CN112927276A - 图像配准方法、装置、电子设备及存储介质 - Google Patents
图像配准方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112927276A CN112927276A CN202110260786.0A CN202110260786A CN112927276A CN 112927276 A CN112927276 A CN 112927276A CN 202110260786 A CN202110260786 A CN 202110260786A CN 112927276 A CN112927276 A CN 112927276A
- Authority
- CN
- China
- Prior art keywords
- image
- grid
- registered
- grid region
- region
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims description 160
- 238000013507 mapping Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 239000013598 vector Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了图像配准方法、装置、电子设备及存储介质,将待配准图像划分为多个网格区域,分别计算每个网格区域的局部单应性矩阵,并分别利用各局部单应性矩阵对相应的网格区域进行映射,相比于利用整个待配准图像的单应性矩阵直接对整个待配准图像进行映射,各网格区域的局部单应性矩阵可以不同,即使不同网格区域中的目标不为平面型物体或发生了旋转运动之外的运动,也能通过各网格区域各自的局部单应性矩阵进行映射,从而能够减少配准后的图像的重影问题。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及图像配准方法、装置、电子设备及存储介质。
背景技术
图像配准是指针对对同一场景利用相同或者不同的图像采集设备拍摄的两幅有重叠区域的图像进行配准的过程,从几何上校准参考图像和待配准的图像。两幅图像的差异主要是来自不同的成像条件,图像配准也称为图像匹配。图像配准的数学描述可定义成待配准的图像之间的空间变换。要求待配准的图像与校准参考图像之间一有部分目标是相同的。
现有的图像配准方法中,匹配出校准参考图像和待配准的图像中表示相同目标同一点的一组关键点,并利用多组关键点计算出从待配准的图像到校准参考图像的单应性矩阵,然后利用单应性矩阵对整个待配准的图像进行配准。
但是在上述图像配准的方法中,利用整个待配准的图像的单应性矩阵对待配准的图像进行配准,要求待配准的图像中的目标是一个平面型物体或非平面物体但是视场角只发生旋转运动,否则会造成配准后的图像出现重影问题。
发明内容
本申请实施例的目的在于提供一种图像配准方法、装置、电子设备及存储介质,以实现减少配准后的图像的重影问题。具体技术方案如下:
第一方面,本申请实施例提供了一种图像配准方法,所述方法包括:
获取待配准图像及参考图像,其中,所述待配准图像与所述参考图像中包括相同的目标;
对所述待配准图像和所述参考图像进行特征点检测及特征点匹配,得到所述待配准图像的第一特征点集合、所述参考图像的第二特征点集合、所述第一特征点集合中的各第一特征点与所述第二特征点集合中的各第二特征点的匹配关系,其中,具有匹配关系的第一特征点与第二特征点表示所述相同的目标中的同一点;
将所述待配准图像划分为多个网格区域;
根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算所述待配准图像中每个网格区域的局部单应性矩阵;
针对所述待配准图像中的每一网格区域,利用该网格区域的局部单应性矩阵,对该网格区域中的像素进行映射,得到该网格区域的映射区域;
将各网格区域的映射区域进行拼接,得到所述待配准图像配准后的目标图像。
在一种可能的实施方式中,在所述将所述待配准图像划分为多个网格区域之后,所述方法包括:
针对所述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,其中,该网格区域的权重矩阵由各第一特征点相对于该网格区域的权重组成,针对任一第一特征点,该第一特征点相对于该网格区域的权重与该第一特征点相对于该网格区域关键点的距离负相关;
所述根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算所述待配准图像中每个网格区域的局部单应性矩阵,包括:
针对所述待配准图像中每一网格区域,根据该网格区域的权重矩阵、所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算该网格区域的局部单应性矩阵。
在一种可能的实施方式中,所述方法还包括:
针对每一网格区域,将该网格区域中所有像素的中心点作为该网格区域的关键点。
在一种可能的实施方式中,所述方法还包括:
确定各网格区域中的前景目标区域;
针对任一网格区域,在该网格区域包括前景目标区域的情况下,将该网格区域的前景目标区域中所有像素的中心点作为该网格区域的关键点;
针对任一网格区域,在该网格区域不包括前景目标区域的情况下,将该网格区域中所有像素的中心点作为该网格区域的关键点。
在一种可能的实施方式中,所述将各网格区域的映射区域进行拼接,得到所述待配准图像配准后的目标图像,包括:
将各网格区域的映射区域进行拼接,并对拼接处的像素进行平滑处理得到所述待配准图像配准后的目标图像。
在一种可能的实施方式中,所述针对所述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,包括:
针对所述待配准图像的每一网格区域,基于各第一特征点相对于该网格区域的关键点的距离,确定各第一特征点相对于该网格区域的权重;
针对所述待配准图像的每一网格区域,根据各第一特征点相对于该网格区域的权重,确定该网格区域的权重矩阵。
在一种可能的实施方式中,所述针对所述待配准图像中每一网格区域,根据该网格区域的权重矩阵、所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算该网格区域的局部单应性矩阵,包括:
根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,确定特征点矩阵;
针对所述待配准图像中每一网格区域,将该网格区域的权重矩阵与特征点矩阵进行左乘,得到矫正后的矩阵;
对所述矫正后的矩阵进行奇异值分解得到该网格区域的局部单应性矩阵。
第二方面,本申请实施例提供了一种图像配准装置,所述装置包括:
图像获取模块,用于获取待配准图像及参考图像,其中,所述待配准图像与所述参考图像中包括相同的目标;
特征点获取模块,用于对所述待配准图像和所述参考图像进行特征点检测及特征点匹配,得到所述待配准图像的第一特征点集合、所述参考图像的第二特征点集合、所述第一特征点集合中的各第一特征点与所述第二特征点集合中的各第二特征点的匹配关系,其中,具有匹配关系的第一特征点与第二特征点表示所述相同的目标中的同一点;
网格区域划分模块,用于将所述待配准图像划分为多个网格区域;
局部单应性矩阵确定模块,用于根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算所述待配准图像中每个网格区域的局部单应性矩阵;
网格区域映射模块,用于针对所述待配准图像中的每一网格区域,利用该网格区域的局部单应性矩阵,对该网格区域中的像素进行映射,得到该网格区域的映射区域;
映射区域拼接模块,用于将各网格区域的映射区域进行拼接,得到所述待配准图像配准后的目标图像。
在一种可能的实施方式中,所述装置还包括:
权重矩阵确定模块,用于针对所述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,其中,该网格区域的权重矩阵由各第一特征点相对于该网格区域的权重组成,针对任一第一特征点,该第一特征点相对于该网格区域的权重与该第一特征点相对于该网格区域关键点的距离负相关;
所述局部单应性矩阵确定模块,具体用于:针对所述待配准图像中每一网格区域,根据该网格区域的权重矩阵、所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算该网格区域的局部单应性矩阵。
在一种可能的实施方式中,所述装置还包括:
关键点确定模块,用于针对每一网格区域,将该网格区域中所有像素的中心点作为该网格区域的关键点。
在一种可能的实施方式中,所述装置还包括:
关键点确定模块,用于确定各网格区域中的前景目标区域;针对任一网格区域,在该网格区域包括前景目标区域的情况下,将该网格区域的前景目标区域中所有像素的中心点作为该网格区域的关键点;针对任一网格区域,在该网格区域不包括前景目标区域的情况下,将该网格区域中所有像素的中心点作为该网格区域的关键点。
在一种可能的实施方式中,所述映射区域拼接模块,具体用于:将各网格区域的映射区域进行拼接,并对拼接处的像素进行平滑处理得到所述待配准图像配准后的目标图像。
在一种可能的实施方式中,所述权重矩阵确定模块,具体用于:针对所述待配准图像的每一网格区域,基于各第一特征点相对于该网格区域的关键点的距离,确定各第一特征点相对于该网格区域的权重;针对所述待配准图像的每一网格区域,根据各第一特征点相对于该网格区域的权重,确定该网格区域的权重矩阵。
在一种可能的实施方式中,所述局部单应性矩阵确定模块,具体用于:根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,确定特征点矩阵;针对所述待配准图像中每一网格区域,将该网格区域的权重矩阵与特征点矩阵进行左乘,得到矫正后的矩阵;对所述矫正后的矩阵进行奇异值分解得到该网格区域的局部单应性矩阵。
第三方面,本申请实施例提供了一种电子设备,包括处理器及存储器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现本申请中任一所述的图像配准方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本申请中任一所述的图像配准方法。
本申请实施例有益效果:
本申请实施例提供的图像配准方法、装置、电子设备及存储介质,将待配准图像划分为多个网格区域,分别计算每个网格区域的局部单应性矩阵,并分别利用各局部单应性矩阵对相应的网格区域进行映射,相比于利用整个待配准图像的单应性矩阵直接对整个待配准图像进行映射,各网格区域的局部单应性矩阵可以不同,即使不同网格区域中的目标不为平面型物体或发生了旋转运动之外的运动,也能通过各网格区域各自的局部单应性矩阵进行映射,从而能够减少配准后的图像的重影问题。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a为本申请实施例的图像配准方法的第一种示意图;
图1b为本申请实施例的图像配准方法的第二种示意图;
图2a为本申请实施例的待配准图像中的网格区域划分第一种示意图;
图2b为本申请实施例的各映射区域组成的目标图像的第二种示意图;
图3为本申请实施例的图像配准方法的第三种示意图;
图4a为本申请实施例的单目标待配准图像的一种示意图;
图4b为本申请实施例的单目标参考图像的一种示意图;
图4c为相关技术中利用整个单目标待配准图像的单应性矩阵直接对整个单目标待配准图像进行配准的一种示意图;
图4d为利用本申请实施例中图像配准方法配准后的单目标图像的一种示意图;
图5a为本申请实施例的多目标待配准图像的一种示意图;
图5b为本申请实施例的多目标参考图像的一种示意图;
图5c为相关技术中利用整个多目标待配准图像的单应性矩阵直接对整个多目标待配准图像进行配准的一种示意图;
