CN108769578B - 一种基于多路摄像头的实时全景成像系统及方法 - Google Patents
一种基于多路摄像头的实时全景成像系统及方法 Download PDFInfo
- Publication number
- CN108769578B CN108769578B CN201810472261.1A CN201810472261A CN108769578B CN 108769578 B CN108769578 B CN 108769578B CN 201810472261 A CN201810472261 A CN 201810472261A CN 108769578 B CN108769578 B CN 108769578B
- Authority
- CN
- China
- Prior art keywords
- image
- points
- matching
- images
- cameras
- 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.)
- Expired - Fee Related
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 240000007651 Rubus glaucus Species 0.000 claims abstract description 15
- 235000011034 Rubus glaucus Nutrition 0.000 claims abstract description 15
- 235000009122 Rubus idaeus Nutrition 0.000 claims abstract description 15
- 230000007704 transition Effects 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000010845 search algorithm Methods 0.000 claims description 6
- 238000007500 overflow downdraw method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种基于多路摄像头的实时全景成像系统及方法,所述系统包括多个摄像头、树莓派、路由器、计算机;多个摄像头用以采集周围区域场景;树莓派与多个摄像头相连,用以驱动摄像头模块采集图像,将采集到的多路图像视频流传输到局域网内;路由器用以组建局域网,进行数据传输,用以将视频传输给计算机;计算机通过程序设有拼接模块,拼接模块通过拼接算法,将得到的多路视频流在同一时间各提取一帧图像进行两两拼接,相邻的两幅图像配对成一组得到全景图像;所述方法首先对场景进行采集;对特征点进行提取并匹配;将右侧图像的像素坐标映射到相邻左侧图像上;对过渡区域进行融合,改善拼接后的图像。本发明提高了实时性和成像的效果。
Description
技术领域
本发明属于计算机视觉和图像处理技术领域,特别是一种基于多路摄像头的实时全景成像系统及方法。
背景技术
目前拼接技术主要应用在交通领域的实时监控区域,大型演唱会或会议现场的实时直播,车载辅助驾驶的设备以及虚拟现实中的全景漫游等。目前,对于图像的拼接已经有相对成熟的算法完成,但同时存在着自动化程度不够高,拼接速度较慢,无法满足实时性的要求。在全景成像系统方面,目前,主要有两种实现办法。其一,是利用鱼眼镜头的视角大的特性对周围场景采集,这种方法存在两个问题,首先,鱼眼镜头会产生较大的畸变,增大了后续的处理难度,其次,鱼眼镜头的成本高,推广难度大。其二,是利用FPGA+CPU的架构,利用多个摄像头同时采集,再进行拼接,从而形成全景图,这种方法,在开发时难度较大,实时性一般。
发明内容
本发明所解决的技术问题在于提供一种基于多路摄像头的实时全景成像系统及方法,以较低成本得到大视角场景的实时全景视频。
实现本发明目的的技术解决方案为:
一种基于多路摄像头的实时全景成像系统,包括多个摄像头、树莓派、路由器、计算机;
所述多个摄像头用以采集周围区域场景;所述树莓派与多个摄像头相连,用以驱动摄像头模块采集图像,将采集到的多路图像视频流以MJPG编码格式传输到局域网内;所述路由器用以组建局域网,进行数据传输,用以将MJPG编码格式视频传输给计算机;
所述计算机通过程序设有拼接模块,所述拼接模块通过拼接算法,将得到的多路视频流在同一时间各提取一帧图像进行两两拼接,相邻的两幅图像配对成一组得到全景图像。
一种基于多路摄像头的实时全景成像系统的成像方法,包括以下步骤:
步骤1、通过多路摄像头,对场景进行采集;
步骤2、对图像特征点进行提取;
利用SIFT算法对两幅图像进行特征点的提取并形成描述向量;
步骤3、对图像特征点进行匹配:
先利用Brute Force搜索算法,遍历搜索出满足最近邻距离比率的匹配点;
最近邻距离比率NNDR为:
其中,d1和d2是最近邻和次近邻距离,DA是目标描述向量,DB和DC是DA的距离最近的两个目标描述向量;
再通过RANSAC算法对满足比率验证的匹配点进行进一步的筛选,找到满足检验的匹配点;
步骤4、将右侧图像的像素坐标乘以单应变换矩阵,将其映射到相邻的左侧图像上;
步骤5、对重叠区域通过加权平均融合法进行图像融合,改善拼接后的图像。
本发明与现有技术相比,其显著优点:
(1)本方案中,在视频的传输中利用网线传输、拼接算法中的算法计算量较小,所需的拼接时间较短,在实例1中,四路摄像头的全景成像系统中,最后的全景视频可以达到12帧每秒,提高了实时性。
(2)本方案中,在拼接算法中,加入了图像融合的步骤,可以消除两幅图之间的拼接缝,提高了成像的效果。
(3)本方案中,通过建立局域网进行数据传输,可以通过无线传输简化系统,同时,可以使得完成拼接模块的计算机不用一定安放在采集的场景附近。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为一种基于多路摄像头的实时全景成像系统框图。
图2为RANSAC算法流程图。
图3为图像拼接示意图。
图4为本发明方法流程图。
图5(a-d)分别为四路摄像头同一时间采集的图像。
图6为生成的全景图。
具体实施方式
为了说明本发明的技术方案及技术目的,下面结合附图及具体实施例对本发明做进一步的介绍。
结合图1,本发明的一种基于多路摄像头的实时全景成像系统,包括多个摄像头、树莓派、路由器、计算机;
所述多个摄像头用以采集周围区域场景;所述树莓派与多个摄像头相连,用以驱动摄像头进行采集图像,将采集到的多路图像视频流以MJPG编码格式传输到局域网内;所述路由器用以组建局域网,进行数据传输,用以将MJPG编码格式视频传输给计算机;
所述计算机通过程序设有拼接模块,所述拼接模块通过拼接算法,将得到的多路视频流在同一时间各提取一帧图像进行两两拼接,相邻的两幅图像配对成一组得到全景图像。
进一步的,所述多路摄像头的相邻两个摄像头采集图像的区域有1/3重叠区域,以完成拼接工作,重叠区域过小时,则无法得到足够多的匹配点,拼接效果差,重叠区域过大时,得到的全景图的视角较小,比较浪费。
进一步的,所述多路摄像头采用多棱柱进行固定,每个摄像头安装在多棱柱的侧面上,使得各摄像头的光心位于同一点,并且视角均匀。
所述计算机通过SSH方式登陆树莓派,通过Linux指令控制树莓派。
所述拼接模块通过IP地址获取传输到局域网内的多路视频流,对多路多路视频流在同一时间各提取一帧图像进行两两拼接;
所述拼接模块包括特征点提取单元、特征点匹配单元、图像映射单元、图像融合单元;
所述特征点提取单元用以通过SIFT算法对两幅图像进行特征点的提取并形成描述向量;
所述特征点匹配单元用以先通过Brute Force搜索算法,遍历搜索出满足最近邻距离比率的匹配点;
最近邻距离比率NNDR为:
其中,d1和d2是最近邻和次近邻距离,DA是目标描述向量,DB和DC是DA的距离最近的两个目标描述向量。当NNDR足够小时(满足设定值),认为是正确匹配。
再通过RANSAC(随机抽样一致性检验)算法对满足比率验证匹配点进行进一步的筛选,找到满足检验的匹配点;具体过程如下:
首先,在满足“比率验证”的匹配点中,选择4对样点,根据样点的位置坐标计算出变换矩阵;
其次,将没被选择的匹配点进行矩阵变化,可以计算出变化后得到的点与对应匹配点的欧式距离,保留小于阈值的“内点”,去除大于阈值的“外点”;
最后,如果“内点”数大于设定值,则保留“内点”,该“内点”就是满足检验的匹配点。否则,重新选择4对样点,并重新计算,直至找到满足检验的匹配点。
所述图像映射单元用以将右侧图像的像素坐标乘以单应变换矩阵,将其映射到相邻的左侧图像上;
x为右侧图像的横坐标,y为右侧图像的纵坐标,x′为右侧图像映射到左侧图像后的横坐标,y′为右侧图像映射到左侧图像后的纵坐标,h00~h21为通过四对匹配点,解出的单应变换矩阵的8个内参数值;
所述图像融合单元用以对重叠区域通过加权平均融合法进行图像融合,改善拼接后的图像;具体过程如下:
设需要融合的两幅图像分别为I1,I2,融合图像IF由下式计算可得到:IF(x,y)=ω1I1(x,y)+ω2I2(x,y),式中,I1(x,y)是坐标为(x,y)的像素点在左图中对应点的像素值,I2(x,y)是坐标为(x,y)的像素点在右图中对应点的像素值,IF(x,y)是坐标为(x,y)的像素点融合后的像素值,ω1,ω2分别为图像I1,I2对应的权值函数,且ω1+ω2=1。这里选择计算量最小的线性权值计算,设图像过渡区域的宽度为width,d是该像素点到过渡区域左侧边界的距离,则左侧和右侧图像的权值函数为:ω1=d/width,ω2=1-ω1。
通过上述特征点提取、特征点匹配、图像映射、图像融合等处理,就可以等到全景图。
基于上述的多路摄像头的实时全景成像系统,本发明还提出了一种基于多路摄像头的实时全景成像方法,包括以下步骤:
步骤1、通过多路摄像头,对场景进行采集;
步骤2、对图像特征点进行提取;
利用SIFT算法对两幅图像进行特征点的提取并形成描述向量;
