CN115170395A - 全景图像拼接方法、装置、电子设备、介质和程序产品 - Google Patents

全景图像拼接方法、装置、电子设备、介质和程序产品 Download PDF

Info

Publication number
CN115170395A
CN115170395A CN202210826024.7A CN202210826024A CN115170395A CN 115170395 A CN115170395 A CN 115170395A CN 202210826024 A CN202210826024 A CN 202210826024A CN 115170395 A CN115170395 A CN 115170395A
Authority
CN
China
Prior art keywords
feature point
image
image feature
point group
dimensional image
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
Application number
CN202210826024.7A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Chengshi Wanglin Information Technology Co Ltd
Original Assignee
Beijing Chengshi Wanglin Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Chengshi Wanglin Information Technology Co Ltd filed Critical Beijing Chengshi Wanglin Information Technology Co Ltd
Priority to CN202210826024.7A priority Critical patent/CN115170395A/zh
Publication of CN115170395A publication Critical patent/CN115170395A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本公开的实施例公开了全景图像拼接方法、装置、电子设备、介质和程序产品。该方法的一具体实施方式包括：从二维图像序列中的每个二维图像中提取图像特征点，得到图像特征点组序列；对于图像特征点组序列中每个图像特征点组和图像特征点组的下一图像特征点组，执行以下步骤：响应于确定下一图像特征点组中不存在与图像特征点组中的图像特征点匹配的下一图像特征点，根据对应下一图像特征点组的二维图像，生成下一三维图像；根据下一三维图像，以及对应图像特征点组的二维图像或图像特征点组，生成相机位姿信息；根据所生成的各个相机位姿信息，将二维图像序列拼接为全景图像。该实施方式可以提高拼接的全景图像的质量，缩短拼接全景图像的时长。

Description

全景图像拼接方法、装置、电子设备、介质和程序产品
技术领域
本公开的实施例涉及图像处理领域，具体涉及全景图像拼接方法、装置、电子设备、介质和程序产品。
背景技术
全景图像可以通过广角的表现手段以及绘画、相片、视频、三维模型等形式，尽可能多表现出周围的环境。目前，在生成全景图像时，通常采用的方式为：直接通过各个二维图像生成全景图像。
然而，当采用上述方式生成全景图像时，经常会存在如下技术问题：全景图像受特征点匹配结果的影响较大，特征点未匹配成功时，生成的全景图像质量较差(例如图像扭曲、模糊)，且耗时较长。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了全景图像拼接方法、装置、电子设备、计算机可读介质和计算机程序产品，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种全景图像拼接方法，该方法包括：从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列；对于上述图像特征点组序列中每个图像特征点组和上述每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：响应于确定上述下一图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组的二维图像，生成下一三维图像；根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息；根据所生成的各个相机位姿信息，将上述二维图像序列拼接为全景图像。
可选地，在上述从二维图像序列中的每个二维图像中提取图像特征点之前，方法还包括：获取二维图像序列。
可选地，上述获取二维图像序列，包括：在拍摄界面显示拍摄提示信息；将摄像装置采集的各个二维图像组合为二维图像序列，其中，上述各个二维图像是用户根据上述拍摄提示信息拍摄的。
可选地，上述获取二维图像序列，还包括：获取对应上述二维图像序列的拍摄位姿信息集合。
可选地，在上述从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列之后，方法还包括：对上述图像特征点组序列中的每个图像特征点组进行过滤，以对上述图像特征点组进行更新，得到更新后的图像特征点组序列。
可选地，上述相机位姿信息生成步骤还包括：响应于确定上述下一图像特征点组中的各个图像特征点与上述每个图像特征点组中的各个图像特征点匹配，根据上述图像特征点组和上述每个下一图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。
可选地，上述根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息，包括：从上述下一三维图像中提取三维图像特征点作为下一三维图像特征点，以组成下一三维图像特征点组；响应于确定上述下一三维图像特征点组中的各个下一三维图像特征点与上述每个图像特征点组中的各个图像特征点匹配，根据上述每个图像特征点组和上述下一三维图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。
可选地，上述根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息，还包括：响应于确定上述下一三维图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一三维图像特征点，将上述拍摄位姿信息集合中对应上述每个图像特征点组和上述下一三维图像的拍摄位姿信息确定为相机位姿信息。
可选地，上述根据所生成的各个相机位姿信息，将上述二维图像序列拼接为全景图像，包括：对于所生成的每个相机位姿信息，执行以下步骤：从上述拍摄位姿信息集合中选择对应上述相机位姿信息的拍摄位姿信息作为目标拍摄位姿信息；根据上述相机位姿信息，对上述相机位姿信息对应的二维图像进行投影，得到第一投影图像；根据上述目标拍摄位姿信息，对上述相机位姿信息对应的二维图像进行投影，得到第二投影图像；根据上述第一投影图像和上述二维图像的下一二维图像，生成上述相机位姿信息对应的误差作为第一误差；根据上述第二投影图像和上述下一二维图像，生成上述目标拍摄位姿信息对应的误差作为第二误差；根据上述第一误差、上述第二误差、上述相机位姿信息和上述目标拍摄位姿信息，确定目标位姿信息；根据所确定的各个目标位姿信息，将上述二维图像序列拼接为全景图像。
第二方面，本公开的一些实施例提供了一种全景图像拼接装置，装置包括：提取单元，被配置成从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列；执行单元，被配置成对于上述图像特征点组序列中每个图像特征点组和上述每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：响应于确定上述下一图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组的二维图像，生成下一三维图像；根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息；拼接单元，被配置成根据所生成的各个相机位姿信息，将上述二维图像序列拼接为全景图像。
可选地，在提取单元之前，装置还包括：二维图像序列获取单元，被配置成获取二维图像序列。
可选地，二维图像序列获取单元进一步被配置成：在拍摄界面显示拍摄提示信息；将摄像装置采集的各个二维图像组合为二维图像序列，其中，上述各个二维图像是用户根据上述拍摄提示信息拍摄的。
可选地，二维图像序列获取单元还包括：拍摄位姿信息集合获取单元，被配置成获取对应上述二维图像序列的拍摄位姿信息集合。
可选地，在提取单元之前，装置还包括：过滤单元，被配置成对上述图像特征点组序列中的每个图像特征点组进行过滤，以对上述图像特征点组进行更新，得到更新后的图像特征点组序列。
可选地，上述相机位姿信息生成步骤还包括：响应于确定上述下一图像特征点组中的各个图像特征点与上述每个图像特征点组中的各个图像特征点匹配，根据上述图像特征点组和上述每个下一图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。
可选地，执行单元包括：三维图像特征点提取单元和相机位姿信息生成单元。其中，三维图像特征点提取单元被配置成从上述下一三维图像中提取三维图像特征点作为下一三维图像特征点，以组成下一三维图像特征点组。相机位姿信息生成单元被配置成响应于确定上述下一三维图像特征点组中的各个下一三维图像特征点与上述每个图像特征点组中的各个图像特征点匹配，根据上述每个图像特征点组和上述下一三维图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。
