CN108734681A - 一种基于嵌入式的片上径向失真校正方法 - Google Patents
一种基于嵌入式的片上径向失真校正方法 Download PDFInfo
- Publication number
- CN108734681A CN108734681A CN201810562382.5A CN201810562382A CN108734681A CN 108734681 A CN108734681 A CN 108734681A CN 201810562382 A CN201810562382 A CN 201810562382A CN 108734681 A CN108734681 A CN 108734681A
- Authority
- CN
- China
- Prior art keywords
- embedded
- refringent
- radial distortion
- lens
- feature
- 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
- 238000003384 imaging method Methods 0.000 claims abstract description 20
- 230000004075 alteration Effects 0.000 claims abstract description 19
- 230000003287 optical effect Effects 0.000 claims abstract description 14
- 238000013461 design Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims abstract description 4
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 3
- 238000005290 field theory Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于嵌入式的片上径向失真校正方法，包括以下步骤：S1、设计基于像差理论的环视透镜：首先基于像差理论对光学系统中折反射透镜的像差进行分析计算，利用折反射透镜的特点，进行折反光学系统的建模；S2、设计基于所述环视透镜的成像光学系统：通过面的曲率、通光口径及材料来改变光路的走向，利用合理选择设计光学系统结构来优化折反式成像系统，实现360°环视成像效果；S3、基于嵌入式的片上径向失真校正：通过环视折反射透镜系统的图像投影模型，给出投影变换的数学模型，然后在计算机上采用MATLAB编写图像校正算法。本发明实现了片上校正径向失真及畸变，大幅提高了图像处理速度，提高了产品的市场竞争力。
Description
技术领域
本发明涉及全景成像技术领域，尤其涉及一种基于嵌入式的片上径向失真校正方法。
背景技术
随着图像传感器和数字图像处理技术的发展，越来越多的场合不但需要高分辨率图像的同时，要求图像的视场越大越好。全景成像技术也普遍应用在计算机视觉和机器视觉领域。全景成像技术主要是使用特别设计的全景成像装置，使得视场角在垂直方向上为360°，或者使得视场角在水平方向上大于180°。鱼眼镜头、多相机系统、旋转相机拼接和折反射全景成像装置是目前全景成像技术使用最多的方法。全景成像技术在汽车主动安全、视频监控、公安反恐与军事侦察等领域有着广泛的应用。而目前国外多数产品只具备娱乐和观察功能，国内的多数产品只具备监控功能，而本发明拟采用嵌入式的图像识别技术，所以既具备娱乐功能，同时又具备实用的远程监控功能，更加符合中国消费者的消费习惯。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于嵌入式的片上径向失真校正方法。
一种基于嵌入式的片上径向失真校正方法，包括以下步骤：
S1、设计基于像差理论的环视透镜：首先基于像差理论对光学系统中折反射透镜的像差进行分析计算，利用折反射透镜的特点，进行折反光学系统的建模；
S2、设计基于所述环视透镜的成像光学系统：通过面的曲率、通光口径及材料来改变光路的走向，利用合理选择设计光学系统结构来优化折反式成像系统，实现360°环视成像效果；
S3、基于嵌入式的片上径向失真校正：通过环视折反射透镜系统的图像投影模型，给出投影变换的数学模型，然后在计算机上采用 MATLAB编写图像校正算法，验证图像投影模型的正确性和校正效果，最后结合FPGA和DSP的各自优势，分解校正算法，移植到嵌入式系统中；
S4、全景图像的运动检测和人体识别技术：首先从建立复杂环境下强鲁棒自适应背景模型出发，进行图像运动目标的分割检测，并采用Hog特征和轮廓特征融合的特征提取方法，结合SVM分类器和 AdaBoost分类器完成人体识别。
优选的，所述S1中，在折反射透镜的像差分析计算后，研究整个折反光学系统的三级像差场理论，并探索像差场偏心矢量的计算方法。
优选的，所述S3中，FPGA的优势是时序控制能力强和控制能力较强，DSP的优势是数字信号处理及算法强。
优选的，所述S4中，人体识别分为人体识别或者非人体识别，识别模式的分类算法分为特征提取、特征学习和特征检测，其中人体模板图像通过特征提取后的正样本特征进行特征学习、训练，背景模板图像通过特征提取后的负样本特征进行特征学习、训练。
优选的，所述特征学习、训练后传输至AdaBoost分类器，最后得到识别结果。
本发明通过优化光学结构，采用环视透镜和传统透镜组合，在极大地缩小中心视场遮拦的基础上，产生与普通相机相反的正畸变，使得边缘视场的图像信息更加丰富，扩大边缘视场的清晰度，从根本上解决了单一光学系统实现环视360°全景高清成像问题，使得通过单一系统直接得到完整的全景视频图像。从结构上得到简化光学折反射成像系统，降低生产成本，同时利用嵌入式图像处理技术，实现了片上校正径向失真及畸变，大幅提高了图像处理速度，提高了产品的市场竞争力。
附图说明
图1为本发明提出的一种基于嵌入式的片上径向失真校正方法的片上校正技术实施流程图；
