基于HALCON的模版匹配與相機(jī)標(biāo)定

1、基于HALCON的模版匹配與相機(jī)標(biāo)定    摘要：闡述了HALCON基于標(biāo)定板的相機(jī)內(nèi)外參數(shù)標(biāo)定方法，同時(shí)對(duì)其中關(guān)鍵的模板匹配做出獨(dú)立的探討。通過(guò)HALCON軟件進(jìn)行相機(jī)的現(xiàn)場(chǎng)標(biāo)定，計(jì)算左右相機(jī)的內(nèi)外參數(shù)標(biāo)定。相機(jī)的內(nèi)參數(shù)一版為固定不變的，而視覺(jué)測(cè)量中，左右相機(jī)的外部方位或許會(huì)受外界影響而改變，有必要對(duì)相機(jī)的外參數(shù)做出獨(dú)立的精確標(biāo)定。 關(guān)鍵詞：模版匹配；相機(jī)標(biāo)定；HALCON 中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007-9599 (2011) 20-0000-02 The Template Matching and Camera Ca

2、libration Based on HALCON Xu Zhen (Zhejiang Shuren University,Hangzhou310015,China) Abstract:Elaborated external and internal parameters of the camera calibration method of HALCON based calibration board,and the key of the template matching was carried out independently of the discussion.Through the

3、 HALCON software for camera calibration,calculation about the internal and external camera parameters calibration.Camera internal parameters is usually fixed,and vision measurement,camera around external range may be affected by outside influence and change,it is necessary to camera external paramet

4、ers are independent of the precise calibration. Keywords:Template match;Camera calibration;HALCON 引言：模板匹配指的是用一個(gè)較小的圖像，也就是模板與源圖像進(jìn)行比較，以確定在源圖像中是否具有與該模板相同或相似的區(qū)域。如該區(qū)域存在，還可以確定其位置并提取該區(qū)域1。目前，模板匹配是機(jī)器視覺(jué)領(lǐng)域常用的一種匹配方法，應(yīng)用范圍非常廣泛，主要有眼睛的定位與識(shí)別2、車牌識(shí)別3、物體缺陷識(shí)別4、細(xì)胞圖像處理5等。模板匹配為一類重要的圖像識(shí)別方法，它通過(guò)比較實(shí)時(shí)圖和基準(zhǔn)圖之間的相似性來(lái)確定他們的相對(duì)位置。本文基于HA

5、LCON做出相機(jī)標(biāo)定，HALCON運(yùn)用標(biāo)定板進(jìn)行相機(jī)的標(biāo)定，標(biāo)定板也就是匹配模板。 一、模板匹配算法及其流程 把圖像中所包含對(duì)象物的結(jié)構(gòu)特征提取出來(lái)最基本的方法有區(qū)域分割以及邊緣檢測(cè)。邊緣檢測(cè)和區(qū)域分割擁有互補(bǔ)關(guān)系，其均為基于“在和圖像里的對(duì)象物相應(yīng)的部分里，特征（灰度，顏色，紋理等）均勻，可是在不一樣對(duì)象物以及對(duì)象物的不同部分里，特征陸續(xù)出現(xiàn)變化?！痹谶吘墮z測(cè)里，為提取特征的不連續(xù)部分，同時(shí)根據(jù)閉合邊緣求區(qū)域，與其相對(duì)應(yīng)，在區(qū)域分割里，是把圖像分割為特征一樣的連續(xù)區(qū)域，把區(qū)域間的邊界定義是邊緣6。本文模板識(shí)別運(yùn)用邊緣檢測(cè)。邊緣檢測(cè)的算法通常為：基于梯度的邊緣檢測(cè)，基于拉普拉斯算子的邊緣檢測(cè)，

6、按照最佳匹配的邊緣檢測(cè)。本文運(yùn)用基于梯度的邊緣檢測(cè)，運(yùn)用這個(gè)方法，不但能計(jì)算邊緣的強(qiáng)度，同時(shí)也可以計(jì)算邊緣的方向。將邊緣強(qiáng)度大的像素連接起來(lái)求邊界線時(shí)，邊緣的方向可以提供有效的信息。 模板匹配基本流程列入下圖： （一）圖像二值化：為了分析圖像的特性，往往從圖像中分離出對(duì)象物，并為了分離圖形和背景而采用二值化處理。圖像的二值化處理采用閾值處理：設(shè)灰度函數(shù) ，當(dāng) 小于閾值t時(shí)， 取0，否則取1。圖像就只有兩個(gè)灰度值0和1，便于提取對(duì)象形狀。閾值確定有多種方法，按照?qǐng)D像復(fù)雜程度選擇，這里運(yùn)用狀態(tài)法，也就是按照?qǐng)D像灰度直方圖來(lái)選擇閾值t。 （二）邊緣提取：運(yùn)用canny算子，基于梯度的邊緣檢測(cè)。 （三

7、）生成灰度邊緣圖像：上述是在二值化的圖像中采取的邊緣檢測(cè)，邊緣提取到的是二值邊緣點(diǎn)，不利用后面的模板提取和匹配，因此結(jié)合原灰度圖像生成灰度邊緣圖像。 （四）提取模板區(qū)域：按照灰度邊緣圖像，確定模板的具體區(qū)域。 （五）模板匹配：按照確定的圖像中的模板區(qū)域，把其與原模板進(jìn)行匹配計(jì)算，匹配從中心特征點(diǎn)開(kāi)始，按照相似度或者差異值確定匹配程度，一步步迭代計(jì)算。 （六）區(qū)域增長(zhǎng)：完成一個(gè)特征點(diǎn)的匹配后，模板中相鄰的特征點(diǎn)必在此特征點(diǎn)附近，在圖像中搜索相鄰特征點(diǎn)進(jìn)行匹配，順次進(jìn)行，增長(zhǎng)模板區(qū)域。 二、基于HALCON模板匹配實(shí)驗(yàn)結(jié)果 本文實(shí)驗(yàn)運(yùn)用MVTec HALCON 9.0軟件，HALCON是世界上最全

8、能的機(jī)器視覺(jué)軟件，它可以提供快速的圖像分析和處理。圖像模板為相機(jī)標(biāo)定板。程序分兩大步，第一步完成模板的創(chuàng)建，第二步則是按照創(chuàng)建的模板在另一幅圖像中進(jìn)行模板匹配。 程序流程： （一）運(yùn)用threshold（）算子按照?qǐng)D像灰度值的不同進(jìn)行區(qū)域分割，在圖像中分離出模板所在區(qū)域，如圖2-4所表明。閾值按照?qǐng)D像灰度直方圖確定。 （二）運(yùn)用select_shape（）算子根據(jù)模板形狀特征提取模板所在區(qū)域，根據(jù)提取的區(qū)域，使用dilation_circle（）算子膨脹該區(qū)域，膨脹后如果模板區(qū)域獨(dú)立，也就是完成模板區(qū)域的確定，算子中的膨脹半徑可以根據(jù)實(shí)際圖像進(jìn)行調(diào)整，取得最佳效果即可，實(shí)驗(yàn)效果如圖1所示。 a

9、）閾值分割 b）區(qū)域膨脹 c）創(chuàng)建模板d）取模板輪廓 圖1：基于HALCON的模版輪廓提取流程 （三）按1 2步確定的模板區(qū)域，運(yùn)用create_shape_model（）創(chuàng)建模板，創(chuàng)建的模板如圖2-6所示。 （四）使用get_shape_model_contours（）提取模板輪廓，并且通過(guò)剛體仿射顯示模板輪廓，如圖2-7所示，用于判斷標(biāo)定板形狀以及標(biāo)志圓提取的準(zhǔn)確性。 （五）根據(jù)1 4步創(chuàng)建好的模板，在另一幅圖像中運(yùn)用find_shape_model（）算子進(jìn)行模板匹配，并且運(yùn)用第4步中相同的算子提取匹配模板的輪廓，經(jīng)剛體仿射顯示出來(lái)，實(shí)驗(yàn)結(jié)果表明采用邊緣檢測(cè)能夠很好的實(shí)現(xiàn)模板匹配。 雙目

10、立體視覺(jué)研究怎樣運(yùn)用二維圖像恢復(fù)三維景物世界，即由不同位置的兩臺(tái)或者一臺(tái)攝像機(jī)經(jīng)過(guò)移動(dòng)或旋轉(zhuǎn)拍攝同一幅場(chǎng)景，通過(guò)計(jì)算空間點(diǎn)在兩幅圖像中的視差，取得該點(diǎn)的三維坐標(biāo)值?；诹Ⅲw視覺(jué)重建三維幾何信息為計(jì)算機(jī)視覺(jué)領(lǐng)域里的經(jīng)典問(wèn)題，尋找對(duì)應(yīng)點(diǎn)匹配是立體視覺(jué)方法中最重要、也是最困難的工作7。怎樣在背景環(huán)境中正確取得目標(biāo)位置，怎樣在左、右攝像機(jī)采集的圖片中選取具有空間位置一致性的目標(biāo)標(biāo)定點(diǎn)一直是雙目立體視覺(jué)技術(shù)的難點(diǎn)和關(guān)鍵8。雙目視覺(jué)的實(shí)現(xiàn)可以分為以下步驟：圖像的獲取、攝像機(jī)的標(biāo)定、特征提取、圖像匹配和三維重建。 三、基于HALCON的相機(jī)標(biāo)定技術(shù)      

11、;    實(shí)驗(yàn)采用500x500mm的標(biāo)定板進(jìn)行相機(jī)標(biāo)定，在確定外部位置不變的情況下利用左右兩個(gè)相機(jī)分別拍攝視場(chǎng)中不同位置的標(biāo)定板，各拍攝15幅圖像。使用HALCON 9.0軟件編制相應(yīng)標(biāo)定程序，對(duì)左右各十五幅圖像進(jìn)行分析處理，從而計(jì)算出相機(jī)的內(nèi)部參數(shù)和外部參數(shù)。 程序處理流程： （一）尋找標(biāo)定板輪廓，進(jìn)行模板匹配，如圖2所表明。 圖2：尋找標(biāo)定板輪廓圖 （二）二維圖像圓心提取，計(jì)算相機(jī)外部參數(shù)。 （三）計(jì)算相機(jī)內(nèi)部參數(shù)。 （四）對(duì)左右相機(jī)拍攝的15幅圖像循環(huán)處理1-3步，綜合15幅圖像，標(biāo)定相機(jī)內(nèi)外參數(shù)。 （五）存儲(chǔ)相機(jī)內(nèi)部參數(shù)。 實(shí)驗(yàn)所得結(jié)果如表1和表2。 表

12、1相機(jī)的內(nèi)部參數(shù) 表2相機(jī)外部參 X平移距離 0.556356 Y平移距離 0.000689597 Z平移距離 0.048377 X軸旋轉(zhuǎn)角度 0.074899 Y軸旋轉(zhuǎn)角度 344.468 Z軸旋轉(zhuǎn)角度 0.451081 左相機(jī) 右相機(jī) 焦距 0.00795893 0.00797875 畸變系數(shù) -108.81 -26.3191 像元尺寸（寬） 3.45957e-006 3.4533e-006 像元尺寸（高） 3.45e-006 3.45e-006 圖像中心坐標(biāo)y 1269.66 1287.27 圖像中心坐標(biāo)x 1030.05 1051.74 圖像長(zhǎng) 2448 2448 圖像寬 2050 2

13、050 誤差 0.13992 參考文獻(xiàn)： 1任洪娥,常穎麗,董本志.基于十字模板的特征點(diǎn)匹配方法J.計(jì)算機(jī)技術(shù)與應(yīng)用,2010,46(29):167-169 2費(fèi)俊琳,俞王新,王志中.一種改進(jìn)的基于模板匹配眼睛特征點(diǎn)定位算法J.計(jì)算機(jī)工程與應(yīng)用,2007,43(32):207-209 3邢向華,顧國(guó)華,基于模板匹配和特征點(diǎn)匹配相結(jié)合的快速車牌識(shí)別方法J.光電子技術(shù),2003,23(4):268-270 4王培容,龔衛(wèi)國(guó).基于模板匹配的裝配缺陷檢測(cè)算法研究J.計(jì)算機(jī)工程與應(yīng)用,2008,44(10):209-210 5林陸君,孫玲玲,李訓(xùn)根等.一種改進(jìn)的基于模板匹配的顯微細(xì)胞圖像拼接算法J.計(jì)算機(jī)應(yīng)用與軟件,2010,27(1):108-110