CN107424118A - 基于改进径向畸变校正的球状全景拼接方法 - Google Patents
基于改进径向畸变校正的球状全景拼接方法 Download PDFInfo
- Publication number
- CN107424118A CN107424118A CN201710192145.XA CN201710192145A CN107424118A CN 107424118 A CN107424118 A CN 107424118A CN 201710192145 A CN201710192145 A CN 201710192145A CN 107424118 A CN107424118 A CN 107424118A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- correction
- formula
- distortion correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000006735 deficit Effects 0.000 claims abstract description 4
- 238000002156 mixing Methods 0.000 claims abstract description 4
- 230000004927 fusion Effects 0.000 claims description 10
- 230000006872 improvement Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000003702 image correction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000004075 alteration Effects 0.000 claims description 3
- 238000007654 immersion Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 230000007547 defect Effects 0.000 abstract description 4
- 230000007812 deficiency Effects 0.000 abstract description 2
- 230000008030 elimination Effects 0.000 abstract description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明属于计算机视觉领域，为克服现有技术的不足，针对传统摄像头因分辨率低、监控范围小，畸变较大而无法满足广域持久监控需求的缺陷，提出一种基于改进径向畸变校正的球状全景拼接技术。本发明采用的技术方案是，基于改进径向畸变校正的球状全景拼接方法,通过改进径向畸变校正消除普通畸变校正造成的图像损失，然后通过球状拼接算法完成全景拼接，最后基于加权平均法和光均衡融合算法消除重复区域干扰及不同摄像头的光线差异，实现高分辨率以及广域拍摄。本发明主要应用于计算机视觉处理场合。
Description
技术领域
本发明属于计算机视觉领域，针对广域持久监控应用需求发明一种基于改进径向畸变校正的球状全景拼接技术。
背景技术
随着社会的飞速发展，市场对视频监控的需求量快速增加。在视频监控中，广域持久监控是重要的组成部分，在军队、公安和交通等重要部门起到了重要作用。广域持久监控要求摄像头拍摄范围大，分辨率高。传统单一摄像头分辨率有限，且摄像头广角较小，难以监控较大区域；鱼眼型镜头虽然可以实现全景监控，但是镜头畸变过大，导致监控对象成像较差，为后续的视频分析造成了很大困难。因此，单摄像头和鱼眼镜头都难以满足广域持久监控要求。
发明内容
为克服现有技术的不足，针对传统摄像头因分辨率低、监控范围小，畸变较大而无法满足广域持久监控需求的缺陷，提出一种基于改进径向畸变校正的球状全景拼接技术。本发明采用的技术方案是，基于改进径向畸变校正的球状全景拼接方法,通过改进径向畸变校正消除普通畸变校正造成的图像损失，然后通过球状拼接算法完成全景拼接，最后基于加权平均法和光均衡融合算法消除重复区域干扰及不同摄像头的光线差异，实现高分辨率以及广域拍摄。
一个实例中进一步地具体步骤是，
(1)离线相机标定步骤：利用光学黑白格相机标定板对8个摄像头分别进行标定，获取每一个光心位置、焦距、像素长宽比、畸变系数和视场角参数；
(2)视频采集模块：视频采集模块基于镜头和传感器模组实现多路高分辨率图像同步采集及多路高分辨率视频实时解码；
(3)基于改进径向畸变校正步骤：本模块基于每个相机的标定参数实现图像畸变校正，传统径向畸变校正算法公式如式(1)所示。
u＝us+(us-u0)[k1(x2+y2)+k2(x2+y2)2]
v＝vs+(vs-v0)[k1(x2+y2)+k2(x2+y2)2] 式(1)
其中，(u,v)代表矫正畸变后的像素坐标，(xs,vs)代表实际径向畸变的情况下图像的像素坐标，(u0,v0)代表离线相机标定获得的相机主点坐标，k1，k2代表相机前两阶畸变参数，(x,y)代表理想无畸变时的连续图像坐标，采用改进径向畸变校正模块，公式如式(2)所示：
u＝us+(us-u0*d)[k1(x2+y2)+k2(x2+y2)2]
v＝vs+(vs-v0*d)[k1(x2+y2)+k2(x2+y2)2] 式(2)
具体实施方式如下：
首先，基于尺度因子建立新的图像矩阵，新建立的图像矩阵除左上角四分之一面积为源图像像素值，其他范围为全零矩阵，新图像长宽为原始图像的2倍；然后将待校正图像平移至新图像中心区域，然后进行图像径向畸变校正，校正完毕后获取图像中的角点像素位置，提取矩形区域作为校正后的图像，零像素区域通过重叠区域融合模块去除，最终实现在无边缘损失的情况下的图像校正功能；
(4)全景拼接模块：本模块将矫正后的图像通过已知拍摄信息，来确定多幅图像的匹配连接集，将矫正后图像进行形变、投影，在投影的过程中,各摄像机的局部图像将投影到一个统一的球面上，使得图像具有一定的深度感，在视点变化时能够部分地反映整个视点空间，给观测者较为强烈的三维沉浸感，使用球面坐标系进行拼接时,也即是将每个图像点变换为球面上一点，映射公式如式(3)所示，
其中，(x,y)代表图像的平面坐标，(x′,y′)代表球面展开平面坐标，f表示相机焦距。全景拍摄时相机固定，其可看作只发生水平旋转、竖直旋转，不发生绕光轴旋转，因此相机X轴通常会保持在一个平面，这一平面的法向u就作为一个理想的主轴方向，得到的主轴方向u与所有图像坐标系X轴垂直，因此得式(4)，i表示摄像头序号，表示第i个摄像头所在平面转置矩阵，T表示转置；
写成最小二乘形式得式5：
这是一个线性最小二乘问题,最优解u满足式6：
u为3×3矩阵最小特征值对应的特征向量，以u作为主轴方向确定球面坐标系，根据相机参数将所有图像变换到球面上即完成拼接，获得全景图；
(5)拼接融合模块：本模块首先基于重叠区域坐标位置截取消除校正带来的零像素区域，然后基于图像加权平均和光均衡策略实现拼接区域融合，图像加权平均公式如式(7)所示：
g(x+i,y)＝af1(x+i,y)+(1-a)f2(x+i,y) 式(7)
其中，f1(x,y)和f2(x,y)分别表示左右两幅图像的像素值，g(x,y)表示重叠区域融合后的像素值，i表示重合区域的第i个像素，设该重合长度为L，则
由于每个摄像头拍摄的图像亮度不一致，所以还需要进行光均衡，尽量使得拼接后图像各区域亮度差异最小，具体实施方法为：首先求出所有要拼接图像的平均灰度值，然后每一幅图像灰度值与平均灰度值对比，求出各自差值delta，在拼接的同时将各自的delta补偿至对应图像的灰度值，使得整体偏暗的图像可以适当变亮，整体很亮的图像可以适当变暗。
图像拼接与融合均采用查表的方式，即事先计算好每个画面像素点与拼接后画面的像素点的对应关系，将该对应关系保存于文件中，后续拼接与融合时直接读取该文件。
本发明的特点及有益效果是：
本发明利用改进径向畸变校正算法，在图像边缘信息不损失的情况下实现图像畸变校正，然后通过相邻相机重叠拍摄区域去除校正算法带来的零像素区域，使得相邻相机拍摄的图像可以实现无损准确拼接，为全景拼接技术提供技术保证。
附图说明：
图1：基于改进径向畸变校正的球状全景拼接技术框图；
图2：改进径向畸变校正算法图。
具体实施方式
本发明针对传统摄像头因分辨率低、监控范围小，畸变较大而无法满足广域持久监控需求的缺陷，提出一种基于改进径向畸变校正的球状全景拼接技术。本发明采用的技术方案是：通过改进径向畸变校正消除普通畸变校正造成的图像损失，然后通过球状拼接算法完成全景拼接，最后基于加权平均法和光均衡融合算法消除重复区域干扰及不同摄像头的光线差异，实现高分辨率以及广域拍摄，解决了单一摄像头分辨率低、监控范围小，鱼眼摄像头畸变大的缺陷，实现广域持久监控。
具体步骤进一步细化为：
为解决普通校正算法带来的边缘损失问题，本发明改进径向畸变校正模块，改进公式如下：
u＝us+(us-u0*d)[k1(x2+y2)+k2(x2+y2)2]
v＝vs+(vs-v0*d)[k1(x2+y2)+k2(x2+y2)2]
本发明在原有畸变校正公式中加入了尺度因子d。首先，基于尺度因子建立新的图像矩阵，因为畸变校正导致的边缘损失范围较小，因此尺度因子选为2可以满足大多数情况要求，新建立的图像矩阵除左上角四分之一面积为源图像像素值，其他范围为全零矩阵，新图像长宽为原始图像的2倍；然后将待校正图像平移至新图像中心区域，然后进行图像径向畸变校正，校正完毕后获取图像中四个角点像素位置，提取矩形区域作为校正后的图像。这样获取的校正后图像的完整信息都得到保留，但是会引入边缘的零像素区域，由于相邻相机拍摄区域具有重叠部分，因此零像素区域可以通过重叠区域融合模块去除，最终实现在无边缘损失的情况下的图像校正功能。
本发明提出的基于改进径向畸变校正的球状全景拼接技术框图如图1所示。整体框图分为五个大模块，离线相机标定模块、视频采集模块，改进径向畸变校正模块，全景拼接模块和拼接融合模块。相机标定模块利用光学相机标定板对每一个相机进行标定，获得其光心位置、焦距、像素长宽比、畸变系数等参数；视频采集模块利用摄像头模组采集8路视频数据；畸变校正模块基于改进径向畸变校正算法和相机参数信息完成畸变校正；全景拼接模块基于球面变化、投影实现8路视频拼接；融合模块基于加权平均法和光均衡算法融合重复区域，最终获取输出视频。其主要步骤如下：