图5d为利用本申请实施例中图像配准方法配准后的多目标图像的一种示意图;
图6为本申请实施例的图像配准装置的第一种示意图;
图7为本申请实施例的电子设备的一种示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员基于本申请所获得的所有其他实施例,都属于本申请保护的范围。
首先,对本申请中的专业术语进行解释:
齐次坐标(Homogeneous coordinates):齐次坐标是将二维坐标(x,y)采用三维的形式进行表示(x,y,w)∈P3,与三维坐标(x,y,z)∈R3不同的是,齐次坐标只有两个自由度。
其中,w代表缩放尺度,当w=1时,
图像配准:将不同时间、不同设备或不同条件(位姿、气候和角度等)获取的两幅或多幅图像进行匹配或叠加的过程。
单应性矩阵(Homography):单应性是射影几何的概念,它将一个射影平面上的点(三维齐次矢量)映射到另一个射影平面上,把直线映射为直线,具有保直线性质。总的来说,单应是关于三维齐次矢量的一种线性变换,可以用一个3×3的非奇异矩阵H表示,
这是一个齐次坐标的等式,H乘以一个非零的比例因子上述等式仍然成立,即H是一个3×3齐次矩阵,具有8个未知量。
局部单应性矩阵:将图像进行分割成C1×C2个单元,每单元对应一个局部单应性矩阵。
DLT(Direct Linear Transform,直接线性变换)算法为计算单应性矩阵的常用算法,具体的,DLT算法计算单应性矩阵的过程包括:
待匹配图像I及参考图像I'中匹配成功的特征点分别表示为X=[xi,yi]T和X'=[xi',yi']T,i=(1,…,N),其中,xi为I中第i个特征点的横坐标,yi为I中第i个特征点的纵坐标,xi'为I'中第i个特征点的横坐标,yi'为I'中第i个特征点的纵坐标,I'中第i个特征点与I'中第i个特征点相匹配,N为待匹配图像中特征点的数量。I和I'的投影矩阵如下所示:
用向量表达为:H=[h1,h2,h3]T。
X=[xi,yi]T转化为X'=[xi',yi']T,i=(1,…,N)的过程如下所示:
其中,h矩阵的向量表示方法如下所示:
h=(h11 h12 h13 h21 h22 h23 h31 h32 h33)T (5)
(3)和(4)展开后效果如下所示:
-h11xi-h12yi-h13+(h31xi+h32yi+h33)xi'=0 (6)
-h21xi-h22yi-h23+(h31xi+h32yi+h33)yi'=0 (7)
公式(6)和(7)可以以特征点矩阵A和向量h的乘积进行表示,如下所示:
其中A∈R2N×9即2N行,9列的矩阵,N为匹配的特征点数量。
由(8)可知,匹配特征点数量为1时即当i=1时有两个方程组,而向量h有9个未知数,因此至少需要5个匹配的特征点构建出10个方程组才能求解出h向量。
从而可以实现I的配准。
由上述过程可知,单应性矩阵适用于平面场景的配准或者是目标只发生旋转的场景,当配准的场景中环境比较复杂时,例如配准的目标包含多个曲面时,对利用单应性矩阵对整个图像进行映射就会出现重影现象。这是因为单应性矩阵是两个平面之间的映射矩阵,但是匹配成功的特征点并不一定满足在同一个平面上。因此,DLT算法计算单应性矩阵的本质就是拟合出一个矩阵H使得Ah=0能够满足绝大多数的特征点,这些特征点称为内点,其余的为外点,在配准后外点以及外点周围的图像重影往往较为严重,其中,A为根据特征点确定的特征点矩阵。
为了减少配准后的图像的重影问题,本申请实施例提供了一种图像配准方法,参见图1a,该方法包括:
S101,获取待配准图像及参考图像,其中,上述待配准图像与上述参考图像中包括相同的目标。
本申请实施例的图像配准方法可以通过电子设备实现,具体的,该电子设备可以为智能摄像机、硬盘录像机、服务器、个人电脑或智能手机等设备。
待配准图像与参考图像可以为相同或者不同的图像采集设备拍摄的两幅图像,待配准图像与参考图像中包括相同的目标,例如,待配准图像与参考图像中包括同一车辆,行人或建筑等。
S102,对上述待配准图像和上述参考图像进行特征点检测及特征点匹配,得到上述待配准图像的第一特征点集合、上述参考图像的第二特征点集合、上述第一特征点集合中的各第一特征点与上述第二特征点集合中的各第二特征点的匹配关系,其中,具有匹配关系的第一特征点与第二特征点表示上述相同的目标中的同一点。
可以通过相关的特征点检测算法,例如,SIFT(Scale-invariant featuretransform,尺度不变特征变换)算法、SURF(Speeded Up Robust Features)算法、ORB(Oriented Fast and Rotated Brief)算法等,检测并匹配待配准图像和参考图像中的特征点,其中,待配准图像中的特征点称为第一特征点,参考图像中的特征点称为第二特征点,第一特征点的数量与第二特征点的数量相同,第一特征点与第二特征点一一匹配。
S103,将上述待配准图像划分为多个网格区域。
待配准图像的网格区域划分方法可以根据实际情况自定义设置,一个例子中,可以按照预设网格数量,将待配准图像划分为预设网格数量个网格区域,例如,预设网格数量为C1*C2,则利用待配准图像的宽除以C1,得到每个网格区域的宽,利用待配准图像的高除以C2,得到每个网格区域的高,然后根据每个网格区域的宽及高,将待配准图像划分为C1*C2个矩形网格区域。
一个例子中,可以根据各第一特征点的位置将待配准图像划分为多个网格区域,其中,每个网格区域中包括至少5个第一特征点。DLT算法计算单应性矩阵一般需要至少5组特征点,在本申请实施例中,每个网格区域中包括至少5个第一特征点,则可以根据该网格区域中的第一特征点及对应的参考图像中的第二特征点,直接计算得到该网格区域的局部单应性矩阵。
S104,根据上述第一特征点集合、上述第二特征点集合、上述匹配关系,计算上述待配准图像中每个网格区域的局部单应性矩阵。
针对每个网格区域,根据上述第一特征点集合、上述第二特征点集合、上述匹配关系,可以利用DLT算法计算该网格区域的单应性矩阵作为该网格区域的局部单应性矩阵。
S105,针对上述待配准图像中的每一网格区域,利用该网格区域的局部单应性矩阵,对该网格区域中的像素进行映射,得到该网格区域的映射区域。
针对每一网格区域,利用该网格区域的局部单应性矩阵,对该网格区域中的各像素进行映射,得到该网格区域的映射区域。
S106,将各网格区域的映射区域进行拼接,处理得到所述待配准图像配准后的目标图像。
将各网格区域的映射区域按照各网格区域的位置进行拼接,得到拼接后的图像。
为了进一步增加目标图像的显示效果,在一种可能的实施方式中,参见图1b,上述将各网格区域的映射区域进行拼接,处理得到上述待配准图像配准后的目标图像,包括:S1061,将各网格区域的映射区域进行拼接,并对拼接处的像素进行平滑处理得到上述待配准图像配准后的目标图像。
针对拼接后的图像,对各映射区域拼接处的像素进行平滑处理,从而得到待配准图像配准后的目标图像。一个例子中,可以根据网格区域的宽度及高度,来确定需要进行平滑处理的像素,例如,选取网格区域宽度的A%,作为纵轴方向上需要进行平滑处理的像素宽度,选取网格区域高度的B%,作为横轴方向上需要进行平滑处理的像素宽度,其中A与B均值预设常数;此外也可以预先设置纵轴方向及横轴方向上需要进行平滑处理的像素宽度。一个例子中,以纵轴方向上需要进行平滑处理的像素宽度为C,横轴方向上需要进行平滑处理的像素宽度为D为例,则需要进行平滑处理的拼接处的像素可以如图2a及图2b所示,其中,图2a为两个映射区域的纵轴方向上需要进行平滑处理的拼接处的像素的一种示意图,图2b为两个映射区域的横轴方向上需要进行平滑处理的拼接处的像素的一种示意图。像素平滑处理的具体方式可以参见相关技术中的像素平滑处理的方式,本申请中不做具体限定。
在本申请实施例中,将待配准图像划分为多个网格区域,分别计算每个网格区域的局部单应性矩阵,并分别利用各局部单应性矩阵对相应的网格区域进行映射,相比于利用整个待配准图像的单应性矩阵直接对整个待配准图像进行映射,能够减少配准后的图像的重影问题。
在一种可能的实施方式中,参见图3,在上述将上述待配准图像划分为多个网格区域之后,上述方法包括:
S107,针对上述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,其中,该网格区域的权重矩阵由各第一特征点相对于该网格区域的权重组成,针对任一第一特征点,该第一特征点相对于该网格区域的权重与该第一特征点相对于该网格区域关键点的距离负相关。
第一特征点相对于网格区域的权重与该第一特征点相对于该网格区域关键点的距离有关,此处的距离包括但不限于高斯距离、欧氏距离及直线距离等。一个例子中,第一特征点相对于该网格区域关键点的距离越大,则该第一特征点相对于该网格区域的权重越小。网格区域的关键点可以根据实际情况自定义选取,例如,可以选取网格区域中所有像素的中心点作为该网格区域的关键点;或可以选取网格区域中所有第一特征点的中心点作为该网格区域的关键点;或可以选取网格区域的前景目标区域中所有像素的中心点作为该网格区域的关键点等。
在一种可能的实施方式中,上述方法还包括:针对每一网格区域,将该网格区域中所有像素的中心点作为该网格区域的关键点。
在一种可能的实施方式中,上述方法还包括:
步骤一,确定各网格区域中的前景目标区域。
可以利用计算机视觉技术,确定各网格区域中的前景目标区域。
步骤二,针对任一网格区域,在该网格区域包括前景目标区域的情况下,将该网格区域的前景目标区域中所有像素的中心点作为该网格区域的关键点。
步骤三,针对任一网格区域,在该网格区域不包括前景目标区域的情况下,将该网格区域中所有像素的中心点作为该网格区域的关键点。
上述根据上述第一特征点集合、上述第二特征点集合、上述匹配关系,计算上述待配准图像中每个网格区域的局部单应性矩阵,包括:
S1041,针对上述待配准图像中每一网格区域,根据该网格区域的权重矩阵、上述第一特征点集合、上述第二特征点集合、上述匹配关系,计算该网格区域的局部单应性矩阵。
在计算网格区域的局部单应性矩阵的过程中,可以利用权重矩阵对各特征点进行权重计算,从而得到与权重有关的局部单应性矩阵,例如,在利用DLT算法计算网格区域的单应性矩阵时,可以左乘该网格区域的权重矩阵,以得到该网格区域的单应性矩阵作为该网格区域的局部单应性矩阵。
在一种可能的实施方式中,上述针对上述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,包括:
步骤A,针对上述待配准图像的每一网格区域,基于各第一特征点相对于该网格区域的关键点的距离,确定各第一特征点相对于该网格区域的权重。
此处的距离包括但不限于高斯距离、欧氏距离及直线距离等。一个例子中,以高斯距离为例,针对上述待配准图像的每一网格区域,根据如下公式计算各第一特征点相对于该网格区域的权重:
针对所述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的关键点的高斯距离权重作为各第一特征点相对于该网格区域的权重:
σ为预先设置的常数,可以根据实际情况自定义设置,一个例子中,σ的取值范围为(0,0.9)。
步骤B,针对上述待配准图像的每一网格区域,根据各第一特征点相对于该网格区域的权重,确定该网格区域的权重矩阵。
针对上述待配准图像的每一网格区域,将各第一特征点相对于该网格区域的权重,组合为该网格区域的权重矩阵。一个例子中,针对上述待配准图像的每一网格区域,根据各第一特征点相对于该网格区域的权重,得到该网格区域的权重矩阵:
在一种可能的实施方式中,上述针对上述待配准图像中每一网格区域,根据该网格区域的权重矩阵、上述第一特征点集合、上述第二特征点集合、上述匹配关系,计算该网格区域的局部单应性矩阵,包括:
步骤1,根据上述第一特征点集合、上述第二特征点集合、上述匹配关系,确定特征点矩阵。
一个例子中,特征点矩阵A可以为:
其中,A∈R2N×9即2N行,9列的矩阵,N为第一特征点/第二特征点的数量,xi为第i个第一特征点的横坐标,yi为第i个第一特征点的纵坐标,xi′为第i个第二特征点的横坐标,yi′为第i个第二特征点的纵坐标;
步骤2,针对上述待配准图像中每一网格区域,将该网格区域的权重矩阵与特征点矩阵进行左乘,得到矫正后的矩阵;对上述矫正后的矩阵进行奇异值分解得到该网格区域的局部单应性矩阵。
针对所述待配准图像中每一网格区域,将该网格区域的权重矩阵与特征点矩阵A进行左乘,得到矫正后的矩阵A*,对A*进行奇异值分解得到该网格区域的局部单应性矩阵。
一个例子中,待配准图像如图4a所示,参考图像如图4b所示,利用整个待配准图像的单应性矩阵直接对整个待配准图像进行配准,配准后的图像如图4c所示,利用本申请实施例中的图像配准方法配准后的图像如图4d所示。可见,采用本申请实施例中的图像配准方法配准后的图像在车牌、车窗和车标处的重影效果明显减少,效果优化明显。
一个例子中,待配准图像如图5a所示,参考图像如图5b所示,利用整个待配准图像的单应性矩阵直接对整个待配准图像进行配准,配准后的图像如图5c所示,利用本申请实施例中的图像配准方法配准后的图像如图5d所示。可见,采用本申请实施例中的图像配准方法配准后的图像在车牌、车窗和车标处的重影效果明显减少,效果优化明显。
本申请实施例还提供了一种图像配准装置,参见图6,该装置包括:
图像获取模块11,用于获取待配准图像及参考图像,其中,所述待配准图像与所述参考图像中包括相同的目标;
特征点获取模块12,用于对所述待配准图像和所述参考图像进行特征点检测及特征点匹配,得到所述待配准图像的第一特征点集合、所述参考图像的第二特征点集合、所述第一特征点集合中的各第一特征点与所述第二特征点集合中的各第二特征点的匹配关系,其中,具有匹配关系的第一特征点与第二特征点表示所述相同的目标中的同一点;
网格区域划分模块13,用于将所述待配准图像划分为多个网格区域;
局部单应性矩阵确定模块14,用于根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算所述待配准图像中每个网格区域的局部单应性矩阵;
网格区域映射模块15,用于针对所述待配准图像中的每一网格区域,利用该网格区域的局部单应性矩阵,对该网格区域中的像素进行映射,得到该网格区域的映射区域;
映射区域拼接模块16,用于将各网格区域的映射区域进行拼接,得到所述待配准图像配准后的目标图像。
在一种可能的实施方式中,所述装置还包括:
权重矩阵确定模块,用于针对所述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,其中,该网格区域的权重矩阵由各第一特征点相对于该网格区域的权重组成,针对任一第一特征点,该第一特征点相对于该网格区域的权重与该第一特征点相对于该网格区域关键点的距离负相关;
所述局部单应性矩阵确定模块,具体用于:针对所述待配准图像中每一网格区域,根据该网格区域的权重矩阵、所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算该网格区域的局部单应性矩阵。
在一种可能的实施方式中,所述装置还包括:
关键点确定模块,用于针对每一网格区域,将该网格区域中所有像素的中心点作为该网格区域的关键点。
在一种可能的实施方式中,所述装置还包括:
关键点确定模块,用于确定各网格区域中的前景目标区域;针对任一网格区域,在该网格区域包括前景目标区域的情况下,将该网格区域的前景目标区域中所有像素的中心点作为该网格区域的关键点;针对任一网格区域,在该网格区域不包括前景目标区域的情况下,将该网格区域中所有像素的中心点作为该网格区域的关键点。
在一种可能的实施方式中,所述映射区域拼接模块,具体用于:将各网格区域的映射区域进行拼接,并对拼接处的像素进行平滑处理得到所述待配准图像配准后的目标图像。
在一种可能的实施方式中,所述权重矩阵确定模块,具体用于:针对所述待配准图像的每一网格区域,基于各第一特征点相对于该网格区域的关键点的距离,确定各第一特征点相对于该网格区域的权重;针对所述待配准图像的每一网格区域,根据各第一特征点相对于该网格区域的权重,确定该网格区域的权重矩阵。
在一种可能的实施方式中,所述局部单应性矩阵确定模块,具体用于:根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,确定特征点矩阵;针对所述待配准图像中每一网格区域,将该网格区域的权重矩阵与特征点矩阵进行左乘,得到矫正后的矩阵;对所述矫正后的矩阵进行奇异值分解得到该网格区域的局部单应性矩阵。
本申请实施例还提供了一种电子设备,包括:处理器及存储器;
上述存储器,用于存放计算机程序;
上述处理器用于执行上述存储器存放的计算机程序时,实现本申请中任一所述的图像配准方法。
可选的,参见图7,除了上述处理器21及存储器23外,本申请实施例的电子设备还包括通信接口22和通信总线24,其中,处理器21,通信接口22,存储器23通过通信总线24完成相互间的通信。
上述电子设备提到的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质内存储有计算机程序,上述计算机程序被处理器执行时实现本申请中任一所述的图像配准方法。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本申请中任一所述的图像配准方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
需要说明的是,在本文中,各个可选方案中的技术特征只要不矛盾均可组合来形成方案,这些方案均在本申请公开的范围内。诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机程序产品及存储介质的实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (16)
1.一种图像配准方法,其特征在于,所述方法包括:
