【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种基于图像纹理的棋盘格角点检测方法及系统。
技术介绍
1、自动驾驶是如今汽车控制
的重要一环。在研发自动驾驶技术时，最常用的输入量是图像数据。而为了得到该图像数据，就需要针对摄像头所采集的数据进行二次开发。这其中很重要的一种运用是单摄像头的测距。
2、在进行摄像头测距之前，开发人员需要对摄像头进行安装和内、外参的标定。在标定过程中需要对棋盘格上的角点进行提取。在现有技术中，常用的提取方法例如opencv中的棋盘格检测api、使用棋盘格的x光图像等均存在对应的技术缺陷。例如，opencv中，棋盘格检测api会对原始图像进行图像处理使得棋盘格上的黑白方块分离再还原，该过程会改变原始图像的像素分布，会产生误差。而对于没有条件使用x光设备的工程师而言，此类方法具有很高的限制。
3、[cn202110762788.x]该专利技术提供了一种棋盘格角点检测方法及装置，包括：获取棋盘格标定板的x光图像，并进行标注；然后输入至神经网络检测模型进行检测，确定棋盘格角点所在区域的图像和与所述棋盘格角点所在区域对应的第一坐标；基于所述棋盘格角点所在区域的图像，采用直线检测算法确定在棋盘格角点所在区域的图像中所述棋盘格角点的第二坐标；根据与所述棋盘格角点所在区域对应的第一坐标和在棋盘格角点所在区域的图像中所述棋盘格角点的第二坐标确定棋盘格角点坐标。该专利技术在检测比较模糊的棋盘格图像时误差较小，从而提高了检测精度；同时本专利技术具有减少计算量、计算精度高的优势。该方法需要工作人员具备x光设备
4、[cn202210665983.5]本专利技术公开了一种棋盘格角点自动检测排序方法、装置及存储介质；其包括：获取棋盘格灰度图像，利用geiger角点检测模板提取所述灰度图像中的像素级候选角点；对所述候选角点进行角点数目细化，从而过滤掉所述候选角点中的伪角点，将过滤后保留的候选角点确定为所述棋盘格角点；对所述棋盘格角点进行亚像素定位后得到亚像素角点；通过最小凸包排列原理从所述亚像素角点中提取出棋盘格四极点；根据所述棋盘格四极点之间的间隔距离确定棋盘格的起始点；基于所述棋盘格的起始点，利用棋盘格四极点之间的方向向量完成棋盘格角点排序。本专利技术在光照变化、图像旋转和图像畸变等条件下，仍能检测出所有有效角点的精确位置，提高了棋盘格角点检测精度。该专利技术使用了opencv中的geiger角点检测模板，并且涉及到了亚像素角点的检测，该专利技术的检测速度较慢。
技术实现思路
1、本专利技术的目的之一在于提供一种基于图像纹理的棋盘格角点检测方法及系统，以解决现有技术中常用的棋盘格点提取方法的提取精度较差的技术问题。
2、为了实现上述目的，本专利技术提供一种基于图像纹理的棋盘格角点检测方法，包括：
3、获取待检测的图像；
4、将所述图像转换为灰度图像；
5、在所述灰度图像中投影网格，以得到网格区域；
6、确定所述网格区域中每个网格边界上的灰度跳变点；
7、根据所述灰度跳变点确定棋盘格角点。
8、可选地：将所述图像转换为灰度图像，包括：
9、遍历所述图像上的每个像素点，分别根据所述像素点的像素通道进行加权计算，以得到所述灰度图像上对应的像素点。
10、可选地：所述像素通道包括红色通道、绿色通道和蓝色通道中的至少两者。
11、可选地：确定所述网格区域中每个网格边界上的灰度跳变点，包括：
12、沿着所述网格边界，分别计算相邻的两个像素元之间的灰度差，其中，所述像素元包括至少一个像素点；
13、判断所述灰度差是否大于或等于预设的灰度阈值；
14、在判断所述灰度差大于或等于所述灰度阈值的情况下，确定两个所述像素元的交点为所述灰度跳变点。
15、可选地：根据所述灰度跳变点确定棋盘格角点，包括：
16、遍历所述网格区域中的每个网格，确定所述同一个网格的网格边界上的灰度跳变点的数量；
17、判断所述同一个网格的网格边界上的灰度跳变点的数量是否均大于或等于预设的第一数量阈值；
18、在判断同一个网格的网格边界上的灰度跳变点的数量均大于或等于预设的第一数量阈值的情况下，确定所述网格内存在棋盘格角点；
19、在存在棋盘格角点的所述网格中，连接相对边界上的灰度跳变点，以得到对应的直线段；
20、将所述直线段的交点作为所述棋盘格角点。
21、可选地：连接相对边界上的灰度跳变点，包括：
22、判断同一个网格的相对的网格边界上的灰度跳变点是否均大于或等于预设的第二数量阈值；
23、在判断同一个网格的相对的网格边界上的灰度跳变点均大于或等于预设的第二数量阈值的情况下，按照网格边界上依次排布的顺序，连接相对所述网格边界上的灰度跳变点，以得到对应的多个直线段。
24、可选地：在所述灰度图像中投影网格，以得到网格区域，包括：
25、采用预设的多个尺寸的网格投影所述灰度图像，以得到多个网格区域；
26、确定所述网格区域中每个网格边界上的灰度跳变点，包括：
27、分别确定每个所述网格区域中每个网格边界上的灰度跳变点；
28、根据所述灰度跳变点确定棋盘格角点，包括：
29、分别确定每个所述网格区域上的棋盘格角点，以作为待聚类格角点；
30、所述检测方法包括：
31、采用预设的聚类方法聚类所述待聚类格角点，以得到所述棋盘格角点。
32、可选地：所述聚类方法包括基于密度的聚类算法。
33、可选地：采用预设的聚类方法聚类所述待聚类格角点，以得到所述棋盘格角点，包括：
34、聚类所述待聚类格角点以得到多个聚类簇；
35、分别判断每个所述聚类簇的点数量是否大于或等于预设值；
36、在判断所述点数量大于或等于所述预设值的情况下，将所述聚类簇作为所述棋盘格角点。
37、可选地：采用预设的聚类方法聚类所述待聚类格角点，以得到所述棋盘格角点，包括：
38、在判断所述点数量小于所述预设值的情况下，将所述聚类簇作为误判点。
39、另一方面，本专利技术还提供一种基于图像纹理的棋盘格角点检测系统，所述检测系统包括处理器，所述处理器用于执行如上述任一所述的检测方法。
40、再一方面，本专利技术还提供一种基于图像纹理的棋盘格角点检测系统，所述检测系统包括：
41、输入模块，用于获取待检测的图像，并将所述图像转换为灰度图像；
42、角点检测模块，用于在所述灰度图像中投影网格，以得到网格区域，并确定所述网格区域中每个网格边界上的灰度跳变点；
43、输出模块，用于根据所述灰度跳变点确定棋盘格角点。
44、可选地：所述输入模块用于遍历所述图像上的每个像素点，分别根据本文档来自技高网...
【技术保护点】
1.一种基于图像纹理的棋盘格角点检测方法，其特征在于：所述检测方法包括：
2.根据权利要求1所述的检测方法，其特征在于：将所述图像转换为灰度图像，包括：
3.根据权利要求2所述的检测方法，其特征在于：所述像素通道包括红色通道、绿色通道和蓝色通道中的至少两者。
4.根据权利要求1所述的检测方法，其特征在于：确定所述网格区域中每个网格边界上的灰度跳变点，包括：
5.根据权利要求1所述的检测方法，其特征在于：根据所述灰度跳变点确定棋盘格角点，包括：
6.根据权利要求5所述的检测方法，其特征在于：连接相对边界上的灰度跳变点，包括：
7.根据权利要求1所述的检测方法，其特征在于：在所述灰度图像中投影网格，以得到网格区域，包括：
8.根据权利要求7所述的检测方法，其特征在于：所述聚类方法包括基于密度的聚类算法。
9.根据权利要求7所述的检测方法，其特征在于：采用预设的聚类方法聚类所述待聚类格角点，以得到所述棋盘格角点，包括：
10.根据权利要求9所述的检测方法，其特征在于：采用预设的聚
11.一种基于图像纹理的棋盘格角点检测系统，其特征在于：所述检测系统包括处理器，所述处理器用于执行如权利要求1至10任一所述的检测方法。
12.一种基于图像纹理的棋盘格角点检测系统，其特征在于：所述检测系统包括：
13.根据权利要求12所述的检测系统，其特征在于：所述输入模块用于遍历所述图像上的每个像素点，分别根据所述像素点的像素通道进行加权计算，以得到所述灰度图像上对应的像素点。
14.根据权利要求13所述的检测系统，其特征在于：所述像素通道包括红色通道、绿色通道和蓝色通道中的至少两者。
15.根据权利要求12所述的检测系统，其特征在于：所述角点检测模块用于：
16.根据权利要求12所述的检测系统，其特征在于：所述输出模块用于：
17.根据权利要求16所述的检测系统，其特征在于：所述输出模块用于：
18.根据权利要求12所述的检测系统，其特征在于：所述角点检测模块用于：
19.根据权利要求18所述的检测系统，其特征在于：所述聚类方法包括基于密度的聚类算法。
20.根据权利要求18所述的检测系统，其特征在于：所述输出模块用于：
21.根据权利要求20所述的检测系统，其特征在于：所述输出模块用于：
22.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如权利要求1至10任一所述的检测方法。
...【技术特征摘要】
1.一种基于图像纹理的棋盘格角点检测方法，其特征在于：所述检测方法包括：
2.根据权利要求1所述的检测方法，其特征在于：将所述图像转换为灰度图像，包括：
3.根据权利要求2所述的检测方法，其特征在于：所述像素通道包括红色通道、绿色通道和蓝色通道中的至少两者。
4.根据权利要求1所述的检测方法，其特征在于：确定所述网格区域中每个网格边界上的灰度跳变点，包括：
5.根据权利要求1所述的检测方法，其特征在于：根据所述灰度跳变点确定棋盘格角点，包括：
6.根据权利要求5所述的检测方法，其特征在于：连接相对边界上的灰度跳变点，包括：
7.根据权利要求1所述的检测方法，其特征在于：在所述灰度图像中投影网格，以得到网格区域，包括：
8.根据权利要求7所述的检测方法，其特征在于：所述聚类方法包括基于密度的聚类算法。
9.根据权利要求7所述的检测方法，其特征在于：采用预设的聚类方法聚类所述待聚类格角点，以得到所述棋盘格角点，包括：
10.根据权利要求9所述的检测方法，其特征在于：采用预设的聚类方法聚类所述待聚类格角点，以得到所述棋盘格角点，包括：
11.一种基于图像纹理的棋盘格角点检测系统，其特征在于：所述检测系统包括处理器，所述处理器用于执行如权利要求1至10任...
【专利技术属性】
技术研发人员：杨志杰，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。