可选地，执行单元还包括：相机位姿信息确定单元，被配置成响应于确定上述下一三维图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一三维图像特征点，将上述拍摄位姿信息集合中对应上述每个图像特征点组和上述下一三维图像的拍摄位姿信息确定为相机位姿信息。
可选地，拼接单元进一步被配置成：对于所生成的每个相机位姿信息，执行以下步骤：从上述拍摄位姿信息集合中选择对应上述相机位姿信息的拍摄位姿信息作为目标拍摄位姿信息；根据上述相机位姿信息，对上述相机位姿信息对应的二维图像进行投影，得到第一投影图像；根据上述目标拍摄位姿信息，对上述相机位姿信息对应的二维图像进行投影，得到第二投影图像；根据上述第一投影图像和上述二维图像的下一二维图像，生成上述相机位姿信息对应的误差作为第一误差；根据上述第二投影图像和上述下一二维图像，生成上述目标拍摄位姿信息对应的误差作为第二误差；根据上述第一误差、上述第二误差、上述相机位姿信息和上述目标拍摄位姿信息，确定目标位姿信息；根据所确定的各个目标位姿信息，将上述二维图像序列拼接为全景图像。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
第五方面，本公开的一些实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的全景图像拼接方法，提升了全景图像的质量，缩短了拼接全景图像的时长。本公开的一些实施例的全景图像拼接方法，首先，从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列。由此，组成的各个图像特征点组可以用于不同二维图像间的特征点匹配。然后，对于上述图像特征点组序列中每个图像特征点组和上述每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：第一步，响应于确定上述下一图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组的二维图像，生成下一三维图像。由此，相邻的二维图像间进行特征点匹配可以缩短匹配时间，同时可以在特征点不匹配时，将二维图像转换成三维图像，以便于进一步进行特征点匹配。第二步，根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。由此，可以根据转换的三维图像，生成估计的相机位姿信息。最后，根据所生成的各个相机位姿信息，将上述二维图像序列拼接为全景图像。由此，可以根据估计的相机位姿信息，拼接全景图像。也因为特征点匹配不成功时，将二维图像转换为了三维图像，以便于进一步进行特征点匹配，减少了特征点匹配失败的次数。还因为缩短了匹配时间，进而缩短了拼接全景图像的时长。由此，提高了拼接的全景图像的质量，缩短了拼接全景图像的时长。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的全景图像拼接方法的一个应用场景的示意图；
图2是根据本公开的一些实施例的全景图像拼接方法的另一个应用场景的示意图；
图3是根据本公开的全景图像拼接方法的一些实施例的流程图；
图4是根据本公开的全景图像拼接方法的另一些实施例的流程图；
图5是根据本公开的全景图像拼接装置的一些实施例的结构示意图；
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的全景图像拼接方法的一个应用场景的示意图。
在图1的应用场景中，首先，计算设备101可以从二维图像序列102中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列102对应的图像特征点组序列103。然后，对于上述图像特征点组序列103中每个图像特征点组(例如，图像特征点组1031)和上述每个图像特征点组的下一图像特征点组(例如，下一图像特征点组1032)，计算设备101可以执行以下相机位姿信息生成步骤：第一步，响应于确定上述下一图像特征点组1032中不存在与上述每个图像特征点组1031中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组1032的二维图像，生成下一三维图像104。第二步，根据上述下一三维图像104，以及对应上述每个图像特征点组1031的二维图像或上述每个图像特征点组1031，生成上述每个图像特征点组1031对应的相机位姿信息105。最后，计算设备101可以根据所生成的各个相机位姿信息106，将上述二维图像序列102拼接为全景图像107。对于图1中各图像的图像内容，不作限定。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
图2是根据本公开一些实施例的全景图像拼接方法的另一个应用场景的示意图。
在图2的应用场景中，首先，终端设备201可以在拍摄界面202显示拍摄提示信息203。例如，图2中上述拍摄提示信息203可以显示为“请拍摄第一张图像”。可以理解的是，拍摄完第一张二维图像后，上述拍摄提示信息203可以显示为“请向右旋转15度，拍摄第二张图像”。又如，上述拍摄提示信息203可以直接显示为“请依次旋转15度，拍摄24张图像”。然后，终端设备201可以将摄像装置采集的各个二维图像204组合为二维图像序列205。其中，上述各个二维图像204是用户根据拍摄提示信息拍摄的。之后，终端设备201可以从二维图像序列205中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列205对应的图像特征点组序列206。然后，对于上述图像特征点组序列206中每个图像特征点组(例如，图像特征点组2061)和上述每个图像特征点组的下一图像特征点组(例如，下一图像特征点组2062)，终端设备201可以执行以下相机位姿信息生成步骤：第一步，响应于确定上述下一图像特征点组2062中不存在与上述每个图像特征点组2061中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组2062的二维图像，生成下一三维图像207。第二步，根据上述下一三维图像207，以及对应上述每个图像特征点组2061的二维图像或上述每个图像特征点组2061，生成上述每个图像特征点组2061对应的相机位姿信息208。最后，终端设备201可以根据所生成的各个相机位姿信息209，将上述二维图像序列205拼接为全景图像210。对于图2中各图像的图像内容，不作限定。
可以理解的是，全景图像拼接方法的执行主体可以是各种软件，可以是终端设备201，上述方法的执行主体还可以包括上述终端设备201与上述服务器通过网络相集成所构成的设备。其中，终端设备201可以是具有信息处理能力的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当上述方法的执行主体为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图2中的终端设备数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备。
继续参考图3，示出了根据本公开的全景图像拼接方法的一些实施例的流程300。该全景图像拼接方法，包括以下步骤：
步骤301，从二维图像序列中的每个二维图像中提取图像特征点，以组成对应二维图像的图像特征点组，得到二维图像序列对应的图像特征点组序列。
在一些实施例中，全景图像拼接方法的执行主体(例如图1所示的计算设备101)可以从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列。其中，上述二维图像序列可以是上述执行主体通过有线连接方式或者无线连接方式从终端接收或获取的。这里，对于二维图像序列包括的二维图像的数量，不做限定。例如，上述二维图像序列可以包括24张二维图像。
实践中，上述执行主体可以通过图像特征点提取算法从上述二维图像中提取各个图像特征点。例如，上述图像特征点提取算法可以为但不限于以下中的一项：HOG(Histogram of Oriented Gradient，方向梯度直方图)特征提取算法，LBP(Local BinaryPattern，局部二值模式)特征提取算法，Haar特征提取算法。上述图像特征点可以以图像坐标表示。然后，可以将上述各个图像特征点组成图像特征点组。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
可选地，上述执行主体可以对上述图像特征点组序列中的每个图像特征点组进行过滤，以对上述图像特征点组进行更新，得到更新后的图像特征点组序列。实践中，上述执行主体可以采用RANSAC(RAndom SAmple Consensus，随机抽样一致)算法进行对上述图像特征点组进行过滤，以对上述图像特征点组进行更新。由此，可以剔除图像特征点组中的离群点。
步骤302，对于图像特征点组序列中每个图像特征点组和每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：
步骤3021，响应于确定下一图像特征点组中不存在与每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应下一图像特征点组的二维图像，生成下一三维图像。
在一些实施例中，上述执行主体可以响应于确定上述下一图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组的二维图像，生成下一三维图像。其中，上述下一图像特征点组可以为上述图像特征点组序列中排列在上述图像特征点组后的图像特征点组。实践中，上述执行主体可以将对应上述下一图像特征点组的二维图像转换为深度图或点云图作为下一三维图像。
步骤3022，根据下一三维图像，以及对应每个图像特征点组的二维图像或每个图像特征点组，生成每个图像特征点组对应的相机位姿信息。
在一些实施例中，上述执行主体可以根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。其中，上述相机位姿信息可以包括旋转矩阵和平移向量。实践中，首先，上述执行主体可以将对应上述图像特征点组的二维图像转换为深度图或点云图作为三维图像。然后，可以根据上述三维图像和上述下一三维图像，生成相机位姿信息。具体地，可以采用3D-3D相机位姿估计方法生成相机位姿信息。
需要说明的是，对于图像特征点组序列中每两个相邻的图像特征点组，上述执行主体可以并行执行相机位姿信息生成步骤。
可选地，上述执行主体还可以响应于确定上述下一图像特征点组中的各个图像特征点与上述每个图像特征点组中的各个图像特征点匹配，根据上述每个图像特征点组和上述下一图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。实践中，上述执行主体可以采用2D-2D相机位姿估计方法生成相机位姿信息。具体地，首先，上述执行主体可以根据上述下一图像特征点组与上述图像特征点组，生成单应矩阵。然后，可以根据上述单应矩阵，生成旋转矩阵和平移向量。由此，可以在下一图像特征点组与图像特征点组相匹配时，直接通过下一图像特征点组与图像特征点组生成相机位姿信息。
步骤303，根据所生成的各个相机位姿信息，将二维图像序列拼接为全景图像。
在一些实施例中，上述执行主体可以根据所生成的各个相机位姿信息，将上述二维图像序列拼接为全景图像。实践中，首先，上述执行主体可以通过上述各个相机位姿信息，将上述二维图像序列中的各个二维图像映射至三维球体的表面。然后，可以将映射后的三维球体的表面展开为全景图像。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的全景图像拼接方法，提升了全景图像的质量，缩短了拼接全景图像的时长。本公开的一些实施例的全景图像拼接方法，首先，从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列。由此，组成的各个图像特征点组可以用于不同二维图像间的特征点匹配。然后，对于上述图像特征点组序列中每个图像特征点组和上述每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：第一步，响应于确定上述下一图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组的二维图像，生成下一三维图像。由此，相邻的二维图像间进行特征点匹配可以缩短匹配时间，同时可以在特征点不匹配时，将二维图像转换成三维图像，以便于进一步进行特征点匹配。第二步，根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。由此，可以根据转换的三维图像，生成估计的相机位姿信息。最后，根据所生成的各个相机位姿信息，将上述二维图像序列拼接为全景图像。由此，可以根据估计的相机位姿信息，拼接全景图像。也因为特征点匹配不成功时，将二维图像转换为了三维图像，以便于进一步进行特征点匹配，减少了特征点匹配失败的次数。还因为缩短了匹配时间，进而缩短了拼接全景图像的时长。由此，提高了拼接的全景图像的质量，缩短了拼接全景图像的时长。
进一步参考图4，其示出了全景图像拼接方法的另一些实施例的流程400。该全景图像拼接方法的流程400，包括以下步骤：
步骤401，获取二维图像序列。
在一些实施例中，全景图像拼接方法的执行主体(例如图2所示的终端设备)可以获取二维图像序列。实践中，上述执行主体可以控制相关联的云台设备拍摄二维图像，得到二维图像序列。作为示例，可以控制上述云台设备以预设时长为时间间隔，按照预设旋转角度拍摄预设数量个二维图像，得到二维图像序列。这里，对于预设时长、预设旋转角度和预设数量的设定，不做限定。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤获取二维图像序列：
第一步，在拍摄界面显示拍摄提示信息。其中，上述拍摄界面可以为拍摄图像时显示在显示屏幕的界面。上述拍摄提示信息可以为至少用于提示用户拍摄角度和/或拍摄数量的信息。上述拍摄提示信息可以至少以文字和/或符号的形式显示在上述拍摄界面。上述拍摄提示信息可以作为对应所有二维图像的提示信息一直显示在拍摄界面，也可以包括拍摄提示子信息集合。拍摄提示子信息集合中的每个拍摄提示子信息为对应一张二维图像的提示信息。例如，拍摄提示信息可以为“请依次旋转15度，拍摄24张图像”。拍摄提示信息还可以包括拍摄提示子信息“拍摄第一张图像”、“请向右旋转15度，拍摄第二张图像”、“请向右旋转15度，拍摄第三张图像”。可以理解的是，第一次拍摄时，拍摄提示子信息“拍摄第一张图像”显示在拍摄界面。第二次拍摄时，拍摄提示子信息“请向右旋转15度，拍摄第二张图像”显示在拍摄界面。由此，用户可以跟随拍摄提示信息的指引拍摄二维图像。
第二步，将摄像装置采集的各个二维图像组合为二维图像序列。其中，上述各个二维图像是用户根据上述拍摄提示信息拍摄的。上述摄像装置可以为设置在上述执行主体的用于拍摄的装置。实践中，上述执行主体可以将上述各个二维图像依次组合为二维图像序列。实践中，上述执行主体还可以按照预设的方向顺序，将上述各个二维图像组合为二维图像序列。由此，可以避免直接通过终端设备(例如手机)拍摄得到全景图像，进而可以避免可拍摄范围具有局限性。
步骤402，获取对应二维图像序列的拍摄位姿信息集合。
在一些实施例中，上述执行主体可以获取对应上述二维图像序列的拍摄位姿信息集合。上述拍摄位姿信息集合可以为拍摄上述二维图像序列中的各个二维图像时，自动记录的相机位姿信息。上述拍摄位姿信息集合中的拍摄位姿信息包括旋转矩阵和平移向量。可以理解的是，拍摄上述二维图像序列的设备为云台设备时，上述拍摄位姿信息集合是云台设备自动记录的。上述拍摄位姿信息集合可以以json格式存储。拍摄上述二维图像序列的设备为上述执行主体的摄像装置时，上述拍摄位姿信息集合是上述执行主体自动记录的。
步骤403，从二维图像序列中的每个二维图像中提取图像特征点，以组成对应二维图像的图像特征点组，得到二维图像序列对应的图像特征点组序列。
在一些实施例中，步骤403的具体实现及所带来的技术效果可以参考图3对应的那些实施例中的步骤301，在此不再赘述。
步骤404，对于图像特征点组序列中每个图像特征点组和每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：
步骤4041，响应于确定下一图像特征点组中不存在与每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应下一图像特征点组的二维图像，生成下一三维图像。
在一些实施例中，步骤4041的具体实现及所带来的技术效果可以参考图3对应的那些实施例中的步骤3021，在此不再赘述。
步骤4042，从下一三维图像中提取三维图像特征点作为下一三维图像特征点，以组成下一三维图像特征点组。
在一些实施例中，上述执行主体可以从上述下一三维图像中提取三维图像特征点作为下一三维图像特征点，以组成下一三维图像特征点组。实践中，上述执行主体可以通过图像特征点提取算法从上述下一三维图像中提取各个图像特征点作为各个下一三维图像特征点。然后，可以将上述各个下一三维图像特征点组成下一三维图像特征点组。由此，可以从三维图像中提取图像特征点。
步骤4043，响应于确定下一三维图像特征点组中的各个下一三维图像特征点与每个图像特征点组中的各个图像特征点匹配，根据每个图像特征点组和下一三维图像特征点组，生成每个图像特征点组对应的相机位姿信息。
在一些实施例中，上述执行主体可以响应于确定上述下一三维图像特征点组中的各个下一三维图像特征点与上述每个图像特征点组中的各个图像特征点匹配，根据上述每个图像特征点组和上述下一三维图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。实践中，上述执行主体可以采用3D-2D相机位姿估计方法，根据上述图像特征点组和上述下一三维图像特征点组，生成相机位姿信息。由此，可以在下一三维图像特征点组和图像特征点组相匹配时，通过下一三维图像特征点组和图像特征点组生成相机位姿信息。
步骤4044，响应于确定下一三维图像特征点组中不存在与每个图像特征点组中的图像特征点匹配的下一三维图像特征点，将拍摄位姿信息集合中对应每个图像特征点组和下一三维图像的拍摄位姿信息确定为相机位姿信息。
在一些实施例中，上述执行主体可以响应于确定上述下一三维图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一三维图像特征点，将上述拍摄位姿信息集合中对应上述每个图像特征点组和上述下一三维图像的拍摄位姿信息确定为相机位姿信息。其中，对应上述每个图像特征点组和上述下一三维图像的拍摄位姿信息可以为：拍摄上述每个图像特征点组对应的二维图像后，拍摄上述下一三维图像对应的二维图像时，记录的拍摄位姿信息。由此，可以在下一三维图像特征点组和图像特征点组不相匹配时，直接将自动记录的拍摄位姿信息作为相机位姿信息。
步骤405，根据所生成的各个相机位姿信息，将二维图像序列拼接为全景图像。
在一些实施例中，步骤405的具体实现及所带来的技术效果可以参考图3对应的那些实施例中的步骤303，在此不再赘述。
在一些实施例的一些可选的实现方式中，首先，对于所生成的每个相机位姿信息，上述执行主体可以执行以下步骤：
第一步，从上述拍摄位姿信息集合中选择对应上述相机位姿信息的拍摄位姿信息作为目标拍摄位姿信息。其中，对应上述相机位姿信息的拍摄位姿信息为：对应的二维图像和下一二维图像与上述相机位姿信息对应的二维图像和下一二维图像相同的拍摄位姿信息。下一二维图像可以为上述二维图像后的一个二维图像。
第二步，根据上述相机位姿信息，对上述相机位姿信息对应的二维图像进行投影，得到第一投影图像。其中，上述相机位姿信息对应的二维图像可以为上述相机位姿信息对应的两个二维图像中的前一个二维图像。上述两个二维图像中的后一个二维图像为下一二维图像。由此，可以根据估计的相机位姿信息，得到二维图像的投影结果。
第三步，根据上述目标拍摄位姿信息，对上述相机位姿信息对应的二维图像进行投影，得到第二投影图像。由此，可以根据自动记录的拍摄位姿信息，得到二维图像的投影结果。
第四步，根据上述第一投影图像和上述二维图像的下一二维图像，生成上述相机位姿信息对应的误差作为第一误差。实践中，上述执行主体可以生成上述第一投影图像和上述下一二维图像的光度误差和作为第一误差。上述光度误差和可以为上述第一投影图像和上述下一二维图像中各个像素点的光度误差的总和。
作为示例，上述光度误差的公式可以为：
Errori，j＝||ei，j-e′i，j||。
其中，Errori，j表示上述第一投影图像和上述下一二维图像中，图像横坐标为i、纵坐标为j的像素的光度误差。ei，j表示上述第一投影图像中，图像横坐标为i、纵坐标为j的像素的灰度值。e′i，j表示上述下一二维图像中，图像横坐标为i、纵坐标为j的像素的灰度值。
第五步，根据上述第二投影图像和上述下一二维图像，生成上述目标拍摄位姿信息对应的误差作为第二误差。实践中，上述执行主体可以生成上述第二投影图像和上述下一二维图像的光度误差和作为第二误差。生成第二误差的方式可以参考生成第一误差的方式，在此不再赘述。
第六步，根据上述第一误差、上述第二误差、上述相机位姿信息和上述目标拍摄位姿信息，确定目标位姿信息。实践中，上述执行主体可以响应于确定上述第一误差小于上述第二误差，将上述相机位姿信息确定为目标位姿信息。上述执行主体还可以响应于确定上述第一误差大于上述第二误差，将上述目标拍摄位姿信息确定为目标位姿信息。由此，可以将对应的误差较小的位姿相关信息确定为用于拼接全景图像的目标位姿信息。
然后，可以根据所确定的各个目标位姿信息，将上述二维图像序列拼接为全景图像。实践中，首先，上述执行主体可以通过上述各个目标位姿信息，将上述二维图像序列中的各个二维图像映射至三维球体表面。然后，可以将映射后的三维球体的表面展开为全景图像。由此，可以从估计的相机位姿信息和自动记录的拍摄位姿信息中选择较优的，用于拼接全景图像。从而可以进一步提升全景图像的质量。
从图4中可以看出，与图3对应的一些实施例的描述相比，图4对应的一些实施例中的全景图像拼接方法的流程400体现了对获取二维图像序列和拍摄位姿信息集合所扩展的步骤。由此，这些实施例描述的方案可以在下一三维图像特征点组和图像特征点组相匹配时，通过下一三维图像特征点组和图像特征点组生成相机位姿信息。还可以在下一三维图像特征点组和图像特征点组不相匹配时，直接将自动记录的拍摄位姿信息作为相机位姿信息。从而可以进一步减少特征点匹配失败的次数，提高了拼接的全景图像的质量。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种全景图像拼接装置的一些实施例，这些装置实施例与图3所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，一些实施例的全景图像拼接装置500包括：提取单元501、执行单元502和拼接单元503。其中，提取单元501被配置成从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列；执行单元502被配置成对于上述图像特征点组序列中每个图像特征点组和上述每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：响应于确定上述下一图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组的二维图像，生成下一三维图像；根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息；拼接单元503被配置成根据所生成的各个相机位姿信息，将上述二维图像序列拼接为全景图像。
可选地，在提取单元501之前，全景图像拼接装置500还可以包括：二维图像序列获取单元(图中未示出)，被配置成获取二维图像序列。
可选地，二维图像序列获取单元可以进一步被配置成：在拍摄界面显示拍摄提示信息；将摄像装置采集的各个二维图像组合为二维图像序列，其中，上述各个二维图像是用户根据上述拍摄提示信息拍摄的。
可选地，二维图像序列获取单元还可以包括：拍摄位姿信息集合获取单元(图中未示出)，被配置成获取对应上述二维图像序列的拍摄位姿信息集合。
可选地，在提取单元501之前，全景图像拼接装置500还可以包括：过滤单元(图中未示出)，被配置成对上述图像特征点组序列中的每个图像特征点组进行过滤，以对上述图像特征点组进行更新，得到更新后的图像特征点组序列。
可选地，上述相机位姿信息生成步骤还可以包括：响应于确定上述下一图像特征点组中的各个图像特征点与上述每个图像特征点组中的各个图像特征点匹配，根据上述每个图像特征点组和上述下一图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。
可选地，执行单元502可以包括：三维图像特征点提取单元和相机位姿信息生成单元(图中未示出)。其中，三维图像特征点提取单元被配置成从上述下一三维图像中提取三维图像特征点作为下一三维图像特征点，以组成下一三维图像特征点组。相机位姿信息生成单元被配置成响应于确定上述下一三维图像特征点组中的各个下一三维图像特征点与上述每个图像特征点组中的各个图像特征点匹配，根据上述每个图像特征点组和上述下一三维图像特征点组，生成上述每个图像特征点组对应的相机位姿信息。
可选地，执行单元502还可以包括：相机位姿信息确定单元(图中未示出)，被配置成响应于确定上述下一三维图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一三维图像特征点，将上述拍摄位姿信息集合中对应上述每个图像特征点组和上述下一三维图像的拍摄位姿信息确定为相机位姿信息。
可选地，拼接单元503可以进一步被配置成：对于所生成的每个相机位姿信息，执行以下步骤：从上述拍摄位姿信息集合中选择对应上述相机位姿信息的拍摄位姿信息作为目标拍摄位姿信息；根据上述相机位姿信息，对上述相机位姿信息对应的二维图像进行投影，得到第一投影图像；根据上述目标拍摄位姿信息，对上述相机位姿信息对应的二维图像进行投影，得到第二投影图像；根据上述第一投影图像和上述二维图像的下一二维图像，生成上述相机位姿信息对应的误差作为第一误差；根据上述第二投影图像和上述下一二维图像，生成上述目标拍摄位姿信息对应的误差作为第二误差；根据上述第一误差、上述第二误差、上述相机位姿信息和上述目标拍摄位姿信息，确定目标位姿信息；根据所确定的各个目标位姿信息，将上述二维图像序列拼接为全景图像。
可以理解的是，该装置500中记载的诸单元与参考图3描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101或图2中的终端设备201)600的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列；对于上述图像特征点组序列中每个图像特征点组和上述每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：响应于确定上述下一图像特征点组中不存在与上述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应上述下一图像特征点组的二维图像，生成下一三维图像；根据上述下一三维图像，以及对应上述每个图像特征点组的二维图像或上述每个图像特征点组，生成上述每个图像特征点组对应的相机位姿信息；根据所生成的各个相机位姿信息，将上述二维图像序列拼接为全景图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括提取单元、执行单元和拼接单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，提取单元还可以被描述为“从二维图像序列中的每个二维图像中提取图像特征点，以组成对应上述二维图像的图像特征点组，得到上述二维图像序列对应的图像特征点组序列的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
本公开的一些实施例还提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述的任一种全景图像拼接方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (13)

1.一种全景图像拼接方法，包括：
从二维图像序列中的每个二维图像中提取图像特征点，以组成对应所述二维图像的图像特征点组，得到所述二维图像序列对应的图像特征点组序列；
对于所述图像特征点组序列中每个图像特征点组和所述每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：
响应于确定所述下一图像特征点组中不存在与所述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应所述下一图像特征点组的二维图像，生成下一三维图像；
根据所述下一三维图像，以及对应所述每个图像特征点组的二维图像或所述每个图像特征点组，生成所述每个图像特征点组对应的相机位姿信息；
根据所生成的各个相机位姿信息，将所述二维图像序列拼接为全景图像。
2.根据权利要求1所述的方法，其中，在所述从二维图像序列中的每个二维图像中提取图像特征点之前，所述方法还包括：
获取二维图像序列。
3.根据权利要求2所述的方法，其中，所述获取二维图像序列，包括：
在拍摄界面显示拍摄提示信息；
将摄像装置采集的各个二维图像组合为二维图像序列，其中，所述各个二维图像是用户根据所述拍摄提示信息拍摄的。
4.根据权利要求2所述的方法，其中，所述获取二维图像序列，还包括：
获取对应所述二维图像序列的拍摄位姿信息集合。
5.根据权利要求1所述的方法，其中，在所述从二维图像序列中的每个二维图像中提取图像特征点，以组成对应所述二维图像的图像特征点组，得到所述二维图像序列对应的图像特征点组序列之后，所述方法还包括：
对所述图像特征点组序列中的每个图像特征点组进行过滤，以对所述图像特征点组进行更新，得到更新后的图像特征点组序列。
6.根据权利要求1-5之一所述的方法，其中，所述相机位姿信息生成步骤还包括：
响应于确定所述下一图像特征点组中的各个图像特征点与所述每个图像特征点组中的各个图像特征点匹配，根据所述每个图像特征点组和所述下一图像特征点组，生成所述每个图像特征点组对应的相机位姿信息。
7.根据权利要求4所述的方法，其中，所述根据所述下一三维图像，以及对应所述每个图像特征点组的二维图像或所述每个图像特征点组，生成所述每个图像特征点组对应的相机位姿信息，包括：
从所述下一三维图像中提取三维图像特征点作为下一三维图像特征点，以组成下一三维图像特征点组；
响应于确定所述下一三维图像特征点组中的各个下一三维图像特征点与所述每个图像特征点组中的各个图像特征点匹配，根据所述每个图像特征点组和所述下一三维图像特征点组，生成所述每个图像特征点组对应的相机位姿信息。
8.根据权利要求7所述的方法，其中，所述根据所述下一三维图像，以及对应所述每个图像特征点组的二维图像或所述每个图像特征点组，生成所述每个图像特征点组对应的相机位姿信息，还包括：
响应于确定所述下一三维图像特征点组中不存在与所述每个图像特征点组中的图像特征点匹配的下一三维图像特征点，将所述拍摄位姿信息集合中对应所述每个图像特征点组和所述下一三维图像的拍摄位姿信息确定为相机位姿信息。
9.根据权利要求4所述的方法，其中，所述根据所生成的各个相机位姿信息，将所述二维图像序列拼接为全景图像，包括：
对于所生成的每个相机位姿信息，执行以下步骤：
从所述拍摄位姿信息集合中选择对应所述相机位姿信息的拍摄位姿信息作为目标拍摄位姿信息；
根据所述相机位姿信息，对所述相机位姿信息对应的二维图像进行投影，得到第一投影图像；
根据所述目标拍摄位姿信息，对所述相机位姿信息对应的二维图像进行投影，得到第二投影图像；
根据所述第一投影图像和所述二维图像的下一二维图像，生成所述相机位姿信息对应的误差作为第一误差；
根据所述第二投影图像和所述下一二维图像，生成所述目标拍摄位姿信息对应的误差作为第二误差；
根据所述第一误差、所述第二误差、所述相机位姿信息和所述目标拍摄位姿信息，确定目标位姿信息；
根据所确定的各个目标位姿信息，将所述二维图像序列拼接为全景图像。
10.一种全景图像拼接装置，包括：
提取单元，被配置成从二维图像序列中的每个二维图像中提取图像特征点，以组成对应所述二维图像的图像特征点组，得到所述二维图像序列对应的图像特征点组序列；
执行单元，被配置成对于所述图像特征点组序列中每个图像特征点组和所述每个图像特征点组的下一图像特征点组，执行以下相机位姿信息生成步骤：响应于确定所述下一图像特征点组中不存在与所述每个图像特征点组中的图像特征点匹配的下一图像特征点，根据对应所述下一图像特征点组的二维图像，生成下一三维图像；根据所述下一三维图像，以及对应所述每个图像特征点组的二维图像或所述每个图像特征点组，生成所述每个图像特征点组对应的相机位姿信息；
拼接单元，被配置成根据所生成的各个相机位姿信息，将所述二维图像序列拼接为全景图像。
11.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。
CN202210826024.7A 2022-07-14 2022-07-14 全景图像拼接方法、装置、电子设备、介质和程序产品 Pending CN115170395A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210826024.7A CN115170395A (zh) 2022-07-14 2022-07-14 全景图像拼接方法、装置、电子设备、介质和程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210826024.7A CN115170395A (zh) 2022-07-14 2022-07-14 全景图像拼接方法、装置、电子设备、介质和程序产品

Publications (1)

Publication Number Publication Date
CN115170395A true CN115170395A (zh) 2022-10-11

Family

ID=83492850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210826024.7A Pending CN115170395A (zh) 2022-07-14 2022-07-14 全景图像拼接方法、装置、电子设备、介质和程序产品

Country Status (1)

Country Link
CN (1) CN115170395A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109807A (zh) * 2023-04-11 2023-05-12 深圳市其域创新科技有限公司 一种全景slam方法、装置、计算设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116109807A (zh) * 2023-04-11 2023-05-12 深圳市其域创新科技有限公司 一种全景slam方法、装置、计算设备及存储介质
CN116109807B (zh) * 2023-04-11 2023-06-09 深圳市其域创新科技有限公司 一种全景slam方法、装置、计算设备及存储介质

Similar Documents

Publication Publication Date Title
CN109741388B (zh) 用于生成双目深度估计模型的方法和装置
CN110517214B (zh) 用于生成图像的方法和装置
CN110516678B (zh) 图像处理方法和装置
CN110111241B (zh) 用于生成动态图像的方法和装置
CN111325792B (zh) 用于确定相机位姿的方法、装置、设备和介质
CN110062157B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN113949808B (zh) 视频生成方法、装置、可读介质及电子设备
CN110349107B (zh) 图像增强的方法、装置、电子设备、及存储介质
CN111459364B (zh) 图标更新方法、装置和电子设备
CN114554092A (zh) 设备控制方法、装置和电子设备
CN112418249A (zh) 掩膜图像生成方法、装置、电子设备和计算机可读介质
CN115170395A (zh) 全景图像拼接方法、装置、电子设备、介质和程序产品
CN111818265B (zh) 基于增强现实模型的交互方法、装置、电子设备及介质
CN109840059B (zh) 用于显示图像的方法和装置
CN110349108B (zh) 处理图像的方法、装置、电子设备、及存储介质
CN109816791B (zh) 用于生成信息的方法和装置
CN111833459A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN115002442B (zh) 一种图像展示方法、装置、电子设备及存储介质
CN112492230B (zh) 视频处理方法、装置、可读介质及电子设备
CN113688928B (zh) 图像匹配方法、装置、电子设备和计算机可读介质
CN111385460A (zh) 图像处理方法和装置
CN110619615A (zh) 用于处理图像方法和装置
CN115457024A (zh) 冷冻电镜图像处理方法、装置、电子设备及存储介质
CN111314627B (zh) 用于处理视频帧的方法和装置
CN112308809B (zh) 一种图像合成方法、装置、计算机设备及存储介质

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