获取待配准图像及参考图像,其中,所述待配准图像与所述参考图像中包括相同的目标;
对所述待配准图像和所述参考图像进行特征点检测及特征点匹配,得到所述待配准图像的第一特征点集合、所述参考图像的第二特征点集合、所述第一特征点集合中的各第一特征点与所述第二特征点集合中的各第二特征点的匹配关系,其中,具有匹配关系的第一特征点与第二特征点表示所述相同的目标中的同一点;
将所述待配准图像划分为多个网格区域;
根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算所述待配准图像中每个网格区域的局部单应性矩阵;
针对所述待配准图像中的每一网格区域,利用该网格区域的局部单应性矩阵,对该网格区域中的像素进行映射,得到该网格区域的映射区域;
将各网格区域的映射区域进行拼接,得到所述待配准图像配准后的目标图像。
2.根据权利要求1所述的方法,其特征在于,在所述将所述待配准图像划分为多个网格区域之后,所述方法包括:
针对所述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,其中,该网格区域的权重矩阵由各第一特征点相对于该网格区域的权重组成,针对任一第一特征点,该第一特征点相对于该网格区域的权重与该第一特征点相对于该网格区域关键点的距离负相关;
所述根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算所述待配准图像中每个网格区域的局部单应性矩阵,包括:
针对所述待配准图像中每一网格区域,根据该网格区域的权重矩阵、所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算该网格区域的局部单应性矩阵。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
针对每一网格区域,将该网格区域中所有像素的中心点作为该网格区域的关键点。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定各网格区域中的前景目标区域;
针对任一网格区域,在该网格区域包括前景目标区域的情况下,将该网格区域的前景目标区域中所有像素的中心点作为该网格区域的关键点;
针对任一网格区域,在该网格区域不包括前景目标区域的情况下,将该网格区域中所有像素的中心点作为该网格区域的关键点。
5.根据权利要求1所述的方法,其特征在于,所述将各网格区域的映射区域进行拼接,得到所述待配准图像配准后的目标图像,包括:
将各网格区域的映射区域进行拼接,并对拼接处的像素进行平滑处理得到所述待配准图像配准后的目标图像。
6.根据权利要求2-5任一所述的方法,其特征在于,所述针对所述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,包括:
针对所述待配准图像的每一网格区域,基于各第一特征点相对于该网格区域的关键点的距离,确定各第一特征点相对于该网格区域的权重;
针对所述待配准图像的每一网格区域,根据各第一特征点相对于该网格区域的权重,确定该网格区域的权重矩阵。
7.根据权利要求2-5任一所述的方法,其特征在于,所述针对所述待配准图像中每一网格区域,根据该网格区域的权重矩阵、所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算该网格区域的局部单应性矩阵,包括:
根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,确定特征点矩阵;
针对所述待配准图像中每一网格区域,将该网格区域的权重矩阵与特征点矩阵进行左乘,得到矫正后的矩阵;
对所述矫正后的矩阵进行奇异值分解得到该网格区域的局部单应性矩阵。
8.一种图像配准装置,其特征在于,所述装置包括:
图像获取模块,用于获取待配准图像及参考图像,其中,所述待配准图像与所述参考图像中包括相同的目标;
特征点获取模块,用于对所述待配准图像和所述参考图像进行特征点检测及特征点匹配,得到所述待配准图像的第一特征点集合、所述参考图像的第二特征点集合、所述第一特征点集合中的各第一特征点与所述第二特征点集合中的各第二特征点的匹配关系,其中,具有匹配关系的第一特征点与第二特征点表示所述相同的目标中的同一点;
网格区域划分模块,用于将所述待配准图像划分为多个网格区域;
局部单应性矩阵确定模块,用于根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算所述待配准图像中每个网格区域的局部单应性矩阵;
网格区域映射模块,用于针对所述待配准图像中的每一网格区域,利用该网格区域的局部单应性矩阵,对该网格区域中的像素进行映射,得到该网格区域的映射区域;
映射区域拼接模块,用于将各网格区域的映射区域进行拼接,得到所述待配准图像配准后的目标图像。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
权重矩阵确定模块,用于针对所述待配准图像的每一网格区域,分别计算各第一特征点相对于该网格区域的权重,从而得到该网格区域的权重矩阵,其中,该网格区域的权重矩阵由各第一特征点相对于该网格区域的权重组成,针对任一第一特征点,该第一特征点相对于该网格区域的权重与该第一特征点相对于该网格区域关键点的距离负相关;
所述局部单应性矩阵确定模块,具体用于:针对所述待配准图像中每一网格区域,根据该网格区域的权重矩阵、所述第一特征点集合、所述第二特征点集合、所述匹配关系,计算该网格区域的局部单应性矩阵。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
关键点确定模块,用于针对每一网格区域,将该网格区域中所有像素的中心点作为该网格区域的关键点。
11.根据权利要求9所述的装置,其特征在于,所述装置还包括:
