專利名稱：一種基于Delaunay三角剖分的特征點(diǎn)坐標(biāo)自動(dòng)對(duì)應(yīng)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于機(jī)器視覺領(lǐng)域，涉及一種用于攝像機(jī)在線標(biāo)定過程中圓形陣列靶標(biāo)特征點(diǎn)坐標(biāo)的自動(dòng)對(duì)應(yīng)方法。特征點(diǎn)坐標(biāo)對(duì)應(yīng)指的是特征點(diǎn)像素坐標(biāo)與世界坐標(biāo)的對(duì)應(yīng)。
背景技術(shù)：
視覺定位因其非接觸、高精度、無損傷等優(yōu)點(diǎn)，在IC封裝設(shè)備上得到廣泛的應(yīng)用。攝像機(jī)標(biāo)定是視覺定位的重要環(huán)節(jié)之一，用于建立圖像坐標(biāo)系與世界坐標(biāo)系之間的聯(lián)系，校正各種線性、非線性圖像變形。目前，常用的標(biāo)定靶標(biāo)有棋盤格型與圓點(diǎn)陣列型。其中圓點(diǎn)陣列型靶標(biāo)采用圓形圖像區(qū)域中心點(diǎn)作為特征點(diǎn)，具有更高的標(biāo)定精度，在IC封裝設(shè)備上被廣泛應(yīng)用。靶標(biāo)特征點(diǎn)陣列分布且間距(世界坐標(biāo))已知，其世界坐標(biāo)容易得到，然而特征點(diǎn)像素提取順序往往與世界坐標(biāo)的順序不一致，為了實(shí)現(xiàn)標(biāo)定算法，必須保證標(biāo)定特征點(diǎn)的圖像坐標(biāo)與世界坐標(biāo)正確對(duì)應(yīng)。在拍攝標(biāo)定圖像時(shí)，現(xiàn)有方法大多采用人工調(diào)整調(diào)整 標(biāo)定板位置的方式使之放正以，并人工統(tǒng)計(jì)特征點(diǎn)網(wǎng)格的行列數(shù)。這違背了 IC封裝設(shè)備在線、全自動(dòng)的運(yùn)行要求，影響了設(shè)備的工作效率。另外，在特征點(diǎn)網(wǎng)格分布密集的情況下，人工統(tǒng)計(jì)特征點(diǎn)網(wǎng)格的行列數(shù)也極易出現(xiàn)錯(cuò)誤。因此，開發(fā)無需人工干預(yù)與人工統(tǒng)計(jì)、適應(yīng)IC封裝設(shè)備在線運(yùn)行要求的特征點(diǎn)坐標(biāo)對(duì)應(yīng)方法具有重要的理論意義和實(shí)用價(jià)值。針對(duì)攝像機(jī)在線標(biāo)定減少人工干預(yù)的需求，國內(nèi)外研究者提出了多種特征點(diǎn)坐標(biāo)的自動(dòng)對(duì)應(yīng)方法文獻(xiàn)“Fully automatic algorithm for region of interestlocation in camera calibration，，(Optical Engineering, 2002, 41 (6) : 1220-1226)提出一種基于RADON變換的智能感興趣圖像區(qū)域方法實(shí)現(xiàn)陣列圓點(diǎn)靶標(biāo)上特征點(diǎn)坐標(biāo)的自動(dòng)對(duì)應(yīng)，但它只能在拍攝傾角小、畸變(圖像非線性變形)小的前提下有效；文獻(xiàn)“Robust recognition or checkerboard pattern for camera calibration，， (OpticalEngineering, 2006, 45(9) : 1-9)與文章“基于圓點(diǎn)陣列祀標(biāo)的特征點(diǎn)自動(dòng)提取方法”(中國機(jī)械工程，2010，21 (16) : 1906-1910)提出的方法能夠適應(yīng)標(biāo)定板存在旋轉(zhuǎn)的情況，卻需要在祀標(biāo)圖像區(qū)域中加上特殊的三角標(biāo)記；Delaunay三角剖分是計(jì)算幾何理論中一種“使剖分三角形的最小角最大”的角度最優(yōu)三角剖分。設(shè)P為平面上的任一點(diǎn)集，則在P的每個(gè)Delaunay剖分三角形的外接圓的內(nèi)部，都不包含P中的任何一點(diǎn)。它常常被用于平面點(diǎn)集合的劃分，通過遍歷剖分三角形的端點(diǎn)，可以得到點(diǎn)集合中任一點(diǎn)的“附近點(diǎn)”信息° 文獻(xiàn)“Automatic Grid Finding in Calibration Patterns UsingDelaunay triangulation，，(Technical Report, NRC-46487/ERB-1104，National ResearchCouncil, Canada, August, 2003)首次引進(jìn)了 Delaunay三角剖分方法實(shí)現(xiàn)特征點(diǎn)坐標(biāo)的自動(dòng)對(duì)應(yīng)，但該方法只對(duì)棋盤格型標(biāo)定靶標(biāo)有效且依賴于三個(gè)標(biāo)記圓提供的方位信息。文獻(xiàn)“攝像機(jī)標(biāo)定中特征點(diǎn)的一種自動(dòng)對(duì)應(yīng)方法”(光電子·激光，2011，22(5) :736-739)提出的對(duì)應(yīng)方法基于Delaunay三角剖分，它允許特征點(diǎn)網(wǎng)格存在一定程度的殘缺，但仍需保證特征點(diǎn)網(wǎng)格外圍至少有一條邊是完整的。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種基于Delaunay三角剖分的特征點(diǎn)坐標(biāo)自動(dòng)對(duì)應(yīng)方法，該方法提出的特征點(diǎn)坐標(biāo)對(duì)應(yīng)方法使得攝像機(jī)標(biāo)定可以在無需人工干預(yù)的情況下自動(dòng)完成，簡化了攝像機(jī)標(biāo)定過程，滿足了 IC封裝設(shè)備對(duì)于攝像機(jī)在線標(biāo)定的需求。本發(fā)明提供的一種基于Delaunay三角剖分的特征點(diǎn)坐標(biāo)自動(dòng)對(duì)應(yīng)方法，其特征在于，該方法包括下述步驟第I步讀取標(biāo)定圖像I，再對(duì)其進(jìn)行二值分割，得到二值圖像I’ ；第2步對(duì)二值圖像I’進(jìn)行連通域分析，得到圖像區(qū)域集合N，計(jì)算每個(gè)圖像區(qū)域的面積值S ；第3步提取圖像區(qū)域集合N中每個(gè)圖像區(qū)域的輪廓點(diǎn)坐標(biāo)，并據(jù)此計(jì)算得到每個(gè)圖像區(qū)域的圓度值Λ R，及其半徑值R ;將AR與R帶入式2計(jì)算得到N中每個(gè)圖像區(qū)域的相對(duì)圓度值A(chǔ)r ;第4步在圖像區(qū)域集合N中篩選滿足“S在[SpS2]范圍內(nèi)且Ar < Ar?！钡膱D像區(qū)域，將得到的圖像區(qū)域組成有效特征點(diǎn)圖像區(qū)域集合凡，其中，Si、S2分別為預(yù)先設(shè)定的圖像區(qū)域面積高、低閾值，Artl為預(yù)先設(shè)定的圖像區(qū)域相對(duì)圓度閾值；第5步對(duì)有效特征點(diǎn)圖像區(qū)域集合凡中每個(gè)有效特征點(diǎn)圖像區(qū)域nei，i表示特征點(diǎn)序號(hào)，根據(jù)第3步提取的輪廓點(diǎn)坐標(biāo)通過擬合計(jì)算得到一個(gè)橢圓方程，由該方程參數(shù)計(jì)算得到的橢圓中心點(diǎn)即為圖像區(qū)域1^對(duì)應(yīng)的特征點(diǎn)Pi,其坐標(biāo)為(Xi，yi)；第6步設(shè)由所有特征點(diǎn)Pi組成的點(diǎn)集合為P，對(duì)P進(jìn)行Delaunay三角剖分，得到剖分三角形集合τ ；第7步對(duì)于剖分三角形集合τ中每個(gè)剖分三角形，按照公式η =min(| ω「90° |，| ω2_90° , | ω3_90° )計(jì)算剖分三角形的形狀偏差角η，其中，ω”ω2、ω3為剖分三角形的角度值；預(yù)先設(shè)定的形狀偏差角閾值Iltl，在剖分三角形集合τ中篩選滿足“Π ( 的三角形，得到有效剖分三角形集合\ ;第8步遍歷有效剖分三角形集合τ e中每個(gè)三角形的非最長邊，將其兩個(gè)端點(diǎn)的序號(hào)以及方向角分別加入到對(duì)方的四鄰域信息結(jié)構(gòu)體中，到遍歷結(jié)束時(shí)，可以建立特征點(diǎn)集合的四鄰域信息表；第9步查詢特征點(diǎn)集合的四鄰域信息表，任選一個(gè)四鄰域點(diǎn)完整的特征點(diǎn)Ptl作為種子點(diǎn)，四鄰域遞歸搜索遍歷特征點(diǎn)集合；在遍歷過程中，確定每一層遞歸當(dāng)前點(diǎn)Pk相對(duì)于種子點(diǎn)Po的特征點(diǎn)網(wǎng)格坐標(biāo)(rk, Ck), k表示遞歸層數(shù),到遍歷結(jié)束時(shí)得到特征點(diǎn)集合中每個(gè)特征點(diǎn)Pi的相對(duì)網(wǎng)格坐標(biāo)(r” Ci)；第10步找到特征點(diǎn)集合P中所有特征點(diǎn)相對(duì)網(wǎng)格坐標(biāo)的行坐標(biāo)最小值rmin=min Cri)與列坐標(biāo)最小值cmin=min (Ci),計(jì)算每個(gè)特征點(diǎn)Pi的世界坐標(biāo)(Xi, Yi),
\X. =Lx(c -c .)^ 1
[Yi= Lxirj-TimJ其中，L為特征點(diǎn)間距的世界坐標(biāo)值。將每個(gè)特征點(diǎn)Pi的像素坐標(biāo)(Xi，Yi)與世界坐標(biāo)(XpYi) —一對(duì)應(yīng)，完成特征點(diǎn)坐標(biāo)的對(duì)應(yīng)。本發(fā)明可應(yīng)用于IC封裝設(shè)備在線標(biāo)定過程中圓形陣列靶標(biāo)特征點(diǎn)坐標(biāo)自動(dòng)對(duì)應(yīng)。在IC封裝設(shè)備的在線標(biāo)定過程中，標(biāo)定板是由機(jī)器自動(dòng)放置的，由于特征點(diǎn)的間距往往很小(一般不超過3mm)，這樣一來很容易導(dǎo)致部分特征點(diǎn)圖像區(qū)域被遮擋形成殘缺的情況發(fā)生，當(dāng)遮擋發(fā)展到特征點(diǎn)網(wǎng)格外圍沒有一條邊是完整的時(shí)候，背景技術(shù)提到的方法就不再適用。另外，背景技術(shù)提到的方法還需要人工統(tǒng)計(jì)特征點(diǎn)網(wǎng)格的行列數(shù)，這不僅違背了設(shè)備自動(dòng)化運(yùn)行的要求而且也極易出錯(cuò)。本發(fā)明提供的A⑶T(Automatic Correspondencebased on Delaunay Triangulation)方法在繼承以前方法優(yōu)點(diǎn)的前提下著力解決了上述的問題，無需任何人工干預(yù)即可實(shí)現(xiàn)特征點(diǎn)坐標(biāo)的對(duì)應(yīng)。當(dāng)因?yàn)闃?biāo)定板定位誤差出現(xiàn)特征點(diǎn)網(wǎng)格的旋轉(zhuǎn)、殘缺問題時(shí)，ACDT方法仍可正常發(fā)揮功能，另外，該方法對(duì)于不超過一般測量用鏡頭畸變最高要求(不超過1%)的畸變不敏感。本發(fā)明提出的特征點(diǎn)坐標(biāo)對(duì)應(yīng)方法使得攝像機(jī)標(biāo)定可以在無需人工干預(yù)與人工統(tǒng)計(jì)的情況下自動(dòng)完成，簡化了攝像機(jī)標(biāo)定過程，滿足了 IC封裝設(shè)備對(duì)于攝像機(jī)在線標(biāo)定的需求；由于利用了特征點(diǎn)集的陣列分布特點(diǎn)與局部抗畸變性質(zhì)，該方法對(duì)于畸變、拍攝傾角不敏感，在特征點(diǎn)網(wǎng)格存在由靶標(biāo)旋轉(zhuǎn)、平移造成的遮擋缺陷時(shí)仍然可以正常發(fā)揮功能； 相比于背景技術(shù)里提到的兩種同樣基于Delaunay三角剖分的特征點(diǎn)對(duì)應(yīng)方法，本發(fā)明提出ACDT方法不依賴于標(biāo)記圓提供的方位信息，無需人工統(tǒng)計(jì)特征點(diǎn)網(wǎng)格個(gè)數(shù)，并且在遮擋很嚴(yán)重(特征點(diǎn)網(wǎng)格外圍沒有一條邊是完整的)的情況下仍然可以正常工作，適應(yīng)性、魯棒性更好。


圖I表示A⑶T方法的流程圖。圖2(a)表示標(biāo)定圖像，圖2(b)表示經(jīng)過篩選得到的有效特征點(diǎn)圖像區(qū)域。圖3表示本發(fā)明實(shí)例提出的有效特征點(diǎn)圖像區(qū)域篩選算法的流程圖。圖4(a)表示特征點(diǎn)集的Delaunay三角剖分結(jié)果，圖4(b)表示有效剖分三角形，圖4(c)表示有效剖分三角形的非最長邊。圖5表示本發(fā)明實(shí)例提出的特征點(diǎn)網(wǎng)格四鄰域信息表建立算法的流程圖。圖6表示選取10號(hào)點(diǎn)作為種子點(diǎn)，四鄰域遞歸遍歷特征點(diǎn)集合的路徑。
具體實(shí)施例方式本發(fā)明利用特征點(diǎn)集合Delaunay剖分三角形的性質(zhì)得到各點(diǎn)的鄰域點(diǎn)信息，并利用特征點(diǎn)網(wǎng)格的局部抗畸變性質(zhì)四鄰域遞歸搜索遍歷特征點(diǎn)集合，確定各點(diǎn)在特征點(diǎn)網(wǎng)格上所處的位置。本發(fā)明聯(lián)合圖像區(qū)域面積與圖像區(qū)域相對(duì)圓度兩個(gè)條件進(jìn)行有效特征點(diǎn)圖像區(qū)域的篩選。其中，圖像區(qū)域面積可近似等于組成該圖像區(qū)域的像素點(diǎn)個(gè)數(shù)，圖像區(qū)域相對(duì)圓度可以根據(jù)GB1598-80《形狀和位置公差檢測規(guī)定》中關(guān)于圓度評(píng)定的最小圖像區(qū)域圓模型計(jì)算得到。現(xiàn)有的類似方法大多只通過圖像區(qū)域面積進(jìn)行篩選，另外一些加入了簡單的形狀判斷，相同條件下的篩選效果不如本方法精確。本發(fā)明利用特征點(diǎn)與圖像像素點(diǎn)共同的陣列分布特點(diǎn)，將常用于圖像連通域分析的四鄰域遞歸搜索遍歷算法應(yīng)用于特征點(diǎn)集合的遍歷，并在遍歷過程中根據(jù)搜索路徑確定每個(gè)特征點(diǎn)相對(duì)于種子點(diǎn)的位置。
本發(fā)明利用特征點(diǎn)網(wǎng)格的局部抗畸變性，確定當(dāng)前點(diǎn)局部行列方向角與當(dāng)前點(diǎn)四鄰域點(diǎn)位置。特征點(diǎn)網(wǎng)格的局部抗畸變性設(shè)特征點(diǎn)網(wǎng)格ξ中一點(diǎn)Pi (i表示特征點(diǎn)序號(hào))與其四鄰域點(diǎn)Pn、Pi2、Pi3、Pi4構(gòu)成的向量了瓦、可、羽;中相鄰向量間的夾角分別為ail2、ai23、ai34、a i41，按照式I定義特怔點(diǎn)網(wǎng)格ξ的最大畸變角β_。仿真實(shí)驗(yàn)與應(yīng)用實(shí)踐證明，在圖像畸變不超過測量用圖像采集系統(tǒng)最高要求(不大于1%)的情況下，可以保持在一個(gè)較小的范圍(不超過10° )內(nèi)，這種性質(zhì)稱作特征點(diǎn)網(wǎng)格的局部抗畸變性。^max=Kiax(I a il2-90° |，|ai23_90。|，|ai34_90。, | a i41-90° ) 式 I
如圖I所示，本發(fā)明方法的具體步驟包括第I步讀取標(biāo)定圖像I，用二值分割法(如OSTU自適應(yīng)閾值分割方法等)分割I(lǐng)，得到二值圖像I’ ;第2步對(duì)圖像I’進(jìn)行連通域(Blob)分析得到圖像區(qū)域集合N，計(jì)算每個(gè)圖像區(qū)域的面積值S。第3步使用輪廓提取算法(如八鄰域跟蹤算法等)提取圖像區(qū)域集合N中每個(gè)圖像區(qū)域的輪廓點(diǎn)，并據(jù)此計(jì)算得到每個(gè)圖像區(qū)域的圓度值A(chǔ)R，及其半徑值R。將AR與R帶入式2計(jì)算得到N中每個(gè)圖像區(qū)域的相對(duì)圓度值A(chǔ)r。Ar = ^式 2計(jì)算圓度值Λ R以及半徑值R可以根據(jù)GB1598-80《形狀和位置公差-檢測規(guī)定》中關(guān)于圓度評(píng)定的最小圖像區(qū)域圓法，也可以采用其它圓度建模計(jì)算方法，如最小二乘圓法、最小外接圓法、最小內(nèi)切圓法等。第4步，在圖像區(qū)域集合N中篩選滿足“S在[S^S2]范圍內(nèi)且Ar< Ar?！钡膱D像區(qū)域，將得到的圖像區(qū)域組成有效特征點(diǎn)圖像區(qū)域集合凡。圖像區(qū)域面積高、低閾值SpS2以及圖像區(qū)域相對(duì)圓度閾值A(chǔ)rtl可以根據(jù)標(biāo)定板的成像實(shí)際情況設(shè)定，Si、S2 —般分別取預(yù)估計(jì)特征點(diǎn)圖像區(qū)域面積值得I. 2倍與O. 8倍，Ar0的取值范圍一般在O. 05到O. 3之間。第5步對(duì)凡中每個(gè)有效特征點(diǎn)圖像區(qū)域nei (i表示特征點(diǎn)序號(hào))，根據(jù)其輪廓點(diǎn)坐標(biāo)(第3步中提取得到)通過擬合計(jì)算(如最小二乘法)得到一個(gè)橢圓方程，由該方程參數(shù)計(jì)算得到的橢圓中心點(diǎn)即為圖像區(qū)域1^對(duì)應(yīng)的特征點(diǎn)Pi,其圖像坐標(biāo)為(Xi，Yi)。第6步設(shè)由所有特征點(diǎn)Pi組成的點(diǎn)集合為P，對(duì)P進(jìn)行Delaunay三角剖分，得到剖分三角形集合τ。第7步設(shè)定形狀偏差角閾值Iltl(取值范圍一般在15° 25° )，按照式3計(jì)算τ中每個(gè)剖分三角形的形狀偏差角η，在剖分三角形集合τ中篩選滿足“η ( 的三角形，得到有效剖分三角形集合、，其中，“”“”(03為剖分三角形的角度值；η = min (| ω -90。I，I ω 2_90。I，I ω 3_90。丨) 式 3第8步遍歷有效剖分三角形集合τ e中每個(gè)三角形的非最長邊，對(duì)每條邊的兩個(gè)端點(diǎn)Qp Q2進(jìn)行如下操作將Q1的點(diǎn)序號(hào)以及方向角加入到Q2的四鄰域信息結(jié)構(gòu)體，并將Q2的點(diǎn)序號(hào)以及方向角加入到Q1的四鄰域信息結(jié)構(gòu)體。到遍歷結(jié)束時(shí)，可以建立特征點(diǎn)網(wǎng)格(即特征點(diǎn)集合P)的四鄰域信息表。
四鄰域信息表是一個(gè)自定義類型的結(jié)構(gòu)體數(shù)組，結(jié)構(gòu)體在數(shù)組中的索引序號(hào)表示了其所代表的特征點(diǎn)序號(hào)，其中四個(gè)long型變量記錄了當(dāng)前索引序號(hào)對(duì)應(yīng)的點(diǎn)的四鄰域點(diǎn)序號(hào)，另外四個(gè)double型變量記錄了各四鄰域點(diǎn)對(duì)應(yīng)的方向角。第9步查詢特征點(diǎn)網(wǎng)格的四鄰域信息表，任選一個(gè)四鄰域點(diǎn)完整的特征點(diǎn)Ptl作為種子點(diǎn)，四鄰域遞歸搜索遍歷特征點(diǎn)集。在遍歷過程中，確定每一層遞歸當(dāng)前點(diǎn)Pk (k表示遞歸層數(shù))相對(duì)于種子點(diǎn)Ptl的特征點(diǎn)網(wǎng)格坐標(biāo)(rk，ck)(后面簡稱“相對(duì)網(wǎng)格坐標(biāo)”)。到遍歷結(jié)束時(shí)，可以得到特征點(diǎn)集合中每個(gè)特征點(diǎn)Pi的相對(duì)網(wǎng)格坐標(biāo)(r” Ci)。四鄰域遞歸搜索遍歷的具體方法如下(9. I)計(jì)算第k層遞歸當(dāng)前點(diǎn)Pk的局部行列方向角當(dāng)k=0時(shí)，規(guī)定種子點(diǎn)的局部行正、列正、行負(fù)、列負(fù)方向角δοκ+、50C+> δ0Ε_, δ%_分別為0°、90°、180°、270°。當(dāng)k> O時(shí)，設(shè)從第k-1層遞歸當(dāng)前點(diǎn)Pk到Pk的向量U與水平向右方向的夾角為Y，根據(jù)Pk相對(duì)Plri所處的位置，按照式4計(jì)算Pk的局部行列方向角SkK+、δκ+、SkK_、δκ_，并將它們歸一化到(Γ360°的范圍內(nèi)。
權(quán)利要求
1.一種基于Delaunay三角剖分的特征點(diǎn)坐標(biāo)自動(dòng)對(duì)應(yīng)方法，其特征在于，該方法包括下述步驟 第I步讀取標(biāo)定圖像I，再對(duì)其進(jìn)行二值分割，得到二值圖像I’ ; 第2步對(duì)二值圖像I’進(jìn)行連通域分析，得到圖像區(qū)域集合N，計(jì)算每個(gè)圖像區(qū)域的面積值S ； 第3步提取圖像區(qū)域集合N中每個(gè)圖像區(qū)域的輪廓點(diǎn)坐標(biāo)，并據(jù)此計(jì)算得到每個(gè)圖像區(qū)域的圓度值Λ R，及其半徑值R ;將AR與R帶入式2計(jì)算得到N中每個(gè)圖像區(qū)域的相對(duì)圓度值A(chǔ)r ； 第4步在圖像區(qū)域集合N中篩選滿足“S在[S1, S2]范圍內(nèi)且ΛΓ< ΛΓ(Ι”的圖像區(qū)域，將得到的圖像區(qū)域組成有效特征點(diǎn)圖像區(qū)域集合凡，其中，SpS2分別為預(yù)先設(shè)定的圖像區(qū)域面積高、低閾值，Artl為預(yù)先設(shè)定的圖像區(qū)域相對(duì)圓度閾值； 第5步對(duì)有效特征點(diǎn)圖像區(qū)域集合凡中每個(gè)有效特征點(diǎn)圖像區(qū)域nei，i表示特征點(diǎn)序號(hào)，根據(jù)第3步提取的輪廓點(diǎn)坐標(biāo)通過擬合計(jì)算得到一個(gè)橢圓方程，由該方程參數(shù)計(jì)算得到的橢圓中心點(diǎn)即為圖像區(qū)域nei對(duì)應(yīng)的特征點(diǎn)Pi,其坐標(biāo)為(Xi，yi)； 第6步設(shè)由所有特征點(diǎn)Pi組成的點(diǎn)集合為P，對(duì)P進(jìn)行Delaunay三角剖分，得到剖分三角形集合τ ； 第7步對(duì)于剖分三角形集合τ中每個(gè)剖分三角形，按照公式η =min(| ω「90° |，| ω2_90° , | ω3_90° )計(jì)算剖分三角形的形狀偏差角η，其中，ω”ω2、ω3為剖分三角形的角度值；預(yù)先設(shè)定的形狀偏差角閾值Iltl，在剖分三角形集合τ中篩選滿足“Π ( 的三角形，得到有效剖分三角形集合\ ; 第8步遍歷有效剖分三角形集合\中每個(gè)三角形的非最長邊，將其兩個(gè)端點(diǎn)的序號(hào)以及方向角分別加入到對(duì)方的四鄰域信息結(jié)構(gòu)體中，到遍歷結(jié)束時(shí)，可以建立特征點(diǎn)集合的四鄰域信息表； 第9步查詢特征點(diǎn)集合的四鄰域信息表，任選一個(gè)四鄰域點(diǎn)完整的特征點(diǎn)Ptl作為種子點(diǎn)，四鄰域遞歸搜索遍歷特征點(diǎn)集合；在遍歷過程中，確定每一層遞歸當(dāng)前點(diǎn)Pk相對(duì)于種子點(diǎn)Po的特征點(diǎn)網(wǎng)格坐標(biāo)(rk, Ck), k表示遞歸層數(shù),到遍歷結(jié)束時(shí)得到特征點(diǎn)集合中每個(gè)特征點(diǎn)Pi的相對(duì)網(wǎng)格坐標(biāo)Cri, Ci)； 第10步找到特征點(diǎn)集合P中所有特征點(diǎn)相對(duì)網(wǎng)格坐標(biāo)的行坐標(biāo)最小值與列坐標(biāo)最小值cmin=min (Ci),計(jì)算每個(gè)特征點(diǎn)Pi的世界坐標(biāo)(Xi, Yi)，
2.—種權(quán)利要求I所述特征點(diǎn)坐標(biāo)自動(dòng)對(duì)應(yīng)方法，其特征在于，第8步中，所述四鄰域信息結(jié)構(gòu)體在數(shù)組中的索引序號(hào)表示所代表的特征點(diǎn)序號(hào)，其中四個(gè)long型變量記錄當(dāng)前索引序號(hào)對(duì)應(yīng)的點(diǎn)的四鄰域點(diǎn)序號(hào)，另外四個(gè)double型變量記錄各四鄰域點(diǎn)對(duì)應(yīng)的方向角。
3.—種權(quán)利要求I所述特征點(diǎn)坐標(biāo)自動(dòng)對(duì)應(yīng)方法，其特征在于，第9步，所述特征點(diǎn)集合四鄰域遞歸搜索遍歷方法的具體過程為 (9. I)計(jì)算第k層遞歸當(dāng)前點(diǎn)Pk的局部行列方向角當(dāng)k=0時(shí)，規(guī)定種子點(diǎn)的局部行正、列正、行負(fù)、列負(fù)方向角 δΜ+、δ。。+、δΜ_、δ%_ 分別為 O。、90°、180°、270° ;ik>0時(shí)，設(shè)從第k-1層遞歸當(dāng)前點(diǎn)Plri到Pk的向量U與水平向右方向的夾角為Y，根據(jù)Pk相對(duì)Plri所處的位置，按照式I計(jì)算Pk的局部行列方向角δ kK+、δ κ+、δ kK_、δ kc_,并將它們歸一化到(Γ360°的范圍內(nèi)；
全文摘要
本發(fā)明屬于機(jī)器視覺領(lǐng)域，具體為一種基于Delaunay三角剖分的特征點(diǎn)坐標(biāo)自動(dòng)對(duì)應(yīng)方法。該方法包括以下步驟(1)二值分割，篩選有效特征點(diǎn)圖像區(qū)域；(2)最小二乘橢圓擬合計(jì)算特征點(diǎn)的像素坐標(biāo)；(3)對(duì)特征點(diǎn)集進(jìn)行Delaunay三角剖分；(4)篩選有效剖分三角形；(5)遍歷有效剖分三角形的非最長邊，建立特征點(diǎn)集合的四鄰域信息表；(6)查詢四鄰域信息表，四鄰域遞歸搜索遍歷特征點(diǎn)集合，在遍歷過程中計(jì)算每個(gè)特征點(diǎn)的世界坐標(biāo)，完成其像素坐標(biāo)與世界坐標(biāo)的對(duì)應(yīng)。當(dāng)圖像存在拍攝傾角、畸變以及特征點(diǎn)缺失時(shí)，本發(fā)明提出的方法仍可有效運(yùn)行，特別適合IC封裝視覺定位系統(tǒng)的在線標(biāo)定。
文檔編號(hào)G06T7/00GK102779340SQ20121019295
公開日2012年11月14日 申請(qǐng)日期2012年6月12日 優(yōu)先權(quán)日2012年6月12日
發(fā)明者周莉萍, 尹周平, 徐侃, 李文龍, 王瑜輝 申請(qǐng)人:華中科技大學(xué)