步骤3、对图像特征点进行匹配:
先利用Brute Force搜索算法,遍历搜索出满足比率验证的匹配点。即满足最近邻距离比率的匹配点;
最近邻距离比率NNDR为:
其中,d1和d2是最近邻和次近邻距离,DA是目标描述向量,DB和DC是DA的距离最近的两个目标描述向量。当NNDR足够小时(满足设定值),认为是正确匹配。
再通过RANSAC(随机抽样一致性检验)算法对满足比率验证匹配点进行进一步的筛选,找到满足检验的匹配点;具体包括以下步骤:
3.1、在满足“比率验证”的匹配点中,选择4对样点,根据样点的位置坐标计算出变换矩阵;
3.2、将没被选择的匹配点进行矩阵变化,计算出变化后得到的点与对应匹配点的欧式距离,保留小于阈值的“内点”,去除大于阈值的“外点”;
3.3、如果“内点”数大于设定值,则保留“内点”,该“内点”就是满足检验的匹配点。否则,重新选择4对样点,并重新计算,直至找到满足检验的匹配点。
步骤4、将右侧图像的像素坐标乘以单应变换矩阵,将其映射到相邻的左侧图像上;
x为右侧图像的横坐标,y为右侧图像的纵坐标,x′为右侧图像映射到左侧图像后的横坐标,y′为右侧图像映射到左侧图像后的纵坐标,h00~h21为通过四对匹配点,解出的单应变换矩阵的8个内参数值;
步骤5、对重叠区域通过加权平均融合法进行图像融合,改善拼接后的图像:
设需要融合的两幅图像分别为I1,I2,融合图像IF由下式计算可得到:IF(x,y)=ω1I1(x,y)+ω2I2(x,y),式中,I1(x,y)是坐标为(x,y)的像素点在左图中对应点的像素值,I2(x,y)是坐标为(x,y)的像素点在右图中对应点的像素值,IF(x,y)是坐标为(x,y)的像素点融合后的像素值,ω1,ω2分别为图像I1,I2对应的权值函数,且ω1+ω2=1。这里选择计算量最小的线性权值计算,设图像过渡区域的宽度为width,d是该像素点到过渡区域左侧边界的距离,则左侧和右侧图像的权值函数为:ω1=d/width,ω2=1-ω1。
通过上述特征点提取、特征点匹配、图像映射、图像融合等处理步骤,就可以等到全景图。
实施例1
一种基于四路摄像头的实时全景成像系统,搭建基于四路摄像头的实时全景成像系统。首先,将四路摄像头模块固定在正十二棱柱的边缘,对场景进行采集。其次,通过计算机和路由器设置局域网,并将计算机和树莓派连接上设置好的局域网,登录树莓派,在Linux环境下,对树莓派进行操作,驱动摄像头模块,并将采集的视频流传入到局域网内。在连接上局域网的计算机上获取四路视频流,获取的四路视频流截图如图5(a-d)所示,然后进行拼接,最后形成全景视频。首先,将通过IP地址获取传输到局域网内的四路视频流。对四路视频流的同一时间分别提取四帧图像,记为img1,img2,img3,img4。将这四帧图像相邻的两幅图像配对成一组,即img1和img2,img2和img3,img3和img4为一组进行拼接。首先,通过SHIFT算法提取体征,并形成描述子,之后的特征匹配主要通过“比率验证”和RANSAC算法(随机抽样一致性检验)得到匹配的特征点,之后计算得到单应变换矩阵,并通过单应变换矩阵,使图像进行扭曲,将右侧的图像映射到左侧上。最后,对过渡区域进行图像融合,使用线性加权平均融合算法,消除拼接缝,改善拼接效果。得到的全景视频的截图如图6所示。
Claims (8)
1.一种基于多路摄像头的实时全景成像系统,其特征在于,包括多个摄像头、树莓派、路由器、计算机;
所述多个摄像头,采用多棱柱进行固定,每个摄像头安装在多棱柱的侧面上,使得各摄像头的光心位于同一点,用以采集周围区域场景;所述树莓派与多个摄像头相连,用以驱动摄像头模块采集图像,将采集到的多路图像视频流以MJPG编码格式传输到局域网内;所述路由器用以组建局域网,进行数据传输,用以将MJPG编码格式视频传输给计算机;
所述计算机通过程序设有拼接模块,所述拼接模块通过拼接算法,将得到的多路视频流在同一时间各提取一帧图像进行两两拼接,相邻的两幅图像配对成一组得到全景图像;所述拼接模块包括特征点提取单元、特征点匹配单元、图像映射单元、图像融合单元;
所述特征点提取单元用以通过SIFT算法对两幅图像进行特征点的提取并形成描述向量;
所述特征点匹配单元用以通过Brute Force搜索算法,遍历搜索出满足最近邻距离比率的匹配点,再通过RANSAC算法对满足比率验证的匹配点进行进一步的筛选,找到满足检验的匹配点;
所述图像映射单元用以将右侧图像的像素坐标乘以单应变换矩阵,将其映射到相邻的左侧图像上;
所述图像融合单元用以对重叠区域通过加权平均融合法进行图像融合,改善拼接后的图像。
2.根据权利要求1所述的一种基于多路摄像头的实时全景成像系统,其特征在于,所述多路摄像头的相邻两个摄像头采集图像的区域有1/3重叠区域。
3.根据权利要求1所述的一种基于多路摄像头的实时全景成像系统,其特征在于,所述计算机通过SSH方式登陆树莓派,通过Linux指令控制树莓派。
4.根据权利要求1所述的一种基于多路摄像头的实时全景成像系统,其特征在于,所述特征点匹配单位对匹配点进行进一步筛选的具体过程为:
首先,在满足比率验证的匹配点中,选择4对样点,根据样点的位置坐标计算出变换矩阵;
其次,将没被选择的匹配点进行矩阵变化,可以计算出变化后得到的点与对应匹配点的欧式距离,保留小于阈值的内点,去除大于阈值的外点;
最后,如果内点数大于设定值,则保留内点,该内点就是满足检验的匹配点;否则,重新选择4对样点,并重新计算,直至找到满足检验的匹配点。
6.基于权利要求1所述的一种基于多路摄像头的实时全景成像系统的成像方法,其特征在于,包括以下步骤:
步骤1、通过多路摄像头,对场景进行采集;
步骤2、对图像特征点进行提取;
利用SIFT算法对两幅图像进行特征点的提取并形成描述向量;
步骤3、对图像特征点进行匹配;
先利用Brute Force搜索算法,遍历搜索出满足最近邻距离比率的匹配点;
再通过RANSAC算法对满足比率验证的匹配点进行进一步的筛选,找到满足检验的匹配点;
步骤4、将右侧图像的像素坐标乘以单应变换矩阵,将其映射到相邻的左侧图像上;
步骤5、对重叠区域通过加权平均融合法进行图像融合,改善拼接后的图像。
7.根据权利要求6所述的一种基于多路摄像头的实时全景成像系统的成像方法,其特征在于,步骤3对图像特征点进行匹配,具体包括以下步骤:
3.1、利用Brute Force搜索算法,遍历搜索出满足最近邻距离比率的匹配点;
3.2、在满足比率验证的匹配点中,选择4对样点,根据样点的位置坐标计算出变换矩阵;
3.3、将没被选择的匹配点进行矩阵变化,计算出变化后得到的点与对应匹配点的欧式距离,保留小于阈值的内点,去除大于阈值的外点;
3.4、如果内点数大于设定值,则保留内点,该内点就是满足检验的匹配点;否则,重新选择4对样点,并重新计算,直至找到满足检验的匹配点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810472261.1A CN108769578B (zh) | 2018-05-17 | 2018-05-17 | 一种基于多路摄像头的实时全景成像系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810472261.1A CN108769578B (zh) | 2018-05-17 | 2018-05-17 | 一种基于多路摄像头的实时全景成像系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108769578A CN108769578A (zh) | 2018-11-06 |
CN108769578B true CN108769578B (zh) | 2020-07-31 |
Family
ID=64008288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810472261.1A Expired - Fee Related CN108769578B (zh) | 2018-05-17 | 2018-05-17 | 一种基于多路摄像头的实时全景成像系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108769578B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109600584A (zh) * | 2018-12-11 | 2019-04-09 | 中联重科股份有限公司 | 观察塔机的方法和装置、塔机及机器可读存储介质 |
CN109587410A (zh) * | 2018-12-12 | 2019-04-05 | 北京北电科林电子有限公司 | 全景可视化安防监控系统 |
CN109688328A (zh) * | 2018-12-20 | 2019-04-26 | 北京伊神华虹系统工程技术有限公司 | 一种基于不同点位摄像机的视频拼接融合及分割的方法和装置 |
CN109889736B (zh) * | 2019-01-10 | 2020-06-19 | 深圳市沃特沃德股份有限公司 | 基于双摄像头、多摄像头的图像获取方法、装置及设备 |
CN111193877B (zh) * | 2019-08-29 | 2021-11-30 | 桂林电子科技大学 | 一种arm-fpga协同的广域视频实时融合方法及嵌入式设备 |
CN111179165B (zh) * | 2019-11-29 | 2023-07-28 | 南京泓众电子科技有限公司 | 一种全景图像生成方法及装置 |
CN110954965A (zh) * | 2019-11-29 | 2020-04-03 | 哈尔滨工程大学 | 一种多rov系统及浅水珊瑚探测方法 |
CN111815517B (zh) * | 2020-07-09 | 2021-11-09 | 苏州万店掌网络科技有限公司 | 一种基于球机抓拍图片的自适应全景拼接方法 |
CN112102215A (zh) * | 2020-09-03 | 2020-12-18 | 广州南沙联合集装箱码头有限公司 | 一种基于误差统计的图像快速拼接方法 |