关键点确定模块,用于确定各网格区域中的前景目标区域;针对任一网格区域,在该网格区域包括前景目标区域的情况下,将该网格区域的前景目标区域中所有像素的中心点作为该网格区域的关键点;针对任一网格区域,在该网格区域不包括前景目标区域的情况下,将该网格区域中所有像素的中心点作为该网格区域的关键点。
12.根据权利要求8所述的装置,其特征在于,所述映射区域拼接模块,具体用于:
将各网格区域的映射区域进行拼接,并对拼接处的像素进行平滑处理得到所述待配准图像配准后的目标图像。
13.根据权利要求9-12任一所述的装置,其特征在于,所述权重矩阵确定模块,具体用于:针对所述待配准图像的每一网格区域,基于各第一特征点相对于该网格区域的关键点的距离,确定各第一特征点相对于该网格区域的权重;针对所述待配准图像的每一网格区域,根据各第一特征点相对于该网格区域的权重,确定该网格区域的权重矩阵。
14.根据权利要求9-12任一所述的装置,其特征在于,所述局部单应性矩阵确定模块,具体用于:根据所述第一特征点集合、所述第二特征点集合、所述匹配关系,确定特征点矩阵;针对所述待配准图像中每一网格区域,将该网格区域的权重矩阵与特征点矩阵进行左乘,得到矫正后的矩阵;对所述矫正后的矩阵进行奇异值分解得到该网格区域的局部单应性矩阵。
15.一种电子设备,其特征在于,包括处理器及存储器;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-7任一所述的图像配准方法。
16.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的图像配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260786.0A CN112927276B (zh) | 2021-03-10 | 2021-03-10 | 图像配准方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110260786.0A CN112927276B (zh) | 2021-03-10 | 2021-03-10 | 图像配准方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112927276A true CN112927276A (zh) | 2021-06-08 |
CN112927276B CN112927276B (zh) | 2024-03-12 |
Family
ID=76172388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110260786.0A Active CN112927276B (zh) | 2021-03-10 | 2021-03-10 | 图像配准方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112927276B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666553A (zh) * | 2022-05-18 | 2022-06-24 | 深圳酷源数联科技有限公司 | 煤矿井下大视角安保监控*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012049098A1 (en) * | 2010-10-15 | 2012-04-19 | Iee International Electronics & Engineering S.A. | Range image pixel matching method |
CN108280805A (zh) * | 2018-01-30 | 2018-07-13 | 北京理工大学 | 一种基于流形优化的图像拼接方法 |
CN108537830A (zh) * | 2017-03-02 | 2018-09-14 | 广州康昕瑞基因健康科技有限公司 | 图像配准方法和***及图像拍摄对位方法和*** |
US20180330198A1 (en) * | 2017-05-14 | 2018-11-15 | International Business Machines Corporation | Systems and methods for identifying a target object in an image |
CN109741240A (zh) * | 2018-12-25 | 2019-05-10 | 常熟理工学院 | 一种基于层次聚类的多平面图像拼接方法 |
CN110458870A (zh) * | 2019-07-05 | 2019-11-15 | 北京迈格威科技有限公司 | 一种图像配准、融合、遮挡检测方法、装置和电子设备 |
CN110781903A (zh) * | 2019-10-12 | 2020-02-11 | 中国地质大学(武汉) | 基于网格优化和全局相似性约束的无人机图像拼接方法 |
CN111105350A (zh) * | 2019-11-25 | 2020-05-05 | 南京大学 | 大视差场景下基于自身单应性变换的实时视频拼接方法 |
-
2021
- 2021-03-10 CN CN202110260786.0A patent/CN112927276B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012049098A1 (en) * | 2010-10-15 | 2012-04-19 | Iee International Electronics & Engineering S.A. | Range image pixel matching method |
CN108537830A (zh) * | 2017-03-02 | 2018-09-14 | 广州康昕瑞基因健康科技有限公司 | 图像配准方法和***及图像拍摄对位方法和*** |
US20180330198A1 (en) * | 2017-05-14 | 2018-11-15 | International Business Machines Corporation | Systems and methods for identifying a target object in an image |
CN108280805A (zh) * | 2018-01-30 | 2018-07-13 | 北京理工大学 | 一种基于流形优化的图像拼接方法 |
CN109741240A (zh) * | 2018-12-25 | 2019-05-10 | 常熟理工学院 | 一种基于层次聚类的多平面图像拼接方法 |
CN110458870A (zh) * | 2019-07-05 | 2019-11-15 | 北京迈格威科技有限公司 | 一种图像配准、融合、遮挡检测方法、装置和电子设备 |
CN110781903A (zh) * | 2019-10-12 | 2020-02-11 | 中国地质大学(武汉) | 基于网格优化和全局相似性约束的无人机图像拼接方法 |
CN111105350A (zh) * | 2019-11-25 | 2020-05-05 | 南京大学 | 大视差场景下基于自身单应性变换的实时视频拼接方法 |
Non-Patent Citations (3)
Title |
---|
CHUNG-CHING LIN 等: "Adaptive As-Natural-As-Possible Image Stitching", 《2015 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR)》, pages 1156 - 1160 * |
J. ZARAGOZA等: "Asprojective-as-possible image stitching with moving DLT", 《IN COMPUTER VISION AND PATTERN RECOGNITION (CVPR)》, pages 1289 - 1292 * |
方程骏: "基于双目视觉的自由曲面三维重建研究", 《国优秀硕士学位论文全文数据库 信息科技辑》, 15 January 2016 (2016-01-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114666553A (zh) * | 2022-05-18 | 2022-06-24 | 深圳酷源数联科技有限公司 | 煤矿井下大视角安保监控*** |
Also Published As
Publication number | Publication date |
---|---|
CN112927276B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146980B (zh) | 基于单目视觉的优化的深度提取和被动测距方法 | |
CN109035320B (zh) | 基于单目视觉的深度提取方法 | |
CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
WO2020010945A1 (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN112348863B (zh) | 图像对齐方法、图像对齐装置及终端设备 | |
CN110874827B (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
CN110738707A (zh) | 一种相机的畸变校正方法及装置、设备、存储介质 | |
CN112465877B (zh) | 一种基于运动状态估计的卡尔曼滤波视觉追踪稳定方法 | |
CN111583119B (zh) | 一种正射影像拼接方法、设备以及计算机可读介质 | |
CN109255818B (zh) | 一种新型标靶及其亚像素级角点的提取方法 | |
CN113592957A (zh) | 一种多激光雷达和多相机联合标定方法及*** | |
CN112927306B (zh) | 拍摄装置的标定方法、装置及终端设备 | |
CN111598777A (zh) | 天空云图的处理方法、计算机设备和可读存储介质 | |
CN111383254A (zh) | 一种深度信息获取方法、***及终端设备 | |
CN111383264A (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN113407030B (zh) | 视觉定位方法及相关装置、设备和存储介质 | |
CN112927276B (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN116170569A (zh) | 一种高光谱影像正摄校正方法及装置、存储介质 | |
CN113589263A (zh) | 一种多个同源传感器联合标定方法及*** | |
CN117848234A (zh) | 物体扫描机构、方法及相关设备 | |
CN111813984B (zh) | 一种利用单应矩阵实现室内定位的方法、装置及电子设备 | |
CN111260574B (zh) | 一种***照片矫正的方法、终端及计算机可读存储介质 | |
CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
CN112102378A (zh) | 图像配准方法、装置、终端设备及计算机可读存储介质 | |
KR20180131743A (ko) | Sift 플로우를 이용한 광각영상의 스테레오 정합 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |