CN105447865A - 一种评估全景拼接算法静态拼接质量的方法和装置 - Google Patents

一种评估全景拼接算法静态拼接质量的方法和装置 Download PDF

Info

Publication number
CN105447865A
CN105447865A CN201510815312.2A CN201510815312A CN105447865A CN 105447865 A CN105447865 A CN 105447865A CN 201510815312 A CN201510815312 A CN 201510815312A CN 105447865 A CN105447865 A CN 105447865A
Authority
CN
China
Prior art keywords
panoramic
splicing
group
joining quality
panorama sketch
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
Application number
CN201510815312.2A
Other languages
English (en)
Other versions
CN105447865B (zh
Inventor
韩春龙
黄伟冰
高路房
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.)
Shenzhen Evomotion Digital Technology Co Ltd
Original Assignee
Shenzhen Evomotion Digital 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 Shenzhen Evomotion Digital Technology Co Ltd filed Critical Shenzhen Evomotion Digital Technology Co Ltd
Priority to CN201510815312.2A priority Critical patent/CN105447865B/zh
Publication of CN105447865A publication Critical patent/CN105447865A/zh
Application granted granted Critical
Publication of CN105447865B publication Critical patent/CN105447865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30168Image quality inspection

Abstract

本发明适用于图像拼接技术领域,提供了一种评估全景拼接算法静态拼接质量的方法和装置,以解决现有技术中无法准确量化地评估全景拼接算法的静态拼接质量的问题。所述方法包括:获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图;计算所述全景展开图的拼接评估值;计算所述每组全景图中所述拼接评估值的平均值;在所述多组全景图中,判断所述平均值最小的一组全景图包含的所述全景展开图的拼接质量最佳。本发明的技术方案通过对拼接区域的像素误差进行数值量化计算的方法,实现对全景拼接算法的静态拼接质量的量化评估,从而避免了通过人眼观测对静态拼接质量进行评估的误差。