(1)离线相机标定模块：本模块利用光学黑白格相机标定板对8个摄像头分别进行标定，获取每一个光心位置、焦距、像素长宽比、畸变系数和视场角参数。首先，针对每个摄像头，利用摄像头模组拍摄20帧不同角度、不同距离、不同偏向的标定板照片，然后检测照片中的角点(黑白格的交点)位置，利用张正友标定算法计算出摄像头的内参矩阵参数，包括主点的横纵坐标，横轴、纵轴方向上的尺度因子，以及世界坐标系和相机坐标系之间的前两阶畸变参数。经过标定，相机平均重投影误差为0.14像素，标定效果良好。
(2)视频采集模块：视频采集模块基于镜头和传感器模组实现多路高分辨率图像同步采集及多路高分辨率视频实时解码，该模组可实现10M像素以上的实时压缩及输出。
(3)基于改进径向畸变校正模块：本模块基于每个相机的标定参数实现图像畸变校正，传统径向畸变校正算法公式如式1所示。
u＝us+(us-u0)[k1(x2+y2)+k2(x2+y2)2]
v＝vs+(vs-v0)[k1(x2+y2)+k2(x2+y2)2] 式(1)
其中，(u,v)代表矫正畸变后的像素坐标，(xs,vs)代表实际径向畸变的情况下图像的像素坐标，(u0,v0)代表离线相机标定获得的相机主点坐标，k1，k2代表相机前两阶畸变参数，(x,y)代表理想无畸变时的连续图像坐标。传统校正算法可以实现畸变校正，不过图像边缘由于校正过程中部分像素点校正后坐标落在图像坐标范围之外，因此被忽略掉，造成边缘损失。边缘的损失会导致8路相机拍摄的图像因信息缺失而无法实现全景拼接。为解决边缘损失问题，本发明提出改进径向畸变校正模块，改进方案如图2所示，公式如式2所示。
u＝us+(us-u0*d)[k1(x2+y2)+k2(x2+y2)2]
v＝vs+(vs-v0*d)[k1(x2+y2)+k2(x2+y2)2] 式(2)
本发明在原有畸变校正公式中加入了尺度因子d，具体实施方式如下：
首先，基于尺度因子建立新的图像矩阵，因为畸变校正导致的边缘损失范围较小，因此尺度因子选为2可以满足大多数情况要求，新建立的图像矩阵除左上角四分之一面积为源图像像素值，其他范围为全零矩阵，新图像长宽为原始图像的2倍；然后将待校正图像平移至新图像中心区域，然后进行图像径向畸变校正，校正完毕后获取图像中的角点像素位置，提取矩形区域作为校正后的图像。这样获取的校正后图像的完整信息都得到保留，但是会引入边缘的零像素区域，由于相邻相机拍摄区域具有重叠部分，因此零像素区域可以通过重叠区域融合模块去除，最终实现在无边缘损失的情况下的图像校正功能。
(4)全景拼接模块：本模块将矫正后的图像通过已知拍摄信息，来确定多幅图像的匹配连接集。然后将矫正后图像进行形变、投影。在投影的过程中,各摄像机的局部图像将投影到一个统一的球面上,使得图像具有一定的深度感，在视点变化时能够部分地反映整个视点空间，给观测者较为强烈的三维沉浸感。使用球面坐标系进行拼接时,也即是将每个图像点变换为球面上一点，映射公式如式3所示。
其中，(x,y)代表图像的平面坐标，(x′,y′)代表球面展开平面坐标，f表示相机焦距。全景拍摄时相机固定，其可看作只发生水平旋转、竖直旋转，不发生绕光轴旋转，因此相机X轴通常会保持在一个平面，这一平面的法向u就作为一个理想的主轴方向。得到的主轴方向u与所有图像坐标系X轴垂直，因此得式4(i表示摄像头序号)。
写成最小二乘形式得式5：
这是一个线性最小二乘问题,最优解u满足式6：
u为3×3矩阵最小特征值对应的特征向量。以u作为主轴方向确定球面坐标系，根据相机参数将所有图像变换到球面上即完成拼接，获得全景图。
(5)拼接融合模块：本模块首先基于重叠区域坐标位置截取消除校正带来的零像素区域，然后基于图像加权平均和光均衡策略实现拼接区域融合，图像加权平均公式如式7所示。
g(x+i,y)＝af1(x+i,y)+(1-a)f2(x+i,y) 式(7)
其中，f1(x,y)和f2(x,y)分别表示左右两幅图像的像素值，g(x,y)表示重叠区域融合后的像素值，i表示重合区域的第i个像素。设该重合长度为L，则
由于每个摄像头拍摄的图像亮度不一致，故需要进行光均衡，尽量使得拼接后图像各区域亮度差异最小。具体实施方法为：首先求出所有要拼接图像的平均灰度值，然后每一幅图像灰度值与平均灰度值对比，求出各自差值delta，在拼接的同时将各自的delta补偿至对应图像的灰度值，使得整体偏暗的图像可以适当变亮，整体很亮的图像可以适当变暗。该方法实现简单，计算复杂度低。
在算法加速方面，由于各摄像头位置相对不会变化，故每个画面的位置以及重合区域也基本不会变化，所以为了加快处理速度，图像拼接与融合均采用查表的方式。即事先计算好每个画面像素点与拼接后画面的像素点的对应关系，将该对应关系保存于文件中，后续拼接与融合时直接读取该文件，省去了实时计算过程，大幅提高处理速度。
本发明提出的基于改进径向畸变校正的球状全景拼接技术，其测试环境及实验数据为：
测试环境：
***环境：Windows7；
依赖软件：Visual Studio 2013，Matlab 2015，OpenCV 2.4.9；
硬件环境：算法开发：CPU：[email protected]，内存：4GB，硬盘：1TB；
板卡型号：AHB70XXT8-3521；
镜头：3.6mm，CMOS、1/3英寸传感器。
实验数据
本发明测试实验数据来自摄像头采集模组拍摄的本单位数据，测试结果证明本发明可以实现精准图像校正及全景拼接，嵌入式***可以实时采集8路视频并实时展示全景拼接结果，实用性良好。
Claims (4)
1.一种基于改进径向畸变校正的球状全景拼接方法，其特征是，通过改进径向畸变校正消除普通畸变校正造成的图像损失，然后通过球状拼接算法完成全景拼接，最后基于加权平均法和光均衡融合算法消除重复区域干扰及不同摄像头的光线差异，实现高分辨率以及广域拍摄。
2.如权利要求1所述的基于改进径向畸变校正的球状全景拼接方法，其特征是，一个实例中进一步地具体步骤是，
(1)离线相机标定步骤：利用光学黑白格相机标定板对8个摄像头分别进行标定，获取每一个光心位置、焦距、像素长宽比、畸变系数和视场角参数；
(2)视频采集模块：视频采集模块基于镜头和传感器模组实现多路高分辨率图像同步采集及多路高分辨率视频实时解码；
(3)基于改进径向畸变校正步骤：本模块基于每个相机的标定参数实现图像畸变校正，传统径向畸变校正算法公式如式(1)所示。
u＝us+(us-u0)[k1(x2+y2)+k2(x2+y2)2]
v＝vs+(vs-v0)[k1(x2+y2)+k2(x2+y2)2] 式(1)
其中，(u,v)代表矫正畸变后的像素坐标，(xs,vs)代表实际径向畸变的情况下图像的像素坐标，(u0,v0)代表离线相机标定获得的相机主点坐标，k1，k2代表相机前两阶畸变参数，(x,y)代表理想无畸变时的连续图像坐标，采用改进径向畸变校正模块，公式如式(2)所示：
u＝us+(us-u0*d)[k1(x2+y2)+k2(x2+y2)2]
v＝vs+(vs-v0*d)[k1(x2+y2)+k2(x2+y2)2] 式(2)
具体实施方式如下：
首先，基于尺度因子建立新的图像矩阵，新建立的图像矩阵除左上角四分之一面积为源图像像素值，其他范围为全零矩阵，新图像长宽为原始图像的2倍；然后将待校正图像平移至新图像中心区域，然后进行图像径向畸变校正，校正完毕后获取图像中的角点像素位置，提取矩形区域作为校正后的图像，零像素区域通过重叠区域融合模块去除，最终实现在无边缘损失的情况下的图像校正功能；
(4)全景拼接模块：本模块将矫正后的图像通过已知拍摄信息，来确定多幅图像的匹配连接集，将矫正后图像进行形变、投影，在投影的过程中,各摄像机的局部图像将投影到一个统一的球面上，使得图像具有一定的深度感，在视点变化时能够部分地反映整个视点空间，给观测者较为强烈的三维沉浸感，使用球面坐标系进行拼接时,也即是将每个图像点变换为球面上一点，映射公式如式(3)所示，
<mrow>
<msup>
<mi>x</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mi>s</mi>
<mi> </mi>
<msup>
<mi>tan</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mfrac>
<mi>x</mi>
<mi>f</mi>
</mfrac>
</mrow>
其中，(x,y)代表图像的平面坐标，(x′,y′)代表球面展开平面坐标，f表示相机焦距。全景拍摄时相机固定，其可看作只发生水平旋转、竖直旋转，不发生绕光轴旋转，因此相机X轴通常会保持在一个平面，这一平面的法向u就作为一个理想的主轴方向，得到的主轴方向u与所有图像坐标系X轴垂直，因此得式(4)，i表示摄像头序号，表示第i个摄像头所在平面转置矩阵，T表示转置；
写成最小二乘形式得式5：
这是一个线性最小二乘问题,最优解u满足式6：
<mrow>
<mo>&dtri;</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>8</mn>
</msubsup>
<mo>|</mo>
<mo>|</mo>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mi>T</mi>
</msubsup>
<mi>u</mi>
<mo>|</mo>
<mo>|</mo>
<mo>=</mo>
<mn>0</mn>
</mrow>
u为3×3矩阵最小特征值对应的特征向量，以u作为主轴方向确定球面坐标系，根据相机参数将所有图像变换到球面上即完成拼接，获得全景图；
(5)拼接融合模块：本模块首先基于重叠区域坐标位置截取消除校正带来的零像素区域，然后基于图像加权平均和光均衡策略实现拼接区域融合，图像加权平均公式如式(7)所示：
g(x+i,y)＝af1(x+i,y)+(1-a)f2(x+i,y) 式(7)
其中，f1(x,y)和f2(x,y)分别表示左右两幅图像的像素值，g(x,y)表示重叠区域融合后的像素值，i表示重合区域的第i个像素，设该重合长度为L，则0≤i≤L。
3.如权利要求1所述的基于改进径向畸变校正的球状全景拼接方法，其特征是，由于每个摄像头拍摄的图像亮度不一致，所以还需要进行光均衡，尽量使得拼接后图像各区域亮度差异最小，具体实施方法为：首先求出所有要拼接图像的平均灰度值，然后每一幅图像灰度值与平均灰度值对比，求出各自差值delta，在拼接的同时将各自的delta补偿至对应图像的灰度值，使得整体偏暗的图像可以适当变亮，整体很亮的图像可以适当变暗。
4.如权利要求1所述的基于改进径向畸变校正的球状全景拼接方法，其特征是，图像拼接与融合均采用查表的方式，即事先计算好每个画面像素点与拼接后画面的像素点的对应关系，将该对应关系保存于文件中，后续拼接与融合时直接读取该文件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710192145.XA CN107424118A (zh) | 2017-03-28 | 2017-03-28 | 基于改进径向畸变校正的球状全景拼接方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710192145.XA CN107424118A (zh) | 2017-03-28 | 2017-03-28 | 基于改进径向畸变校正的球状全景拼接方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107424118A true CN107424118A (zh) | 2017-12-01 |
Family
ID=60423076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710192145.XA Pending CN107424118A (zh) | 2017-03-28 | 2017-03-28 | 基于改进径向畸变校正的球状全景拼接方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107424118A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108122200A (zh) * | 2017-12-20 | 2018-06-05 | 宁波视睿迪光电有限公司 | 图像拼接方法以及装置 |
| CN108734681A (zh) * | 2018-05-31 | 2018-11-02 | 天津煋鸟科技有限公司 | 一种基于嵌入式的片上径向失真校正方法 |
| CN108760767A (zh) * | 2018-05-31 | 2018-11-06 | 电子科技大学 | 基于机器视觉的大尺寸液晶屏缺陷检测方法 |
| CN109272445A (zh) * | 2018-10-29 | 2019-01-25 | 中国航空无线电电子研究所 | 基于球面模型的全景视频拼接方法 |
| CN110099220A (zh) * | 2019-06-17 | 2019-08-06 | 广东中星微电子有限公司 | 一种全景拼接方法及装置 |
| CN110189263A (zh) * | 2019-05-05 | 2019-08-30 | 浙江大学 | 一种基于多角度采样的大视场头戴显示设备畸变校正方法 |
| CN110580722A (zh) * | 2018-06-08 | 2019-12-17 | 上海欧菲智能车联科技有限公司 | 环视***的标定测试方法及标定测试装置、车辆 |
| CN110619611A (zh) * | 2019-09-09 | 2019-12-27 | 北京迈格威科技有限公司 | 图像校正标定方法、装置、计算机设备和存储介质 |
| CN110691203A (zh) * | 2019-10-21 | 2020-01-14 | 湖南泽天智航电子技术有限公司 | 基于纹理映射的多路全景视频拼接显示方法及其*** |
| CN110942023A (zh) * | 2019-11-25 | 2020-03-31 | 鹰驾科技（深圳）有限公司 | 车辆视觉盲区的指示方法、装置、设备及存储介质 |
| CN111507894A (zh) * | 2020-04-17 | 2020-08-07 | 浙江大华技术股份有限公司 | 一种图像拼接处理方法及装置 |
| CN112037128A (zh) * | 2020-08-21 | 2020-12-04 | 苏州巨能图像检测技术有限公司 | 一种全景视频拼接方法 |
| WO2021036353A1 (zh) * | 2019-08-23 | 2021-03-04 | 上海亦我信息技术有限公司 | 基于拍照的3d建模***及方法、自动3d建模装置及方法 |
| CN112884689A (zh) * | 2021-02-25 | 2021-06-01 | 景德镇陶瓷大学 | 强反射表面图像高光去除方法 |
| CN113139900A (zh) * | 2021-04-01 | 2021-07-20 | 北京科技大学设计研究院有限公司 | 一种棒材完整表面图像获取方法 |
| CN113191974A (zh) * | 2021-04-29 | 2021-07-30 | 青岛科技大学 | 一种基于机器视觉获取船舶全景影像的方法及*** |
| GB2591857A (en) * | 2019-08-23 | 2021-08-11 | Shang Hai Yiwo Information Tech Co Ltd | Photographing-based 3D modeling system and method, and automatic 3D modeling apparatus and method |
| CN113724141A (zh) * | 2020-05-26 | 2021-11-30 | 杭州海康威视数字技术股份有限公司 | 一种图像校正方法、装置及电子设备 |
| CN114143528A (zh) * | 2020-09-04 | 2022-03-04 | 北京大视景科技有限公司 | 多视频流融合方法、电子设备、存储介质 |
| CN115471482A (zh) * | 2022-09-20 | 2022-12-13 | 重庆理工大学 | 基于计算机视觉的小口径容器内壁缺陷检测方法 |
| CN115500582A (zh) * | 2022-08-17 | 2022-12-23 | 上海科技大学 | 足部三维轮廓采集*** |
| WO2023272457A1 (zh) * | 2021-06-28 | 2023-01-05 | 华为技术有限公司 | 用于图像拼接的装置、***和相关联的方法 |
| CN117593225A (zh) * | 2023-11-14 | 2024-02-23 | 自行科技(武汉)有限公司 | 电子后视镜下光心偏移处理方法、***、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100485720C (zh) * | 2006-10-13 | 2009-05-06 | 浙江师范大学 | 一种基于序列静态图像的360°环视全景生成方法 |
| CN102984453A (zh) * | 2012-11-01 | 2013-03-20 | 深圳大学 | 利用单摄像机实时生成半球全景视频图像的方法及*** |
| CN103971352A (zh) * | 2014-04-18 | 2014-08-06 | 华南理工大学 | 一种基于广角镜头的快速图像拼接方法 |
| CN105957015A (zh) * | 2016-06-15 | 2016-09-21 | 武汉理工大学 | 一种螺纹桶内壁图像360度全景拼接方法及*** |
| CN106303283A (zh) * | 2016-08-15 | 2017-01-04 | Tcl集团股份有限公司 | 一种基于鱼眼摄像头的全景图像合成方法及*** |
| CN105282443B (zh) * | 2015-10-13 | 2019-06-14 | 哈尔滨工程大学 | 一种全景深全景图像成像方法 |
-
2017
- 2017-03-28 CN CN201710192145.XA patent/CN107424118A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100485720C (zh) * | 2006-10-13 | 2009-05-06 | 浙江师范大学 | 一种基于序列静态图像的360°环视全景生成方法 |
| CN102984453A (zh) * | 2012-11-01 | 2013-03-20 | 深圳大学 | 利用单摄像机实时生成半球全景视频图像的方法及*** |
| CN103971352A (zh) * | 2014-04-18 | 2014-08-06 | 华南理工大学 | 一种基于广角镜头的快速图像拼接方法 |
| CN105282443B (zh) * | 2015-10-13 | 2019-06-14 | 哈尔滨工程大学 | 一种全景深全景图像成像方法 |
| CN105957015A (zh) * | 2016-06-15 | 2016-09-21 | 武汉理工大学 | 一种螺纹桶内壁图像360度全景拼接方法及*** |
| CN106303283A (zh) * | 2016-08-15 | 2017-01-04 | Tcl集团股份有限公司 | 一种基于鱼眼摄像头的全景图像合成方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| WEI LI等: "A panoramic image generating algorithm based on hexahedral and spherical model", 《2011 2ND INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE, MANAGEMENT SCIENCE AND ELECTRONIC COMMERCE (AIMSEC)》 * |
| 刘祥峰: "基于鱼眼相机的全景环视***关键技术研究", 《中国优秀硕士论文全文数据库信息科技辑》 * |
| 李艳丽等: "稳健的球面全景图全自动生成算法", 《计算机辅助设计与图形学学报》 * |
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108122200A (zh) * | 2017-12-20 | 2018-06-05 | 宁波视睿迪光电有限公司 | 图像拼接方法以及装置 |
| CN108760767B (zh) * | 2018-05-31 | 2020-07-17 | 电子科技大学 | 基于机器视觉的大尺寸液晶屏缺陷检测方法 |
| CN108734681A (zh) * | 2018-05-31 | 2018-11-02 | 天津煋鸟科技有限公司 | 一种基于嵌入式的片上径向失真校正方法 |
| CN108760767A (zh) * | 2018-05-31 | 2018-11-06 | 电子科技大学 | 基于机器视觉的大尺寸液晶屏缺陷检测方法 |
| CN110580722A (zh) * | 2018-06-08 | 2019-12-17 | 上海欧菲智能车联科技有限公司 | 环视***的标定测试方法及标定测试装置、车辆 |
| CN109272445A (zh) * | 2018-10-29 | 2019-01-25 | 中国航空无线电电子研究所 | 基于球面模型的全景视频拼接方法 |
| CN109272445B (zh) * | 2018-10-29 | 2022-11-04 | 中国航空无线电电子研究所 | 基于球面模型的全景视频拼接方法 |
| CN110189263A (zh) * | 2019-05-05 | 2019-08-30 | 浙江大学 | 一种基于多角度采样的大视场头戴显示设备畸变校正方法 |
| CN110189263B (zh) * | 2019-05-05 | 2021-05-07 | 浙江大学 | 一种基于多角度采样的大视场头戴显示设备畸变校正方法 |
| CN110099220A (zh) * | 2019-06-17 | 2019-08-06 | 广东中星微电子有限公司 | 一种全景拼接方法及装置 |
| GB2591857A (en) * | 2019-08-23 | 2021-08-11 | Shang Hai Yiwo Information Tech Co Ltd | Photographing-based 3D modeling system and method, and automatic 3D modeling apparatus and method |
| WO2021036353A1 (zh) * | 2019-08-23 | 2021-03-04 | 上海亦我信息技术有限公司 | 基于拍照的3d建模***及方法、自动3d建模装置及方法 |
| GB2591857B (en) * | 2019-08-23 | 2023-12-06 | Shang Hai Yiwo Information Tech Co Ltd | Photography-based 3D modeling system and method, and automatic 3D modeling apparatus and method |
| CN110619611A (zh) * | 2019-09-09 | 2019-12-27 | 北京迈格威科技有限公司 | 图像校正标定方法、装置、计算机设备和存储介质 |
| CN110691203A (zh) * | 2019-10-21 | 2020-01-14 | 湖南泽天智航电子技术有限公司 | 基于纹理映射的多路全景视频拼接显示方法及其*** |
| CN110691203B (zh) * | 2019-10-21 | 2021-11-16 | 湖南泽天智航电子技术有限公司 | 基于纹理映射的多路全景视频拼接显示方法及其*** |
| CN110942023A (zh) * | 2019-11-25 | 2020-03-31 | 鹰驾科技（深圳）有限公司 | 车辆视觉盲区的指示方法、装置、设备及存储介质 |
| CN111507894B (zh) * | 2020-04-17 | 2023-06-13 | 浙江大华技术股份有限公司 | 一种图像拼接处理方法及装置 |
| CN111507894A (zh) * | 2020-04-17 | 2020-08-07 | 浙江大华技术股份有限公司 | 一种图像拼接处理方法及装置 |
| CN113724141A (zh) * | 2020-05-26 | 2021-11-30 | 杭州海康威视数字技术股份有限公司 | 一种图像校正方法、装置及电子设备 |
| CN113724141B (zh) * | 2020-05-26 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种图像校正方法、装置及电子设备 |
| CN112037128A (zh) * | 2020-08-21 | 2020-12-04 | 苏州巨能图像检测技术有限公司 | 一种全景视频拼接方法 |
| CN112037128B (zh) * | 2020-08-21 | 2023-11-03 | 苏州巨能图像检测技术有限公司 | 一种全景视频拼接方法 |
| CN114143528A (zh) * | 2020-09-04 | 2022-03-04 | 北京大视景科技有限公司 | 多视频流融合方法、电子设备、存储介质 |
| CN112884689A (zh) * | 2021-02-25 | 2021-06-01 | 景德镇陶瓷大学 | 强反射表面图像高光去除方法 |
| CN112884689B (zh) * | 2021-02-25 | 2023-11-17 | 景德镇陶瓷大学 | 强反射表面图像高光去除方法 |
| CN113139900A (zh) * | 2021-04-01 | 2021-07-20 | 北京科技大学设计研究院有限公司 | 一种棒材完整表面图像获取方法 |
| CN113139900B (zh) * | 2021-04-01 | 2023-09-01 | 北京科技大学设计研究院有限公司 | 一种棒材完整表面图像获取方法 |
| CN113191974A (zh) * | 2021-04-29 | 2021-07-30 | 青岛科技大学 | 一种基于机器视觉获取船舶全景影像的方法及*** |
| WO2023272457A1 (zh) * | 2021-06-28 | 2023-01-05 | 华为技术有限公司 | 用于图像拼接的装置、***和相关联的方法 |
| CN115500582A (zh) * | 2022-08-17 | 2022-12-23 | 上海科技大学 | 足部三维轮廓采集*** |
| CN115500582B (zh) * | 2022-08-17 | 2024-03-22 | 上海科技大学 | 足部三维轮廓采集*** |
| CN115471482A (zh) * | 2022-09-20 | 2022-12-13 | 重庆理工大学 | 基于计算机视觉的小口径容器内壁缺陷检测方法 |
| CN117593225A (zh) * | 2023-11-14 | 2024-02-23 | 自行科技(武汉)有限公司 | 电子后视镜下光心偏移处理方法、***、设备及存储介质 |
| CN117593225B (zh) * | 2023-11-14 | 2024-05-28 | 自行科技(武汉)有限公司 | 电子后视镜下光心偏移处理方法、***、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107424118A (zh) | 基于改进径向畸变校正的球状全景拼接方法 | |
| CN105118055B (zh) | 摄影机定位修正标定方法及*** | |
| CN111047510B (zh) | 一种基于标定的大视场角图像实时拼接方法 | |
| TWI555378B (zh) | 一種全景魚眼相機影像校正、合成與景深重建方法與其系統 | |
| CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
| CN110197466B (zh) | 一种广角鱼眼图像矫正方法 | |
| CN110782394A (zh) | 全景视频快速拼接方法及*** | |
| TWI555379B (zh) | 一種全景魚眼相機影像校正、合成與景深重建方法與其系統 | |
| CN103973989B (zh) | 获取高动态图像的方法及*** | |
| JP5739584B2 (ja) | 車両周辺視角化のための３次元映像合成装置およびその方法 | |
| CN103826033B (zh) | 图像处理方法、图像处理设备、图像拾取设备和存储介质 | |
| CN108805801A (zh) | 一种全景图像校正方法及*** | |
| CN107925751A (zh) | 用于多视点降噪和高动态范围的***和方法 | |
| CN107358577B (zh) | 一种立方体全景图的快速拼接方法 | |
| CN105979238A (zh) | 一种多摄像头全局成像一致性控制方法 | |
| CN101916455B (zh) | 一种高动态范围纹理三维模型的重构方法及装置 | |
| CN111199528A (zh) | 一种鱼眼图像畸变矫正方法 | |
| CN111461963B (zh) | 一种鱼眼图像拼接方法及装置 | |
| CN105488766B (zh) | 鱼眼镜头图像校正方法及装置 | |
| KR20090078463A (ko) | 왜곡 영상 보정 장치 및 방법 | |
| CN109889799B (zh) | 基于rgbir摄像头的单目结构光深度感知方法及装置 | |
| CN114697623B (zh) | 投影面选取和投影图像校正方法、装置、投影仪及介质 | |
| CN110322485A (zh) | 一种异构多相机成像***的快速图像配准方法 | |
| CN112348775B (zh) | 基于车载环视的路面坑塘检测***及方法 | |
| CN111009030A (zh) | 一种多视高分辨率纹理图像与双目三维点云映射方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20201127 |
|
| AD01 | Patent right deemed abandoned |