CN110503621A - 基于定位数据的图像全局拼接方法 - Google Patents

基于定位数据的图像全局拼接方法 Download PDF

Info

Publication number
CN110503621A
CN110503621A CN201910784398.5A CN201910784398A CN110503621A CN 110503621 A CN110503621 A CN 110503621A CN 201910784398 A CN201910784398 A CN 201910784398A CN 110503621 A CN110503621 A CN 110503621A
Authority
CN
China
Prior art keywords
image
pixel
spliced
images
obtaining
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
CN201910784398.5A
Other languages
English (en)
Other versions
CN110503621B (zh
Inventor
李鹏程
杨辉
肖唐杰
黄敏
桂仲成
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.)
Shanghai Guimu Robot Co Ltd
Original Assignee
Shanghai Guimu Robot 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 Shanghai Guimu Robot Co Ltd filed Critical Shanghai Guimu Robot Co Ltd
Priority to CN201910784398.5A priority Critical patent/CN110503621B/zh
Publication of CN110503621A publication Critical patent/CN110503621A/zh
Application granted granted Critical
Publication of CN110503621B publication Critical patent/CN110503621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于定位数据的图像全局拼接方法，包括以下步骤：采集获得任一待拼接的图像的中心点位置坐标，并根据GPS位置依次标号；根据任一待拼接的图像的像素尺寸与该图像对应拍摄的实际尺寸求得单位长度的实际尺寸的像素值PPM；根据GPS位置和单位长度的实际尺寸的像素值PPM转换获得顺势摆放的待拼接大图，求得任一待拼接的图像Iij的中心点的像素位置PPij(x,y)；选取同一列、同一行内重叠率大于等于H％的图像，并进行特征匹配求得像素移动距离；求得以像素移动距离为基准移动拼接后的图像的损失值Loss；采用梯度下降法优化损失值Loss，并输出拼接后的图像。

Description

基于定位数据的图像全局拼接方法
技术领域
本发明涉及图像拼接技术领域，尤其是基于定位数据的图像全局拼接方法。
背景技术
图像拼接技术，是将数张有重叠部分的图像(可能是不同时间、不同视角或者不同传感器获得的)拼成一幅大型的无缝高分辨率图像的技术，其主要包括单纯按位置组合照片和特征点匹配图像两种方式，现有技术存在以下缺陷：
第一，采用单纯按位置组合照片的方式：由于机器人运行和位置采集系统各种原因综合，每张图像的位置信息存在一定的抖动，合成的整图存在明显的误差；
第二，现有技术采用特征点匹配图像的方式：其参考计算机视觉一般做法，对相邻图像提取特征，然后根据特征点匹配情况，计算对应图形之间的位置关系矩阵，然后使用图像融合技术，将对应图片合成为一张。在路面检测时，该特征点匹配图像的方式是无法适用的，原因是：(一)本文中图像采集的对象为道面，特征点之间相似性较大，很容易造成误匹配；；(二)单张图片虽然是不同视角下采集，但是采用传统图像拼接计算两张图之间的单应性矩阵并根据矩阵变换图像，并将两张图像变换到相同视角，以其中一张图像为基准，另一张图像会产生形变；进而，图像会在机器人前进方向上产生变形传递(机器人拍摄的图像多达几百张)；通过上述方法获取的拼接图像误差较单纯按位置组合照片的误差更大。
发明内容
针对上述问题，本发明的目的在于提供基于定位数据的图像全局拼接方法，本发明采用的技术方案如下：
基于定位数据的图像全局拼接方法，包括以下步骤：
步骤S1，采集获得任一待拼接的图像的中心点位置坐标，并根据GPS位置依次标号；获得N列、K行图像；所述N、K均为大于1的自然数；
步骤S2，根据任一待拼接的图像的像素尺寸与该图像对应拍摄的实际尺寸求得单位长度的实际尺寸的像素值PPM；
步骤S3，根据GPS位置和单位长度的实际尺寸的像素值PPM转换获得顺势摆放的待拼接大图，求得任一待拼接的图像Iij的中心点的像素位置PPij(x,y)；
步骤S4，选取同一列、同一行内重叠率大于等于H％的图像，并进行特征匹配求得像素移动距离；所述H为大于5的自然数；
步骤S5，求得以像素移动距离为基准移动拼接后的图像的损失值Loss，其表达式为：
其中，diffXij表达第j列第i行的图像的X坐标，diffYij表达第j列第i行的图像的Y坐标；
步骤S6，采用梯度下降法优化损失值Loss，并输出拼接后的图像。
进一步地，所述步骤S4中，求得像素移动距离，包括以下步骤：
步骤S41，选取同一列、同一行内重叠率大于等于10％的图像；
步骤S42，采用ORB、SIFT或SURF算法进行特征匹配；
步骤S43，求得任一图像的像素移动距离，其表达式为：
initDiffXij，initDiffYij＝PPi(x,y)-PPj(x,y)
其中，其中，initDiffXij表示图像i和图像j初始位置在X方向的位置像素差；initDiffYij表示图像i和图像j初始位置在X方向的位置像素差；所述p1m，p2m表示重叠图像的匹配特征点位置信息，PPi(x,y)表示图像i的位置像素坐标，PPj(x,y)表示图像j的位置像素坐标。
更进一步地，所述步骤S6中，采用梯度下降法优化损失值Loss，包括以下步骤：
步骤S61，根据任一图像Iij的中心点的像素位置PPij(x,y)，作为起始坐标
步骤S62，对所述图像Iij的中心点的像素位置PPij(x,y)进行迭代优化，且第k次迭代获得的坐标为所述k为大于等于1的正数；
其中，lr表示步长，取值为0.001，表示第k-1次迭代的图像的水平坐标，表示第k-1次迭代的图像的纵坐标。
优选地，所述步骤S62中，
其中，表示跟图像Iij相匹配的图像在k-1次迭代时的X坐标，表示图像Iij相匹配的图像在k-1次迭代时的Y坐标，cij表示特征匹配结果；
与现有技术相比，本发明具有以下有益效果：
(1)本发明巧妙地利用GPS位置和单位长度的实际尺寸的像素值PPM转换获得顺势摆放的待拼接大图，适用于较大图像的场景，并利用特征匹配获得像素移动距离，并取得图像的损失值；如此一来，本发明从整体考虑了全部图像的特征并权衡，相比考虑局部图像拼接方式，拼接效果更佳。
(2)本发明通过GPS位置将传统的图像计算转换成坐标函数计算，既能简化逻辑过程，又能降低计算工作量，提高拼接效率。
(3)本发明通过对损失值进行优化处理，既能实现有效拼接，又能避免拼接畸形变形。
综上所述，本发明具有方法简便、计算工作量少、拼接效率高等优点，在图像拼接技术领域具有很高的实用价值和推广价值。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，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相关的附图。
图1为本发明的图像标号的位置关系表。
图2为本发明的图像重叠选取示意图。
图3为本发明的逻辑流程图。
具体实施方式
为使本申请的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例
如图1至图3所示，本实施例提供了基于定位数据的图像全局拼接方法，包括以下步骤：
第一步，采集获得任一待拼接的图像的中心点位置坐标，并根据GPS位置依次标号，获得N列、K行图像；所述N、K均为大于1的自然数；根据每张图像的GPS位置关系，按照x排序，将图片分成n道数据；对每道数据的图片，按照y排序，得到各道0——mi(注：每道数据允许图片数量不一致)。得到一张位置关系表(如图1所示)
第二步，根据任一待拼接的图像的像素尺寸与该图像对应拍摄的实际尺寸求得单位长度的实际尺寸的像素值PPM；在本实施例中，每张图像Iij，下标i代表第i道图像数据，下标j代表第i道的第j张图。图像Iij,的中心均有一个真实世界位置坐标PRij(x，y)，其像素坐标用PPij(x，y)表示。每一张图像像素尺寸imgSize(1800*900)，且其对应的真实尺寸imgRealSize(1.68m,0.84m)。由此，单位长度的实际尺寸的像素值PPM＝1800/1.68＝1071.4即：真实世界中每米代表多少像素值。
第三步，根据GPS位置和单位长度的实际尺寸的像素值PPM转换获得顺势摆放的待拼接大图，求得任一待拼接的图像Iij的中心点的像素位置PPij(x,y)。具体来说，由1中得到的位置关系表，遍历每张图的中心位置，求出整个位置的xmin,xmax,ymin,ymax；左上角点坐标：(xmin，ymax)；左上角点的像素位置代表(0，0)点。
拼接结果真实尺寸：
宽：Realwidth＝xmax–xmin+imgRealSize,
长：Realheight＝ymax–ymin。
得到整个按照位置放的拼接图像素尺寸:
Realwidth*PPM,Realheight*PPM
每张图摆放的位置计算：与左下点相比：
PPijX＝(x-xmin)*PPM
PPijY＝(ymax-y)*PPM
至此，便可求得每张图中心点的像素位置PPij(x，y)。
第四步，选取同一列、同一行内重叠率大于等于10％的图像，并进行特征匹配求得像素移动距离，具体来说：
(1)采用ORB、SIFT或SURF算法进行特征匹配；
(2)求得任一图像的像素移动距离，其表达式为：
initDiffXij，initDiffYij＝PPi(x,y)-PPj(x,y)
其中，其中，initDiffXij表示图像i和图像j初始位置在X方向的位置像素差；initDiffYij表示图像i和图像j初始位置在X方向的位置像素差；所述p1m，p2m表示重叠图像的匹配特征点位置信息，PPi(x,y)表示图像i的位置像素坐标，PPj(x,y)表示图像j的位置像素坐标。
第五步，求得以像素移动距离为基准移动拼接后的图像的损失值Loss，其表达式为：
其中，diffXij表达第j列第i行的图像的X坐标，diffYij表达第j列第i行的图像的Y坐标。
第六步，采用梯度下降法优化损失值Loss，并输出拼接后的图像，具体包括以下步骤：
(1)根据任一图像Iij的中心点的像素位置PPij(x,y)，作为起始坐标
(2)对所述图像Iij的中心点的像素位置PPij(x,y)进行迭代优化，且第k次迭代获得的坐标为所述k为大于等于1的正数；
其中，lr表示步长，取值为0.001，表示第k-1次迭代的图像的水平坐标，表示第k-1次迭代的图像的纵坐标。
其中，表示跟图像Iij相匹配的图像在k-1次迭代时的X坐标，表示图像Iij相匹配的图像在k-1次迭代时的Y坐标，cij表示特征匹配结果；
通过上述优化，并可获得最优化的损失，整体考虑了全部图像的特征并权衡。综上所述，与现有技术相比，本发明具有突出的实质性特点和显著的进步，在图像拼接技术领域具有很高的实用价值和推广价值。
上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而作出的变化，均应属于本发明的保护范围之内。

Claims (4)

1.基于定位数据的图像全局拼接方法，其特征在于，包括以下步骤：
步骤S1，采集获得任一待拼接的图像的中心点位置坐标，并根据GPS位置依次标号；获得N列、K行图像；所述N、K均为大于1的自然数；
步骤S2，根据任一待拼接的图像的像素尺寸与该图像对应拍摄的实际尺寸求得单位长度的实际尺寸的像素值PPM；
步骤S3，根据GPS位置和单位长度的实际尺寸的像素值PPM转换获得顺势摆放的待拼接大图，求得任一待拼接的图像Iij的中心点的像素位置PPij(x,y)；
步骤S4，选取同一列、同一行内重叠率大于等于H％的图像，并进行特征匹配求得像素移动距离；所述H为大于5的自然数；
步骤S5，求得以像素移动距离为基准移动拼接后的图像的损失值Loss，其表达式为：
其中，diffXij表达第j列第i行的图像的X坐标，diffYij表达第j列第i行的图像的Y坐标；
步骤S6，采用梯度下降法优化损失值Loss，并输出拼接后的图像。
2.根据权利要求1所述的基于定位数据的图像全局拼接方法，其特征在于，所述步骤S4中，求得像素移动距离，包括以下步骤：
步骤S41，选取同一列、同一行内重叠率大于等于10％的图像；
步骤S42，采用ORB、SIFT或SURF算法进行特征匹配；
步骤S43，求得任一图像的像素移动距离，其表达式为：
initDiffXij，initDiffYij＝PPi(x,y)-PPj(x,y)
其中，其中，initDiffXij表示图像i和图像j初始位置在X方向的位置像素差；initDiffYij表示图像i和图像j初始位置在X方向的位置像素差；所述p1m，p2m表示重叠图像的匹配特征点位置信息，PPi(x,y)表示图像i的位置像素坐标，PPj(x,y)表示图像j的位置像素坐标。
3.根据权利要求2所述的基于定位数据的图像全局拼接方法，其特征在于，所述步骤S6中，采用梯度下降法优化损失值Loss，包括以下步骤：
步骤S61，根据任一图像Iij的中心点的像素位置PPij(x,y)，作为起始坐标
步骤S62，对所述图像Iij的中心点的像素位置PPij(x,y)进行迭代优化，且第k次迭代获得的坐标为所述k为大于等于1的正数；
其中，lr表示步长，取值为0.001，表示第k-1次迭代的图像的水平坐标，表示第k-1次迭代的图像的纵坐标。
4.根据权利要求3所述的基于定位数据的图像全局拼接方法，其特征在于，所述步骤S62中，
其中，表示跟图像Iij相匹配的图像在k-1次迭代时的X坐标，表示图像Iij相匹配的图像在k-1次迭代时的Y坐标，cij表示特征匹配结果；
CN201910784398.5A 2019-08-23 2019-08-23 基于定位数据的图像全局拼接方法 Active CN110503621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910784398.5A CN110503621B (zh) 2019-08-23 2019-08-23 基于定位数据的图像全局拼接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910784398.5A CN110503621B (zh) 2019-08-23 2019-08-23 基于定位数据的图像全局拼接方法

Publications (2)

Publication Number Publication Date
CN110503621A true CN110503621A (zh) 2019-11-26
CN110503621B CN110503621B (zh) 2022-07-01

Family

ID=68589246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910784398.5A Active CN110503621B (zh) 2019-08-23 2019-08-23 基于定位数据的图像全局拼接方法

Country Status (1)

Country Link
CN (1) CN110503621B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060045388A1 (en) * 2004-08-31 2006-03-02 Zeineh Jack A Systems and methods for stitching image blocks to create seamless magnified images of a microscope slide
CN101499166A (zh) * 2009-03-16 2009-08-05 北京中星微电子有限公司 一种图像拼接方法及装置
CN102201115A (zh) * 2011-04-07 2011-09-28 湖南天幕智能科技有限公司 无人机航拍视频实时全景图拼接方法
CN102819835A (zh) * 2012-07-26 2012-12-12 中国航天科工集团第三研究院第八三五七研究所 一种图像拼接中筛选特征点匹配对的方法
CN102829763A (zh) * 2012-07-30 2012-12-19 中国人民解放军国防科学技术大学 基于单目视觉定位的路面图像采集方法及采集系统
US20140321766A1 (en) * 2011-08-31 2014-10-30 Sony Corporation Image processing apparatus, image processing method, and program
CN104331872A (zh) * 2014-11-26 2015-02-04 中测新图(北京)遥感技术有限责任公司 图像拼接方法
CN104346788A (zh) * 2013-07-29 2015-02-11 展讯通信（上海）有限公司 一种拼接图像的方法和装置
US20150304576A1 (en) * 2012-11-21 2015-10-22 Thales Method of panoramic 3d mosaicing of a scene
US20150373279A1 (en) * 2014-06-20 2015-12-24 Qualcomm Incorporated Wide field of view array camera for hemispheric and spherical imaging
CN106412669A (zh) * 2016-09-13 2017-02-15 微鲸科技有限公司 一种全景视频渲染的方法和设备
CN107240082A (zh) * 2017-06-23 2017-10-10 微鲸科技有限公司 一种拼接线优化方法及设备
CN107240067A (zh) * 2017-05-11 2017-10-10 同济大学 一种基于三维重建的序列图像自动拼接方法
CN108492281A (zh) * 2018-03-06 2018-09-04 陕西师范大学 一种基于生成式对抗网络的桥梁裂缝图像障碍物检测与去除的方法
CN109242772A (zh) * 2018-08-23 2019-01-18 上海圭目机器人有限公司 基于智能平台面阵相机采集的机场道面表面图像拼接方法
CN109493278A (zh) * 2018-10-24 2019-03-19 北京工业大学 一种基于sift特征的大场景图像拼接系统
CN109614981A (zh) * 2018-10-17 2019-04-12 东北大学 基于斯皮尔曼等级相关的卷积神经网络的电力系统智能故障检测方法及系统
CN110084757A (zh) * 2019-04-15 2019-08-02 南京信息工程大学 一种基于生成对抗网络的红外深度图像增强方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060045388A1 (en) * 2004-08-31 2006-03-02 Zeineh Jack A Systems and methods for stitching image blocks to create seamless magnified images of a microscope slide
CN101499166A (zh) * 2009-03-16 2009-08-05 北京中星微电子有限公司 一种图像拼接方法及装置
CN102201115A (zh) * 2011-04-07 2011-09-28 湖南天幕智能科技有限公司 无人机航拍视频实时全景图拼接方法
US20140321766A1 (en) * 2011-08-31 2014-10-30 Sony Corporation Image processing apparatus, image processing method, and program
CN102819835A (zh) * 2012-07-26 2012-12-12 中国航天科工集团第三研究院第八三五七研究所 一种图像拼接中筛选特征点匹配对的方法
CN102829763A (zh) * 2012-07-30 2012-12-19 中国人民解放军国防科学技术大学 基于单目视觉定位的路面图像采集方法及采集系统
US20150304576A1 (en) * 2012-11-21 2015-10-22 Thales Method of panoramic 3d mosaicing of a scene
CN104346788A (zh) * 2013-07-29 2015-02-11 展讯通信（上海）有限公司 一种拼接图像的方法和装置
US20150373279A1 (en) * 2014-06-20 2015-12-24 Qualcomm Incorporated Wide field of view array camera for hemispheric and spherical imaging
CN104331872A (zh) * 2014-11-26 2015-02-04 中测新图(北京)遥感技术有限责任公司 图像拼接方法
CN106412669A (zh) * 2016-09-13 2017-02-15 微鲸科技有限公司 一种全景视频渲染的方法和设备
CN107240067A (zh) * 2017-05-11 2017-10-10 同济大学 一种基于三维重建的序列图像自动拼接方法
CN107240082A (zh) * 2017-06-23 2017-10-10 微鲸科技有限公司 一种拼接线优化方法及设备
CN108492281A (zh) * 2018-03-06 2018-09-04 陕西师范大学 一种基于生成式对抗网络的桥梁裂缝图像障碍物检测与去除的方法
CN109242772A (zh) * 2018-08-23 2019-01-18 上海圭目机器人有限公司 基于智能平台面阵相机采集的机场道面表面图像拼接方法
CN109614981A (zh) * 2018-10-17 2019-04-12 东北大学 基于斯皮尔曼等级相关的卷积神经网络的电力系统智能故障检测方法及系统
CN109493278A (zh) * 2018-10-24 2019-03-19 北京工业大学 一种基于sift特征的大场景图像拼接系统
CN110084757A (zh) * 2019-04-15 2019-08-02 南京信息工程大学 一种基于生成对抗网络的红外深度图像增强方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YINJIANG JIA ET AL: "UAV remote sensing image mosaic and its application in agriculture", 《INTERNATIONAL JOURNAL OF SMART HOME》 *
李杰 等著: "《无人系统设计与集成》", 30 September 2014, 国防工业出版社 *
樊庆文 等: "基于等距序列图像的快速拼接技术", 《四川大学学报》 *

Also Published As

Publication number Publication date
CN110503621B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN108665496B (zh) 一种基于深度学习的端到端的语义即时定位与建图方法
US11030525B2 (en) Systems and methods for deep localization and segmentation with a 3D semantic map
WO2015139574A1 (zh) 一种静态物体重建方法和系统
CN102722697B (zh) 一种无人飞行器视觉自主导引着陆的目标跟踪方法
CN112633220B (zh) 一种基于双向序列化建模的人体姿态估计方法
CN107329962B (zh) 图像检索数据库生成方法、增强现实的方法及装置
CN109035327B (zh) 基于深度学习的全景相机姿态估计方法
CN112053447A (zh) 一种增强现实三维注册方法及装置
Xia et al. Globally consistent alignment for planar mosaicking via topology analysis
CN112053441B (zh) 一种室内鱼眼图像的全自动布局恢复方法
CN111798373A (zh) 一种基于局部平面假设及六自由度位姿优化的快速无人机图像拼接方法
Chen et al. Laplacian pyramid neural network for dense continuous-value regression for complex scenes
US20230273318A1 (en) System and method of capturing three-dimensional human motion capture with lidar
CN114119753A (zh) 面向机械臂抓取的透明物体6d姿态估计方法
Zhao et al. Fast georeferenced aerial image stitching with absolute rotation averaging and planar-restricted pose graph
CN115008454A (zh) 一种基于多帧伪标签数据增强的机器人在线手眼标定方法
Zhang et al. Key point localization and recurrent neural network based water meter reading recognition
Zhu et al. Large-scale architectural asset extraction from panoramic imagery
CN112200917B (zh) 一种高精度增强现实方法及系统
Long et al. Detail preserving residual feature pyramid modules for optical flow
CN110503621B (zh) 基于定位数据的图像全局拼接方法
CN112950481B (zh) 一种基于图像拼接网络的水花遮挡图像数据集采集方法
CN110503622B (zh) 基于定位数据的图像全局定位优化拼接方法
CN116843867A (zh) 增强现实虚实融合方法、电子设备和存储介质
Li et al. Learning dense consistent features for aerial-to-ground structure-from-motion

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