Description

一种评估全景拼接算法静态拼接质量的方法和装置
技术领域
本发明涉及图像拼接技术领域,尤其涉及一种评估全景拼接算法静态拼接质量的方法和装置。
背景技术
图像拼接作为图像处理技术的一个重要分支,应用于各种需要获得高分辨率或宽视角图像的领域。当前的图像采集技术会出现由于采集角度不同而引起的图像亮度微弱差异,导致在图像的拼接过程中,无法在两个图片的边界重合区域找到完全理想的重合像素点区域,因此会留下拼接痕迹或裂缝。
为了尽可能的找到较为理想的重合像素点区域,目前有各种不同的全景拼接算法用于对图像进行拼接,但都是通过人眼观测拼接缝的方法来评估拼接质量的好坏,而人眼观测的方法误差较大,无法准确评估全景拼接算法的静态拼接质量。
发明内容
本发明的目的在于提供一种评估全景拼接算法静态拼接质量的方法和装置,旨在解决现有技术中无法准确量化地评估全景拼接算法的静态拼接质量的问题。
本发明第一方面,提供一种评估全景拼接算法静态拼接质量的方法,包括:
获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图;
计算所述全景展开图的拼接评估值;
计算所述每组全景图中所述拼接评估值的平均值;
在所述多组全景图中,判断所述平均值最小的一组全景图包含的所述全景展开图的拼接质量最佳。
本发明第二方面,提供一种评估全景拼接算法静态拼接质量的装置,包括:
获取模块,用于获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图;
评估值计算模块,用于计算所述全景展开图的拼接评估值;
平均值计算模块,用于计算所述每组全景图中所述拼接评估值的平均值;
评估模块,用于在所述多组全景图中,判断所述平均值最小的一组全景图包含的所述全景展开图的拼接质量最佳。
本发明与现有技术相比存在的有益效果是:由于全景展开图的拼接评估值是通过计算而非人眼观测得到,而全景展开图的拼接质量是通过计算所得拼接评估值的平均值来评估,整个过程是通过量化来实现对全景拼接算法的静态拼接质量的量化评估,从而避免了通过人眼观测对静态拼接质量进行评估的误差。
附图说明
图1是本发明实施例一提供的评估全景拼接算法静态拼接质量的方法流程图;
图2是本发明实施例二提供的评估全景拼接算法静态拼接质量的方法流程图;
图3是本发明实施例二提供的评估全景拼接算法静态拼接质量的方法中拼接图选取示意图;
图4是本发明实施例三提供的评估全景拼接算法静态拼接质量的装置的组成示意图;
图5是本发明实施例四提供的评估全景拼接算法静态拼接质量的装置的组成示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体附图对本发明的实现进行详细的描述。
实施例一:
图1是本发明实施例一提供的评估全景拼接算法静态拼接质量的方法流程图,具体包括步骤S101至S104,详述如下:
S101、获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图。
拍摄环境可以设置在空旷的房间内,并且整体光线分布统一,四面墙体颜色一致,将相机放置在房间中心进行拍摄,拍摄过程中确保所拍照片的拼接位置都处于墙体上,并且照片与照片之间的相交区域内没有墙角等明显特征点,为了便于拼接,可以在每个拼接位置放置标定板,覆盖整个拼接区域。
具体地,一组全景图拍摄N组照片,N可以设为10,在每组照片中,利用同一种全景拼接算法对照片进行拼接,得到N张全景展开图,这N张全景展开图作为一组全景图,对各组全景图采用不同的全景拼接算法即可得到多组全景图。
S102、计算全景展开图的拼接评估值。
对每一组全景图中的每一张全景展开图计算拼接评估值,具体地,可通过对一张全景展开图上所有拼接区域每个像素点的拼接误差进行累加,得到该张全景展开图的拼接评估值。该拼接评估值代表了其所对应的全景展开图的整体拼接误差,因此在一组全景图内可通过比较拼接评估值来评估其所对应的全景展开图的拼接质量。
S103、计算每组全景图中拼接评估值的平均值。
具体地,在每一组全景图中,对N张全景展开图的拼接评估值取平均值,由于各组全景图采用不同的全景拼接算法,因此该平均值可以用来评估采用不同全景拼接算法的全景展开图的拼接质量。
S104、在多组全景图中,判断平均值最小的一组全景图包含的全景展开图的拼接质量最佳。
具体地,由于拼接评估值代表了其所对应的全景展开图的整体拼接误差,因此拼接评估值的平均值可以用来表示整组全景图的整体拼接误差,平均值越小表明该组全景图中的全景拼接图的拼接效果越好,由于每一组全景图分别采用一种全景拼接算法,因此最小平均值对应的那一组全景图所使用的全景拼接算法的拼接效果最佳,其全景展开图的拼接质量最好。
本实施例中,通过对全景展开图拼接区域的像素误差进行累加得到拼接评估值,根据拼接评估值的平均值来评估全景展开图的拼接质量,实现了对全景拼接算法的静态拼接质量的量化评估,从而避免了通过人眼观测对静态拼接质量进行评估的误差。
实施例二:
图2是本发明实施例二提供的评估全景拼接算法静态拼接质量的方法流程图,具体包括步骤S201至S210,详述如下:
S201、获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图。
拍摄环境可以设置在空旷的房间内,并且整体光线分布统一,四面墙体颜色一致,将相机放置在房间中心进行拍摄,拍摄过程中确保所拍照片的拼接位置都处于墙体上,并且照片与照片之间的相交区域内没有墙角等明显特征点,为了便于拼接,可以在每个拼接位置放置标定板,覆盖整个拼接区域。
具体地,一组全景图拍摄N组照片,N可以设为10,在每组照片中,利用同一种全景拼接算法对照片进行拼接,得到N张全景展开图,这N张全景展开图作为一组全景图,对各组全景图采用不同的全景拼接算法即可得到多组全景图。
S202、在包含一定数量拼接缝的全景展开图中,以拼接缝为中心线截取固定宽度的拼接图。
具体地,设定所拍摄照片的图像高度为H,图像拼接区域最大相交宽度的1/2为W,每组照片的拼接缝数量为I。
如图3所示,在全景展开图中,对每一个拼接区域以拼接缝为中心线,截取高度为H,宽度为W的区域,得到拼接图Mi,其中i=1,2,…,I。
S203、在拼接缝左右两边的原始图像中,以拼接缝为中心线截取固定宽度的区域,分别得到左原图和右原图。
具体地,如图3所示,在拼接缝左边的左原始图中,以拼接缝为中心线截取高度为H,宽度为W的区域,得到左原图Li;在拼接缝右边的右原始图中,以拼接缝为中心线截取高度为H,宽度为W的区域,得到右原图Ri
S204、计算拼接图分别与左原图和右原图之间的像素值均方误差并求和,得到拼接缝的拼接误差。
具体地,对全景展开图每一个拼接区域,以左上角为坐标原点,按照如下公式计算拼接图Mi与左原图Li之间的像素值均方误差LEi
LE i = 1 H W Σ m = 0 H - 1 Σ n = 0 W - 1 ( L m , n i - M m , n i ) 2
其中,为左原图Li中坐标为(m,n)的像素点的像素值,为拼接图Mi中坐标为(m,n)的像素点的像素值;
按照如下公式计算拼接图Mi与右原图Ri之间的像素值均方误差REi
RE i = 1 H W Σ m = 0 H - 1 Σ n = 0 W - 1 ( R m , n i - M m , n i ) 2
其中,为右原图Ri中坐标为(m,n)的像素点的像素值,为拼接图Mi中坐标为(m,n)的像素点的像素值。
按照如下公式对LEi和REi求和,得到拼接误差LREi
LREi=LEi+REi
其中,LREi为拼接图Mi的拼接误差。
S205、计算全景展开图中拼接误差的平均值,得到全景展开图的拼接评估值。
具体地,对每一张全景展开图都会得到I个LREi,按照如下公式计算这I个LREi的平均值,得到每张全景展开图的拼接评估值Ek
E k = 1 I Σ i = 0 I LRE i
其中,k=1,2,…,N。
S206、在每组全景图中,判断最小拼接评估值对应的全景展开图的拼接质量最佳。
具体地,对每一组全景图中的N张全景展开图,根据步骤S205计算得到的每张全景展开图的拼接评估值Ek代表了其所对应的全景展开图的整体拼接误差,拼接评估值越小表明拼接效果越好,因此在一组全景图内可通过比较拼接评估值来评估其所对应的全景展开图的拼接质量,最小Ek值所对应的全景展开图的拼接质量最佳,拼接效果最好。
S207、计算每组全景图中拼接评估值的平均值。
具体地,按照如下公式计算每一组全景图的N个拼接评估值的平均值AVG:
A V G = 1 N Σ k = 1 N E k
其中,N表示一组全景图中拍摄N组照片得到的N张全景展开图。
S208、计算平均值的标准差。
具体地,按照如下公式计算每一组全景图中N个拼接评估值的平均值AVG的标准差STD:
S T D = 1 N Σ k = 1 N ( E k - A V G ) 2
其中,N表示一组全景图中拍摄N组照片得到的N张全景展开图。
S209、在多组全景图中,判断平均值最小的一组全景图包含的全景展开图的拼接质量最佳。
具体地,由于拼接评估值代表了其所对应的全景展开图的整体拼接误差,因此拼接评估值的平均值AVG可以用来表示整组全景图的整体拼接误差,AVG值越小表明该组全景图中的全景拼接图的拼接效果越好,因此比较各组全景图的AVG值,其中最小AVG值所对应的那一组全景图中包含的全景展开图的拼接质量最佳,拼接效果最好。
S210、在多组全景图中,判断标准差最小的一组全景图包含的全景展开图使用的全景拼接算法最稳定。
具体地,STD值表示拼接对拼接区域内像素点造成的波动,STD值越小表明拼接算法越稳定,因此比较各组全景图的STD值,其中最小STD值所对应的那一组全景图中包含的全景展开图所使用的全景拼接算法最稳定。
本实施例中,通过在全景展开图的拼接区域中,计算拼接图分别与左原图和右原图之间的像素值均方误差并求和,得到拼接缝的拼接误差,再计算所有拼接缝的拼接误差的平均值得到全景展开图的拼接评估值,在一组全景图中根据拼接评估值来评估全景展开图的拼接质量;通过计算每组全景图的所有拼接评估值的平均值,在多组全景图中根据该平均值来评估其所对应的全景图中全景展开图的拼接质量,并根据平均值的标准差来评估所对应的全景图中全景展开图所使用的全景拼接算法的稳定性。因此实现了对全景拼接算法的静态拼接质量的量化评估,从而避免了通过人眼观测对静态拼接质量进行评估的误差。
实施例三:
图4是本发明实施例三提供的评估全景拼接算法静态拼接质量的装置的组成示意图,为了便于说明,仅示出了与本发明实施例相关的部分。图4示例的用于评估全景拼接算法静态拼接质量的装置可以是前述实施例一提供的用于评估全景拼接算法静态拼接质量的方法的执行主体,其可以是应用设备或者应用设备中的一个功能模块。图4示例的用于评估全景拼接算法静态拼接质量的装置主要包括:获取模块41、评估值计算模块42、平均值计算模块43和评估模块44。各功能模块详细说明如下:
获取模块41,用于获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图;
评估值计算模块42,用于计算所述全景展开图的拼接评估值;
平均值计算模块43,用于计算所述每组全景图中所述拼接评估值的平均值;
评估模块44,用于在所述多组全景图中,判断所述平均值最小的一组全景图包含的所述全景展开图的拼接质量最佳。
从上述图4示例的用于评估全景拼接算法静态拼接质量的装置可知,本实施例中,通过对全景展开图拼接区域的像素误差进行累加得到拼接评估值,根据拼接评估值的平均值来评估全景展开图的拼接质量,实现了对全景拼接算法的静态拼接质量的量化评估,从而避免了通过人眼观测对静态拼接质量进行评估的误差。
实施例四:
图5是本发明实施例四提供的评估全景拼接算法静态拼接质量的装置的组成示意图,为了便于说明,仅示出了与本发明实施例相关的部分。图5示例的用于评估全景拼接算法静态拼接质量的装置可以是前述实施例二提供的用于评估全景拼接算法静态拼接质量的方法的执行主体,其可以是应用设备或者应用设备中的一个功能模块。图5示例的用于评估全景拼接算法静态拼接质量的装置主要包括:获取模块51、评估值计算模块52、拼接质量判断模块53、平均值计算模块54、标准差计算模块55、评估模块56和拼接算法判断模块57。各功能模块详细说明如下:
获取模块51,用于获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图;
评估值计算模块52,用于计算所述全景展开图的拼接评估值;
拼接质量判断模块53,用于在所述每组全景图中,判断最小所述拼接评估值对应的所述全景展开图的拼接质量最佳;
平均值计算模块54,用于计算所述每组全景图中所述拼接评估值的平均值;
标准差计算模块55,用于计算所述平均值的标准差;
评估模块56,用于在所述多组全景图中,判断所述平均值最小的一组全景图包含的所述全景展开图的拼接质量最佳;
拼接算法判断模块57,用于在所述多组全景图中,判断所述标准差最小的一组全景图包含的所述全景展开图使用的所述全景拼接算法最稳定。
具体地,评估值计算模块52包括:
拼接图获取子模块521,用于在包含一定数量拼接缝的所述全景展开图中,以所述拼接缝为中心线截取固定宽度的拼接图;
左右原图获取子模块522,用于在所述拼接缝左右两边的原始图像中,以所述拼接缝为中心线截取所述固定宽度的区域,分别得到左原图和右原图;
拼接误差计算子模块523,用于计算所述拼接图分别与所述左原图和所述右原图之间的像素值均方误差并求和,得到所述拼接缝的拼接误差;
拼接评估值计算子模块524,用于计算所述全景展开图中所述拼接误差的平均值,得到所述全景展开图的拼接评估值。
从上述图5示例的用于评估全景拼接算法静态拼接质量的装置可知,本实施例中,通过在全景展开图的拼接区域中,计算拼接图分别与左原图和右原图之间的像素值均方误差并求和,得到拼接缝的拼接误差,再计算所有拼接缝的拼接误差的平均值得到全景展开图的拼接评估值,在一组全景图中根据拼接评估值来评估全景展开图的拼接质量;通过计算每组全景图的所有拼接评估值的平均值,在多组全景图中根据该平均值来评估其所对应的全景图中全景展开图的拼接质量,并根据平均值的标准差来评估所对应的全景图中全景展开图所使用的全景拼接算法的稳定性。因此实现了对全景拼接算法的静态拼接质量的量化评估,从而避免了通过人眼观测对静态拼接质量进行评估的误差。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每一个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同或者相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,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。
值得注意的是,上述装置实施例中,所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本领域普通技术人员可以理解,实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种评估全景拼接算法静态拼接质量的方法,其特征在于,包括:
获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图;
计算所述全景展开图的拼接评估值;
计算所述每组全景图中所述拼接评估值的平均值;
在所述多组全景图中,判断所述平均值最小的一组全景图包含的所述全景展开图的拼接质量最佳。
2.根据权利要求1所述的评估全景拼接算法静态拼接质量的方法,其特征在于,所述计算所述全景展开图的拼接评估值的具体步骤包括:
在包含一定数量拼接缝的所述全景展开图中,以所述拼接缝为中心线截取固定宽度的拼接图;
在所述拼接缝左右两边的原始图像中,以所述拼接缝为中心线截取所述固定宽度的区域,分别得到左原图和右原图;
计算所述拼接图分别与所述左原图和所述右原图之间的像素值均方误差并求和,得到所述拼接缝的拼接误差;
计算所述全景展开图中所述拼接误差的平均值,得到所述全景展开图的拼接评估值。
3.根据权利要求1或2所述的评估全景拼接算法静态拼接质量的方法,其特征在于,所述计算所述全景展开图的拼接评估值的步骤之后,所述方法还包括:
在所述每组全景图中,判断最小所述拼接评估值对应的所述全景展开图的拼接质量最佳。
4.根据权利要求1所述的评估全景拼接算法静态拼接质量的方法,其特征在于,所述计算所述每组全景图中所述拼接评估值的平均值的步骤之后,所述方法还包括:
计算所述平均值的标准差。
5.根据权利要求4所述的评估全景拼接算法静态拼接质量的方法,其特征在于,所述判断所述平均值最小的一组全景图包含的所述全景展开图的拼接质量最佳的步骤之后,所述方法还包括:
在所述多组全景图中,判断所述标准差最小的一组全景图包含的所述全景展开图使用的所述全景拼接算法最稳定。
6.一种评估全景拼接算法静态拼接质量的装置,其特征在于,包括:
获取模块,用于获取多组全景图,每组全景图包含多张采用全景拼接算法拼接得到的全景展开图;
评估值计算模块,用于计算所述全景展开图的拼接评估值;
平均值计算模块,用于计算所述每组全景图中所述拼接评估值的平均值;
评估模块,用于在所述多组全景图中,判断所述平均值最小的一组全景图包含的所述全景展开图的拼接质量最佳。
7.根据权利要求6所述的评估全景拼接算法静态拼接质量的装置,其特征在于,所述评估值计算模块包括:
拼接图获取子模块,用于在包含一定数量拼接缝的所述全景展开图中,以所述拼接缝为中心线截取固定宽度的拼接图;
左右原图获取子模块,用于在所述拼接缝左右两边的原始图像中,以所述拼接缝为中心线截取所述固定宽度的区域,分别得到左原图和右原图;
拼接误差计算子模块,用于计算所述拼接图分别与所述左原图和所述右原图之间的像素值均方误差并求和,得到所述拼接缝的拼接误差;
拼接评估值计算子模块,用于计算所述全景展开图中所述拼接误差的平均值,得到所述全景展开图的拼接评估值。
8.根据权利要求6或7所述的评估全景拼接算法静态拼接质量的装置,其特征在于,所述装置还包括:
拼接质量判断模块,用于在所述每组全景图中,判断最小所述拼接评估值对应的所述全景展开图的拼接质量最佳。
9.根据权利要求6所述的评估全景拼接算法静态拼接质量的装置,其特征在于,所述装置还包括:
标准差计算模块,用于计算所述平均值的标准差。
10.根据权利要求9所述的评估全景拼接算法静态拼接质量的装置,其特征在于,所述装置还包括:
拼接算法判断模块,用于在所述多组全景图中,判断所述标准差最小的一组全景图包含的所述全景展开图使用的所述全景拼接算法最稳定。
CN201510815312.2A 2015-11-23 2015-11-23 一种评估全景拼接算法静态拼接质量的方法和装置 Active CN105447865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510815312.2A CN105447865B (zh) 2015-11-23 2015-11-23 一种评估全景拼接算法静态拼接质量的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510815312.2A CN105447865B (zh) 2015-11-23 2015-11-23 一种评估全景拼接算法静态拼接质量的方法和装置

Publications (2)

Publication Number Publication Date
CN105447865A true CN105447865A (zh) 2016-03-30
CN105447865B CN105447865B (zh) 2018-06-01

Family

ID=55557998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510815312.2A Active CN105447865B (zh) 2015-11-23 2015-11-23 一种评估全景拼接算法静态拼接质量的方法和装置

Country Status (1)

Country Link
CN (1) CN105447865B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106713741A (zh) * 2016-11-16 2017-05-24 深圳六滴科技有限公司 全景视频的质量诊断方法及装置
CN106791800A (zh) * 2016-11-16 2017-05-31 深圳六滴科技有限公司 全景视频的质量诊断方法及装置
CN107154022A (zh) * 2017-05-10 2017-09-12 北京理工大学 一种适用于拖车的动态全景拼接方法
CN110706282A (zh) * 2019-10-31 2020-01-17 镁佳(北京)科技有限公司 全景系统自动标定方法、装置、可读存储介质及电子设备
CN110913203A (zh) * 2018-09-17 2020-03-24 浙江宇视科技有限公司 图像质量检测方法、装置及计算机可读存储介质
CN115239724A (zh) * 2022-09-22 2022-10-25 鹰驾科技(深圳)有限公司 一种360度全景环视拼接图像分析评价方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679672A (zh) * 2013-10-28 2014-03-26 华南理工大学广州学院 基于边缘垂直距离匹配的全景图像拼接方法
CN204375351U (zh) * 2015-01-20 2015-06-03 张慧芳 一种无缝拼接显示装置
US20150302561A1 (en) * 2014-04-21 2015-10-22 Texas Instruments Incorporated Method, apparatus and system for performing geometric calibration for surround view camera solution

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679672A (zh) * 2013-10-28 2014-03-26 华南理工大学广州学院 基于边缘垂直距离匹配的全景图像拼接方法
US20150302561A1 (en) * 2014-04-21 2015-10-22 Texas Instruments Incorporated Method, apparatus and system for performing geometric calibration for surround view camera solution
CN204375351U (zh) * 2015-01-20 2015-06-03 张慧芳 一种无缝拼接显示装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
万国挺等: "图像拼接质量评价方法", 《通信学报》 *
刘强: "视频拼接实现过程的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
姚汉英等: "SAR 图像拼接效果的评价方法研究", 《计算机工程》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106713741A (zh) * 2016-11-16 2017-05-24 深圳六滴科技有限公司 全景视频的质量诊断方法及装置
CN106791800A (zh) * 2016-11-16 2017-05-31 深圳六滴科技有限公司 全景视频的质量诊断方法及装置
CN106713741B (zh) * 2016-11-16 2020-09-25 深圳六滴科技有限公司 全景视频的质量诊断方法及装置
CN107154022A (zh) * 2017-05-10 2017-09-12 北京理工大学 一种适用于拖车的动态全景拼接方法
CN107154022B (zh) * 2017-05-10 2019-08-27 北京理工大学 一种适用于拖车的动态全景拼接方法
CN110913203A (zh) * 2018-09-17 2020-03-24 浙江宇视科技有限公司 图像质量检测方法、装置及计算机可读存储介质
CN110913203B (zh) * 2018-09-17 2021-08-31 浙江宇视科技有限公司 图像质量检测方法、装置及计算机可读存储介质
CN110706282A (zh) * 2019-10-31 2020-01-17 镁佳(北京)科技有限公司 全景系统自动标定方法、装置、可读存储介质及电子设备
CN115239724A (zh) * 2022-09-22 2022-10-25 鹰驾科技(深圳)有限公司 一种360度全景环视拼接图像分析评价方法
CN115239724B (zh) * 2022-09-22 2022-11-22 鹰驾科技(深圳)有限公司 一种360度全景环视拼接图像分析评价方法

Also Published As

Publication number Publication date
CN105447865B (zh) 2018-06-01

Similar Documents

Publication Publication Date Title
CN105447865A (zh) 一种评估全景拼接算法静态拼接质量的方法和装置
CN110351494B (zh) 一种全景视频合成方法、装置及电子设备
US20180150973A1 (en) Method and Apparatus for Calculating Dual-Camera Relative Position, and Device
CN107993276B (zh) 一种全景图像的生成方法及装置
US9959600B2 (en) Motion image compensation method and device, display device
US20190096092A1 (en) Method and device for calibration
US10909719B2 (en) Image processing method and apparatus
US20060132916A1 (en) Autostereoscopic display
US8369578B2 (en) Method and system for position determination using image deformation
JP2019510311A (ja) 平面の鏡を用いたステレオ画像システムを較正するための方法およびコンピュータプログラム製品
CN107464265B (zh) 一种双目全景相机的参数标定系统及方法
CN107527336B (zh) 镜头相对位置标定方法及装置
CN107967666B (zh) 一种全景图像生成方法及装置
EP4220547A1 (en) Method and apparatus for determining heat data of global region, and storage medium
CN108444452B (zh) 目标经纬度和拍摄装置的三维空间姿态的检测方法及装置
CN109685856A (zh) 医学扫描物体运动幅度计算方法、装置、设备和存储介质
Ahmadabadian et al. Stereo‐imaging network design for precise and dense 3D reconstruction
EP3547024B1 (en) Mass production method and system for panorama camera
CN113436267B (zh) 视觉惯导标定方法、装置、计算机设备和存储介质
Jiang et al. An accurate and flexible technique for camera calibration
CN108074250B (zh) 匹配代价计算方法和装置
Bastanlar A simplified two-view geometry based external calibration method for omnidirectional and PTZ camera pairs
CN107527323B (zh) 镜头畸变的标定方法及装置
CN104902183A (zh) 全景拍照方法及装置
CN110691228A (zh) 基于三维变换的深度图像噪声标记方法、装置和存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant