CN110503622A - 基于定位数据的图像全局定位优化拼接方法 - Google Patents
基于定位数据的图像全局定位优化拼接方法 Download PDFInfo
- Publication number
- CN110503622A CN110503622A CN201910785202.4A CN201910785202A CN110503622A CN 110503622 A CN110503622 A CN 110503622A CN 201910785202 A CN201910785202 A CN 201910785202A CN 110503622 A CN110503622 A CN 110503622A
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate
- pixel
- location
- spliced
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000011478 gradient descent method Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 230000001419 dependent effect Effects 0.000 claims description 13
- 238000009432 framing Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于定位数据的图像全局定位优化拼接方法,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(包括特征Loss和位置Loss),并根据GPS位置分别进行宽度方向和长度方向校正,输出拼接后的图像。
Description
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定位优化拼接方法。
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定位优化拼接方法,本发明采用的技术方案如下:
基于定位数据的图像全局定位优化拼接方法,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:
Loss=αLoss1+(1-α)Loss2
其中,所述Loss1表示图像拼接贡献的损失;所述Loss2表示图像定位贡献的损;所述α表示图像定位在拼接过程中的重要程度,其取值为大于0且小于1;
其中,diffXij表达第j列第i行的图像的X坐标,diffYij表达表示第i列第j行的图像的Y坐标;GPSij(x,y)表示图像按照位置摆放的像素位置,即等于图像Iij的中心点的像素位置PPij(x,y);
步骤S6,采用梯度下降法优化损失值Loss,并根据GPS位置分别进行宽度方向和长度方向校正,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,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。
优选地,所述步骤S5中,α取值为0.6。
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
所述图像按照位置摆放的像素位置GPSij(x,y)的坐标为起始坐标
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。
更进一步地,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;GPSXij为GPSij(x,y)的X轴坐标,表示位置摆放图像像素X坐标;GPSYij为GPSij(x,y)的y坐标,表示按位置摆放图像像素y坐标;
更进一步地,所述步骤S6中,根据GPS位置进行长度方向校正,包括以下步骤:
步骤S63,根据位置关系计算任一列的图像的实际像素长度hi,其表达式为:
hi=max(GPSYij)-min(GPSYij)
其中,GPSYij为GPSij(x,y)的y坐标,表示按位置摆放图像像素y坐标。
步骤S64,根据特征匹配并结合定位优化实际像素长度hi,得到优化后的实际像素长度hri,其表达式为:
hri=max(yij)-min(yij)
其中,yij表示第i列第j行的图像的Y坐标;
步骤S65,校正后的长度方向坐标为y′ij,其表达式为:
y′ij=yij+(hri-hi)/m。
更进一步地,所述步骤S6中,根据GPS位置进行宽度方向校正,包括以下步骤:
步骤S66,根据位置关系计算任一列的图像的实际像素宽度wi,其表达式为:
wi=max(GPSXij)-min(GPSXij)
其中,GPSXij为GPSij(x,y)的X坐标,表示按位置摆放图像像素X坐标;
步骤S67,根据特征匹配并结合定位优化实际像素宽度wrj,其表达式为:
wrj=max(xij)-min(xij)
其中,xij表示第i列第j行的图像的X坐标;
步骤S68,校正后的长度方向坐标为x′ij,其表达式为:
x′ij=xij+(wrj-wj)/n。
与现有技术相比,本发明具有以下有益效果:
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。
(4)本发明通过纳入图像定位贡献的损失,并且结合有相邻关系的图片间特征匹配后需要移动的像素距离与特征匹配移动像素后与初始位置的像素差的加权和,在兼顾拼接效率的同时,又能降低定位误差。
(5)本发明通过对拼接的图像进行宽度方向和长度方向进行校正,并实现全局微调,保证拼接更准确。
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定位优化拼接方法,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;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PPij(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,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:
Loss=αLoss1+(1-α)Loss2
其中,所述Loss1表示图像拼接贡献的损失;所述Loss2表示图像定位贡献的损;所述α表示图像定位在拼接过程中的重要程度,α取值为0.6。
其中,diffXij表达第j列第i行的图像的X坐标,diffYij表达表示第i列第j行的图像的Y坐标;GPSij(x,y)表示图像按照位置摆放的像素位置,即等于图像Iij的中心点的像素位置PPij(x,y)。
第六步,采用梯度下降法优化损失值Loss,并根据GPS位置分别进行宽度方向和长度方向校正,输出拼接后的图像。
其中,采用梯度下降法优化损失值Loss,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
所述图像按照位置摆放的像素位置GPSij(x,y)的坐标为起始坐标
(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。
在本实施例中
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,为常量;GPSXij为GPSij(x,y)的x坐标,表示按位置摆放图像像素x坐标,GPSijY为GPSij(x,y)的y坐标,表示按位置摆放图像像素y坐标。其中GPSij(x,y)=(GPSXij,GPSYij)
在本实施例中,根据GPS位置进行长度方向校正,包括以下步骤:
(1)根据位置关系计算任一列的图像的实际像素长度hi,其表达式为:
hi=max(GPSYij)-min(GPSYij)
其中,GPSYij为GPSij(x,y)的y坐标,表示按位置摆放图像像素y坐标。
(2)根据特征匹配并结合定位优化实际像素长度hi,得到优化后的实际像素长度hri,其表达式为:
hri=max(yij)-min(yij)
其中,yij表示第i列第j行的图像的Y坐标;
(3)校正后的长度方向坐标为y′ij,其表达式为:
y′ij=yij+(hri-hi)/m。
在本实施例中,根据GPS位置进行宽度方向校正,包括以下步骤:
(1)根据位置关系计算任一列的图像的实际像素宽度wi,其表达式为:
wi=max(GPSXij)-min(GPSXij)
其中,GPSXij为GPSij(x,y)的x坐标,表示按位置摆放图像像素x坐标。
(2)根据特征匹配并结合定位优化实际像素宽度wrj,其表达式为:
wrj=max(xij)-min(xij)
其中,xij表示第i列第j行的图像的X坐标;
(3)校正后的长度方向坐标为x′ij,其表达式为:
x′ij=xij+(wrj-wj)/n。
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定位误差。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 (7)
1.基于定位数据的图像全局定位优化拼接方法,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:
Loss=αLoss1+(1-α)Loss2
其中,所述Loss1表示图像拼接贡献的损失;所述Loss2表示图像定位贡献的损;所述α表示图像定位在拼接过程中的重要程度,其取值为大于0且小于1;
其中,diffXij表达第j列第i行的图像的X坐标,diffYij表达表示第i列第j行的图像的Y坐标;GPSij(x,y)表示图像按照位置摆放的像素位置,即等于图像Iij的中心点的像素位置PPij(x,y);
步骤S6,采用梯度下降法优化损失值Loss,并根据GPS位置分别进行宽度方向和长度方向校正,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定位优化拼接方法,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,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定位优化拼接方法,其特征在于,所述步骤S5中,α取值为0.6。
4.根据权利要求1所述的基于定位数据的图像全局定位优化拼接方法,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
所述图像按照位置摆放的像素位置GPSij(x,y)的坐标为起始坐标
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。
5.根据权利要求4所述的基于定位数据的图像全局定位优化拼接方法,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;GPSXij为GPSij(x,y)的X轴坐标,表示位置摆放图像像素X坐标;GPSYij为GPSij(x,y)的y坐标,表示按位置摆放图像像素y坐标;
6.根据权利要求5所述的基于定位数据的图像全局定位优化拼接方法,其特征在于,所述步骤S6中,根据GPS位置进行长度方向校正,包括以下步骤:
步骤S63,根据位置关系计算任一列的图像的实际像素长度hi,其表达式为:
hi=max(GPSYij)-min(GPSYij)
其中,GPSYij为GPSij(x,y)的y坐标,表示按位置摆放图像像素y坐标。
步骤S64,根据特征匹配并结合定位优化实际像素长度hi,得到优化后的实际像素长度hri,其表达式为:
hri=max(yij)-min(yij)
其中,yij表示第i列第j行的图像的Y坐标;
