机器视觉学习笔记(2)--如何检测圆点标定板
摄像机标定常用的标定板除了棋盘格，还有圆点标定板，圆点标定板如图1所示。
图1：圆点标定板
众所周知的是，OpenCV和Matlab没有现成的圆点标定板的检测算法，只有Halcon有该检测算子，遗憾的是，Halcon是商业软件，而且不开源。
为此，小编自己实现了一个稳定性高，可靠性好的算法，分享给各位爱好机器视觉的朋友，圆点检测算法包含以下几个步骤：
1. 阈值化，可以用Otsu阈值化方法或局部平均自适应阈值化方法。这里用了Otsu算法，效果如图2所示。
图2：Otsu阈值化
2. 定位，找出圆点阵的感兴趣区域，由图可知，感兴趣区域可以通过找四边形的外边框或五边形的内边框，四边形不能确定圆点排序关系，因此使用五边形。
查找轮廓，多边形拟合，去除非五边形轮廓，将边角的长度远小于其他边长作为重要约束，结合面积和角度约束，去除干扰性的五边形。将检测到的五边形显示在原图上，如图3所示。
图3：定位
3. 变换平面，透视变换可以将平面转换到任意方位，如果我们把圆点标定板由倾斜变成正对着，那么圆点标定板的像素与物理关系就可以对应上，检测圆点就相当容易了。透视变换至少要4个点，而我们有了五边形5个点，已经足够了，但由于我们一般知道内边框大小，而边角长度一般不给出，因此我们需要求边角两边长的延展线的交点来形成四边形，结果如图4所示。
图4：四边形
将四边形透视变换成正四边形，如图5所示。
图5：正边形
4. 找出透视变换中的圆点中心坐标，根据实际位置和图像位置的比例关系，可以直接得到理想圆点中心位置，效果如图6所示。
图6：理想圆点中心点
从图中可以看出，由于畸变的影响，实际的中心点有了小的偏移，因此需要检测准确的实际中心点，这里不需要采用圆形检测和椭圆检测的方法，只需要用简单的重心法即可。由于实际点偏离理想点较小，可通过理想点选取包含圆点的ROI，用重心法求取中心点，效果图如图7所示。
图7：ROI圆点
求出所有点后，效果如图8所示。
图8：实际圆点中心点
5. 反透视变换，将所有圆点中心点反透视变换，即可完成最终的圆点检测。
-
图9：圆点检测
听完小编的解说，是不是觉得圆点标定板的检测也挺简单的呢，那就动起手来，也实现一下吧。