CN112365404B (zh) * | 2020-11-23 | 2023-03-17 | 成都唐源电气股份有限公司 | 一种基于多相机的接触网全景图像拼接方法、系统及设备 |
CN112581371B (zh) * | 2021-01-27 | 2022-03-22 | 仲恺农业工程学院 | 基于四路摄像头新型结构的全景实时成像拼接方法 |
CN113034677A (zh) * | 2021-03-31 | 2021-06-25 | 深圳鱼亮科技有限公司 | 一种基于多摄像头阵列的三维成像方法 |
CN114554158A (zh) * | 2022-02-28 | 2022-05-27 | 重庆长安汽车股份有限公司 | 一种基于道路交通场景下的全景视频拼接方法及系统 |
CN116760937B (zh) * | 2023-08-17 | 2023-12-08 | 广东省科技基础条件平台中心 | 一种基于多机位的视频拼接方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103916632B (zh) * | 2014-04-03 | 2017-01-25 | 北京工业大学 | 一种飞机跑道实时全景视频远程监控系统 |
US10334209B2 (en) * | 2015-12-17 | 2019-06-25 | Nike, Inc. | Image stitching for footwear component processing |
CN106791623A (zh) * | 2016-12-09 | 2017-05-31 | 深圳市云宙多媒体技术有限公司 | 一种全景视频拼接方法及装置 |
-
2018
- 2018-05-17 CN CN201810472261.1A patent/CN108769578B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108769578A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108769578B (zh) | 一种基于多路摄像头的实时全景成像系统及方法 | |
CN102148965B (zh) | 多目标跟踪特写拍摄视频监控系统 | |
CN103517041B (zh) | 基于多相机旋转扫描的实时全景监控方法和装置 | |
US11037308B2 (en) | Intelligent method for viewing surveillance videos with improved efficiency | |
CN107659774A (zh) | 一种基于多尺度相机阵列的视频成像系统及视频处理方法 | |
CN111047510A (zh) | 一种基于标定的大视场角图像实时拼接方法 | |
CN106534780A (zh) | 三维全景视频监控装置及其视频图像处理方法 | |
CN103607568A (zh) | 立体街景视频投影方法及系统 | |
CN105100640A (zh) | 一种局部配准并行视频拼接方法及系统 | |
CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控系统及存储介质 | |
CN106709894B (zh) | 一种图像实时拼接方法及系统 | |
CN104392416A (zh) | 一种运动场景的视频拼接方法 | |
CN110717936B (zh) | 一种基于相机姿态估计的图像拼接方法 | |
CN202841372U (zh) | 分布式全景监控系统 | |
CN105894443A (zh) | 一种基于改进的surf算法的实时视频拼接方法 | |
CN114331835A (zh) | 一种基于最优映射矩阵的全景图像拼接方法及装置 | |
CN111757021B (zh) | 面向移动机器人远程接管场景的多传感器实时融合方法 | |
CN112465702B (zh) | 一种多路超高清视频同步自适应拼接显示处理方法 | |
US11044399B2 (en) | Video surveillance system | |
CN101329453B (zh) | 一种基于光纤的大视场高分辨率成像装置及其拼接方法 | |
CN108871582A (zh) | 红外热像全景图像拼接处理系统及其方法 | |
CN112150355B (zh) | 一种图像处理方法及相关设备 | |
CN112001224A (zh) | 基于卷积神经网络的视频采集方法和视频采集系统 | |
CN117115273A (zh) | 基于羽毛球场边线检测的相机自标定方法及系统 | |
CN108234904B (zh) | 一种多视频融合方法、装置与系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200731 |