1. 研究目的与意义
随着科技的发展，越来越多的摄像图片和图像需要人们去处理。结合机器视觉和图像处理等理论来对图像物体相关参数的测量技术，十分适应当下的现实需求。当图像的处理时，是通过预处理、分割和特征提取来实现的然后实现分类。最重要的处理任务是特征提取。用于摄像测量场景或后期处理的图像将进行如下的处理：对图像进行预处理，然后进行分割，最后对图像进行棋盘点的提取。应用黑白棋盘点的标定可以更精准方便的测量出图像的参数。棋盘角格点作为一种特殊的角点在相机标定中具有广泛的应用，扮演着相当重要的角色。棋盘格图案被广泛地应用于相机标定，其决定着相机内外参标定的精度，因此提高棋盘格图像角点检测的精度是视觉测量领域重要的课题。
2. 课题关键问题和重难点
1.如何对角点进行初定位。对于角点的特点有：角点相邻象限像素的灰度差绝对值最大；角点对角象限像素的灰度差异最大；角点局部灰度值变化剧烈，具有最大的灰度梯度值。根据这三个特点对角点进行针对性的初定位。
2.局部非最大值抑制。对于角点的为避免在模糊角点附近产生多个候选角点这里引入边缘检测思想进行角点精确定位。通常真实的角点始终处于图像黑白框的边缘，采用非极大值抑制规则计算备选角点附近 x 与 y 向的灰度梯度;根据梯度值计算梯度向量幅值;局部梯度幅值最大点即为最终的角点像素。
3.亚像素点坐标。引入 Forstner 算子实现亚像素级的角点定位。
3. 国内外研究现状（文献综述）
棋盘格图案被广泛地应用于相机标定，其决定着相机内外参标定的精度，因此提高棋盘格图像角点检测的精度是视觉测量领域重要的课题。随着科技的发展有许多检测方法的出现。
第 1 类方法多采用黑白棋盘标定模板，对此实现棋盘角点检测最早的方法是 Harris 算法［1］，采用对局部灰度值的高斯梯度实现角点检测，当角点周围存在图像模糊时和对比度过低时会得到多个虚假角点，影响标定精度。文献［2］采用 2 次 Hough 变换实现黑白栅格直线拟合，并根据直线交点获取角点精确坐标。文献［3］ 采用旋转直角模板进行角点筛选，然后采用多次曲线拟合实现角点确定。这 2 种方法计算量大，难以实现在线标定需要高条件硬件。文献［4］提出对称方差检测算法 (SV 算子)，该方法仅采用角点附近 2 个象限的像素信息，但在实际使用中会产生错误角点。文献［5］提出一种改进的 SV 检测算子，采用平面到平面的变换实现角点初定位，基于区域能量中心概念来实现精确定位。其仿真结果表明，该算法会造成部分角点 丢失。文献［6］通过 Ｒadon 变换和黑白检测算子检测 4 个典型特征方向上像素灰度分布特征实现角点检测，当图像边缘存在畸变时其检测性能得不到保证。文献［7］采用 Hessian 矩阵算子进行角点初选，然后基于对称约束确定真实角点，该方法采用圆形检测模板使得有用像素总有一部分处于扇形边缘，模糊了检测边缘的范围，这会造成有用信息流失，进而影响检测精度。
第 2 类方法采用新的标定模板进行特征点检测。文献［8］在黑白棋盘四周增加了 4 条长宽比较大的长方形边界，基于参考图像和腐蚀算子检测长方形边界，在此基础上采用交比不变性原理实现角点定位。文献［9］在黑白棋盘中增加了 5 个沙漏状的图形，充分减小了立体投影后图像几何形状变化的影响。文献［10］提出一种以渐进圆形为特征的标定模板及相应的检测算法，结果显示标定精度相比黑白棋盘提高 20% 。这些方法多次采用曲线拟合计算量较大，此外其标定模板也仅适用于具体的应用。
4. 研究方案
（1）先考虑选择哪种滤波器去对图像进行处理。高斯滤波器和中值滤波器各有优点。高斯滤波器能够有效的抑制噪声，平滑图像。其作用原理和中值滤波器类似，都是取滤波器窗口内的像素的均值作为输出。但其窗口模板的系数和均值滤波器不同，中值滤波器的模板系数都是相同的为1，而高斯滤波器的模板系数则随着距离模板中心的增大而减小。所以，高斯滤波器相比于均值滤波器对图像个模糊程度较小。但最后还是需要实际使用后才能选出最优的滤波器。
5. 工作计划
2022-2023-1学期：
第15-16周：完成选题，查阅相关中英文资料，进行相关技术的学习。
第17周：与导师沟通进行课题总体规划。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
