全景视频实时拼接技术研究与实现

本文研究了全景视频实时拼接技术,通过全志T5处理器和TP2854视频采集芯片,结合SURF和FLANN算法进行图像匹配和融合,实现无拼缝全景视频。文章介绍了硬件组成、视频拼接原理,以及图像融合算法的改进,提升了视频拼接的实时性和图像质量。
摘要由CSDN通过智能技术生成

【摘  要】随着无人领域的不断发展,对于无人机、无人车、汽车辅助驾驶等操控者来说,需要通过无死角的全景视频进行操作,否则无法掌握无人设备完整的视野情况。通过TP2854视频数据转换芯片将AHD摄像头捕捉多路模拟视频数据转换为数字信号给处理器,再通过SURF算法和FLANN算法进行图像的特征点检测与向量计算、图像匹配、单应性矩阵计算和图像融合,最终将融合的图片数据编码和推流,实现全景视频的拼接。重点对图像融合算法不断改进,实现全景图像无拼缝、无阴影的效果。

【关键词】视频采集;图像匹配;图像融合;全景拼接

0   引言

全景视频拼接系统利用多个固定摄像机从不同视角对同一场景进行拍摄,根据图像间的相关性,通过视频图像拼接技术产生比单个图像具有更宽视野的图像。这项技术的应用场景也越来越广泛,不仅应用在军用的无人领域,在汽车辅助驾驶系统中的使用显得亦尤为重要。在机动车数量飞速增长的同时,城市的交通道路系统发展却相对滞后,造成城市交通情况急剧恶化,由此引发的交通事故逐年增加[1]。对于在大城市驾车的车主,引发交通事故的原因有很大一部分是驾驶的车辆存在视觉盲区,驾驶员不能准确判断车与车之间的距离[2]。近几年来,随着视频编码技术以及车载整体设备性能的不断提高,为车辆提供鸟瞰全景视频功能的辅助驾驶系统,已然成为绝大

压缩包中包含的具体内容: 对给定数据中的6个不同场景图像,进行全景拼接操作,具体要求如下: (1) 寻找关键点,获取关键点的位置和尺度信息(DoG检测子已由KeypointDetect文件夹中的detect_features_DoG.m文件实现;请参照该算子,自行编写程序实现Harris-Laplacian检测子)。 (2) 在每一幅图像中,对每个关键点提取待拼接图像的SIFT描述子(编辑SIFTDescriptor.m文件实现该操作,运行EvaluateSIFTDescriptor.m文件检查实现结果)。 (3) 比较来自两幅不同图像的SIFT描述子,寻找匹配关键点(编辑SIFTSimpleMatcher.m文件计算两幅图像SIFT描述子间的Euclidean距离,实现该操作,运行EvaluateSIFTMatcher.m文件检查实现结果)。 (4) 基于图像中的匹配关键点,对两幅图像进行配准。请分别采用最小二乘方法(编辑ComputeAffineMatrix.m文件实现该操作,运行EvaluateAffineMatrix.m文件检查实现结果)和RANSAC方法估计两幅图像间的变换矩阵(编辑RANSACFit.m 文件中的ComputeError()函数实现该操作,运行TransformationTester.m文件检查实现结果)。 (5) 基于变换矩阵,对其中一幅图像进行变换处理,将其与另一幅图像进行拼接。 (6) 对同一场景的多幅图像进行上述操作,实现场景的全景拼接(编辑MultipleStitch.m文件中的makeTransformToReferenceFrame函数实现该操作)。可以运行StitchTester.m查看拼接结果。 (7) 请比较DoG检测子和Harris-Laplacian检测子的实验结果。图像拼接的效果对实验数据中的几个场景效果不同,请分析原因。 已经实现这些功能,并且编译运行均不报错!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

罗伯特之技术屋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值