图2为本发明提出的一种基于嵌入式的片上径向失真校正方法的全景图像的运动检测与人体识别算法框图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例
参照图1-2，本发明提出的一种基于嵌入式的片上径向失真校正方法，包括以下步骤：
S1、设计基于像差理论的环视透镜：首先基于像差理论对光学系统中折反射透镜的像差进行分析计算，研究整个折反光学系统的三级像差场理论，并探索像差场偏心矢量的计算方法，利用折反射透镜的特点，进行折反光学系统的建模；
S2、设计基于所述环视透镜的成像光学系统：通过面的曲率、通光口径及材料来改变光路的走向，利用合理选择设计光学系统结构来优化折反式成像系统，实现360°环视成像效果；
S3、基于嵌入式的片上径向失真校正：通过环视折反射透镜系统的图像投影模型，给出投影变换的数学模型，然后在计算机上采用 MATLAB编写图像校正算法，验证图像投影模型的正确性和校正效果，最后结合FPGA和DSP的各自优势，分解校正算法，移植到嵌入式系统中，其中FPGA的优势是时序控制能力强和控制能力较强，DSP的优势是数字信号处理及算法强，见附图1；
S4、全景图像的运动检测和人体识别技术：首先从建立复杂环境下强鲁棒自适应背景模型出发，进行图像运动目标的分割检测，并采用Hog特征和轮廓特征融合的特征提取方法，结合SVM分类器和 AdaBoost分类器完成人体识别，人体识别分为人体识别或者非人体识别，识别模式的分类算法分为特征提取、特征学习和特征检测，其中人体模板图像通过特征提取后的正样本特征进行特征学习、训练，背景模板图像通过特征提取后的负样本特征进行特征学习、训练，见附图2。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于嵌入式的片上径向失真校正方法，其特征在于，包括以下步骤：
S1、设计基于像差理论的环视透镜：首先基于像差理论对光学系统中折反射透镜的像差进行分析计算，利用折反射透镜的特点，进行折反光学系统的建模；
S2、设计基于所述环视透镜的成像光学系统：通过面的曲率、通光口径及材料来改变光路的走向，利用合理选择设计光学系统结构来优化折反式成像系统，实现360°环视成像效果；
S3、基于嵌入式的片上径向失真校正：通过环视折反射透镜系统的图像投影模型，给出投影变换的数学模型，然后在计算机上采用MATLAB编写图像校正算法，验证图像投影模型的正确性和校正效果，最后结合FPGA和DSP的各自优势，分解校正算法，移植到嵌入式系统中；
S4、全景图像的运动检测和人体识别技术：首先从建立复杂环境下强鲁棒自适应背景模型出发，进行图像运动目标的分割检测，并采用Hog特征和轮廓特征融合的特征提取方法，结合SVM分类器和AdaBoost分类器完成人体识别。
2.根据权利要求1所述的一种基于嵌入式的片上径向失真校正方法，其特征在于，所述S1中，在折反射透镜的像差分析计算后，研究整个折反光学系统的三级像差场理论，并探索像差场偏心矢量的计算方法。
3.根据权利要求1所述的一种基于嵌入式的片上径向失真校正方法，其特征在于，所述S3中，FPGA的优势是时序控制能力强和控制能力较强，DSP的优势是数字信号处理及算法强。
4.根据权利要求1所述的一种基于嵌入式的片上径向失真校正方法，其特征在于，所述S4中，人体识别分为人体识别或者非人体识别，识别模式的分类算法分为特征提取、特征学习和特征检测，其中人体模板图像通过特征提取后的正样本特征进行特征学习、训练，背景模板图像通过特征提取后的负样本特征进行特征学习、训练。
5.根据权利要求4所述的一种基于嵌入式的片上径向失真校正方法，其特征在于，所述特征学习、训练后传输至AdaBoost分类器，最后得到识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810562382.5A CN108734681A (zh) | 2018-05-31 | 2018-05-31 | 一种基于嵌入式的片上径向失真校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810562382.5A CN108734681A (zh) | 2018-05-31 | 2018-05-31 | 一种基于嵌入式的片上径向失真校正方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108734681A true CN108734681A (zh) | 2018-11-02 |
Family
ID=63931687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810562382.5A Pending CN108734681A (zh) | 2018-05-31 | 2018-05-31 | 一种基于嵌入式的片上径向失真校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108734681A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102387345A (zh) * | 2011-09-09 | 2012-03-21 | 浙江工业大学 | 基于全方位视觉的独居老人安全监护系统 |
| CN103200352A (zh) * | 2012-01-04 | 2013-07-10 | 苏州科泽数字技术有限公司 | 基于折反射式光学结构的全向摄像现场记录仪 |
| CN204168378U (zh) * | 2014-07-04 | 2015-02-18 | 天津科技大学 | 一种全景摄像系统 |
| CN104483752A (zh) * | 2014-12-23 | 2015-04-01 | 中国科学院光电研究院 | 一种反射式数字成像系统的设计方法 |
| CN107111113A (zh) * | 2014-09-15 | 2017-08-29 | 远程保真公司 | 紧凑型全景摄像机：光学系统，装置，图像形成方法 |
| CN107424118A (zh) * | 2017-03-28 | 2017-12-01 | 天津大学 | 基于改进径向畸变校正的球状全景拼接方法 |
-
2018
- 2018-05-31 CN CN201810562382.5A patent/CN108734681A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102387345A (zh) * | 2011-09-09 | 2012-03-21 | 浙江工业大学 | 基于全方位视觉的独居老人安全监护系统 |
| CN103200352A (zh) * | 2012-01-04 | 2013-07-10 | 苏州科泽数字技术有限公司 | 基于折反射式光学结构的全向摄像现场记录仪 |
| CN204168378U (zh) * | 2014-07-04 | 2015-02-18 | 天津科技大学 | 一种全景摄像系统 |
| CN107111113A (zh) * | 2014-09-15 | 2017-08-29 | 远程保真公司 | 紧凑型全景摄像机：光学系统，装置，图像形成方法 |
| CN104483752A (zh) * | 2014-12-23 | 2015-04-01 | 中国科学院光电研究院 | 一种反射式数字成像系统的设计方法 |
| CN107424118A (zh) * | 2017-03-28 | 2017-12-01 | 天津大学 | 基于改进径向畸变校正的球状全景拼接方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZILING MA ET AL: "Electronic stabilization of catadioptric panoramic image", 《JOURNAL OF BEIJING INSTITUTE OF TECHNOLOGY》 * |
| 孟祥杰: "基于全景视觉的行人检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 皮文凯 等: "基于自适应背景模型的全方位视觉人体运动检测", 《北京大学学报(自然科学版)》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107193383A (zh) | 一种基于人脸朝向约束的二级视线追踪方法 | |
| US20180081434A1 (en) | Eye and Head Tracking | |
| WO2020125499A1 (zh) | 一种操作提示方法及眼镜 | |
| WO2022121039A1 (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
| CN113179673B (zh) | 应用多摄像头移动路径追踪技术的影像监视装置 | |
| Younis et al. | A hazard detection and tracking system for people with peripheral vision loss using smart glasses and augmented reality | |
| CN109508679B (zh) | 实现眼球三维视线跟踪的方法、装置、设备及存储介质 | |
| Kim et al. | Fisheye lens camera based surveillance system for wide field of view monitoring | |
| CN103430218A (zh) | 用3d脸部建模和地标对齐扩增造型的方法 | |
| CN106295583B (zh) | 一种提醒用户驾驶方式的方法及装置 | |
| WO2023011013A1 (zh) | 视频图像的拼缝搜索方法、视频图像的拼接方法和装置 | |
| CN108513668A (zh) | 图片处理方法和装置 | |
| CN112085659A (zh) | 一种基于球幕相机的全景拼接融合方法、系统及存储介质 | |
| CN112183200B (zh) | 一种基于视频图像的眼动追踪方法和系统 | |
| CN106915303A (zh) | 基于深度数据和鱼眼图像的汽车a柱盲区透视方法 | |
| WO2022121025A1 (zh) | 证件增减类别检测方法、装置、可读存储介质和终端 | |
| JPH10307923A (ja) | 顔部品抽出装置および顔の向き検出装置 | |
| CN112052832A (zh) | 人脸检测的方法、装置和计算机存储介质 | |
| Hamzeh et al. | A review of detection and removal of raindrops in automotive vision systems | |
| Wang et al. | Multi-sensor fusion technology for 3D object detection in autonomous driving: A review | |
| CN117523612A (zh) | 一种基于Yolov5网络的密集行人检测方法 | |
| JP7363504B2 (ja) | オブジェクト検出方法、検出装置及び電子機器 | |
| CN108734681A (zh) | 一种基于嵌入式的片上径向失真校正方法 | |
| CN112232162B (zh) | 一种基于多特征融合级联分类器的行人检测方法及装置 | |
| US11574484B1 (en) | High resolution infrared image generation using image data from an RGB-IR sensor and visible light interpolation |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181102 |