度、攝像頭既定參數以及校正標志物的三維坐標預測校正標志物在圖像中所出現的位置區域；
[0007]2)根據標志物形態選擇特征點位置:
[0008]2.1)當標志物為色塊標定時，攝像頭在步驟I)的預測區域中尋找校正標志物顏色的像素點；在該顏色的像素候補區域通過收縮膨脹的變形處理去除小粒子，把大面積的該顏色區域連在一起，通過計算粒子面積的解析方法得到在預測區域中最大面積的該顏色區域作為輸出結果；之后通過圖像角點檢測算法選取特征點；
[0009]2.2)當標志物為LED光點或反光求標定時，攝像頭在步驟I)的預測區域中抽取高亮點作為特征點；
[0010]3)對步驟2)中獲得的特征點進行特征點匹配:將校正標志物的三維坐標與對應圖像的二維坐標進行匹配，去掉沒有匹配上的特征點。
[0011]步驟2.1)中圖像角點檢測算法包括基于Harris的角點檢測算法或基于SURF特征的角點檢測算法。基于Harris特征和SURF特征的角點檢測算法計算量相對較小,特征點位置精確，適用于大面積色塊的角點檢測。
[0012]有益效果:
[0013]1、該特征點抽取的方法步驟簡單，縮短了抽取特征點所用的時間，提高了整個標定過程的效率。
[0014]2、該特征點抽取方法容易區分不同攝像頭對應的不同特征點的存在位置，避免混淆。
【具體實施方式】
[0015]下面對本發明做更進一步的解釋。
[0016]一種用于車載環視系統攝像頭參數標定的特征點抽取方法，其特征在于，該方法包括以下步驟:
[0017]I)預測校正標志物區域:根據車輛尺寸、攝像頭安裝位置、安裝角度、攝像頭既定參數以及校正標志物的三維坐標預測校正標志物在圖像中所出現的位置區域；
[0018]2)根據標志物形態選擇特征點位置:
[0019]2.1)當標志物為色塊標定時，攝像頭在步驟I)的預測區域中尋找校正標志物顏色的像素點；在該顏色的像素候補區域通過收縮膨脹的變形處理去除小粒子，把大面積的該顏色區域連在一起，在這一步中，本實例以前后攝像頭的校正標志物為藍色舉例。在前相機和后相機的預測區域中尋找藍色像素點，在RGB表色空間中可以用(B*2-R-G) >預先設定的藍色閾值的方法，在YUV或者YCbCr表色空間中可以用UV象限角度(280° <theta<350° )的評價方法。
[0020]之后，通過計算粒子面積的解析方法得到在預測區域中最大面積的該顏色區域作為輸出結果；之后通過圖像角點檢測算法選取特征點；本實例選擇Harris角點檢測算法，也可以使用其他可行的角點檢測算法，比如基于SURF特征的角點檢測算法。
[0021]2.2)當標志物為LED光點或反光求標定時，攝像頭在步驟I)的預測區域中抽取高亮點作為特征點；具體為在亮度最高的值開始向低亮度方向搜尋谷底，并累計像素數；如果這個谷底距離最高亮度的差距在某一預先設定的閾值以內，而且累計像素數也少于區域總像素數的一定比例(比如1/200)，那么這個谷底就是我們需要求的亮度閾值，凡是高于這個亮度的像素作為高亮點候補抽取，并通過粒子解析算法進行聚類，求出每個粒子的中心位置。其他的高亮點抽取方法也同樣適用。
[0022]3)對步驟2)中獲得的特征點進行特征點匹配:將校正標志物的三維坐標與對應圖像的二維坐標進行匹配，去掉沒有匹配上的特征點。這里校正標志物的三維坐標是根據標方位置和標志物的形態提前計算的，將該計算結果與獲得圖片的二維坐標進行比對匹配，獲得符合要求的特征點。
[0023]以上所述僅是本發明的優選實施方式，應當指出，對于本【技術領域】的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護范圍。
【權利要求】
1.一種用于車載環視系統攝像頭參數標定的特征點抽取方法，其特征在于，該方法包括以下步驟: 1)預測校正標志物區域:根據車輛尺寸、攝像頭安裝位置、安裝角度、攝像頭既定參數以及校正標志物的三維坐標預測校正標志物在圖像中所出現的位置區域； 2)根據標志物形態選擇特征點位置: 2.1)當標志物為色塊標定時，攝像頭在步驟I)的預測區域中尋找校正標志物顏色的像素點；在該顏色的像素候補區域通過收縮膨脹的變形處理去除小粒子，把大面積的該顏色區域連在一起，通過計算粒子面積的解析方法得到在預測區域中最大面積的該顏色區域作為輸出結果；之后通過圖像角點檢測算法選取特征點； 2.2)當標志物為LED光點或反光求標定時，攝像頭在步驟I)的預測區域中抽取高亮點作為特征點； 3)對步驟2)中獲得的特征點進行特征點匹配:將校正標志物的三維坐標與對應圖像的二維坐標進行匹配，去掉沒有匹配上的特征點。
2.如權利要求1所述的一種用于車載環視系統攝像頭參數標定的特征點抽取方法，其特征在于，步驟2.1)中圖像角點檢測算法包括基于Harris的角點檢測算法或基于SURF特征的角點檢測算法。
【文檔編號】G06T7/00GK104008548SQ201410245586
【公開日】2014年8月27日 申請日期:2014年6月4日 優先權日:2014年6月4日
【發明者】董延超, 胡振程 申請人:無錫觀智視覺科技有限公司