步骤S65,校正后的长度方向坐标为y′ij,其表达式为:
y′ij=yij+(hri-hi)/m。
7.根据权利要求5所述的基于定位数据的图像全局定位优化拼接方法,其特征在于,所述步骤S6中,根据GPS位置进行宽度方向校正,包括以下步骤:
步骤S66,根据位置关系计算任一列的图像的实际像素宽度wi,其表达式为:
wi=max(GPSXij)-min(GPSXij)
其中,GPSXij为GPSij(x,y)的X坐标,表示按位置摆放图像像素X坐标;
步骤S67,根据特征匹配并结合定位优化实际像素宽度wrj,其表达式为:
wrj=max(xij)-min(xij)
其中,xij表示第i列第j行的图像的X坐标;
步骤S68,校正后的长度方向坐标为x'ij,其表达式为:
x′ij=xij+(wrj-wj)/n。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910785202.4A CN110503622B (zh) | 2019-08-23 | 2019-08-23 | 基于定位数据的图像全局定位优化拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910785202.4A CN110503622B (zh) | 2019-08-23 | 2019-08-23 | 基于定位数据的图像全局定位优化拼接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503622A true CN110503622A (zh) | 2019-11-26 |
CN110503622B CN110503622B (zh) | 2022-07-01 |
Family
ID=68589157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910785202.4A Active CN110503622B (zh) | 2019-08-23 | 2019-08-23 | 基于定位数据的图像全局定位优化拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503622B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120050524A1 (en) * | 2010-08-25 | 2012-03-01 | Lakeside Labs Gmbh | Apparatus and method for generating an overview image of a plurality of images using an accuracy information |
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 |
CN105447817A (zh) * | 2015-11-09 | 2016-03-30 | 北京科技大学 | 一种基于边缘轮廓的热轧中间坯平面图像拼接方法 |
CN105744159A (zh) * | 2016-02-15 | 2016-07-06 | 努比亚技术有限公司 | 一种图像合成方法及装置 |
US20170360412A1 (en) * | 2016-06-20 | 2017-12-21 | Alex Rothberg | Automated image analysis for diagnosing a medical condition |
CN108269231A (zh) * | 2017-12-29 | 2018-07-10 | 深圳市艺博堂环境艺术工程设计有限公司 | 一种用于球幕系统的图像融合方法及其图像融合装置 |
CN108765298A (zh) * | 2018-06-15 | 2018-11-06 | 中国科学院遥感与数字地球研究所 | 基于三维重建的无人机图像拼接方法和系统 |
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 |
-
2019
- 2019-08-23 CN CN201910785202.4A patent/CN110503622B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120050524A1 (en) * | 2010-08-25 | 2012-03-01 | Lakeside Labs Gmbh | Apparatus and method for generating an overview image of a plurality of images using an accuracy information |
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 |
CN105447817A (zh) * | 2015-11-09 | 2016-03-30 | 北京科技大学 | 一种基于边缘轮廓的热轧中间坯平面图像拼接方法 |
CN105744159A (zh) * | 2016-02-15 | 2016-07-06 | 努比亚技术有限公司 | 一种图像合成方法及装置 |
US20170360412A1 (en) * | 2016-06-20 | 2017-12-21 | Alex Rothberg | Automated image analysis for diagnosing a medical condition |
CN108269231A (zh) * | 2017-12-29 | 2018-07-10 | 深圳市艺博堂环境艺术工程设计有限公司 | 一种用于球幕系统的图像融合方法及其图像融合装置 |
CN108765298A (zh) * | 2018-06-15 | 2018-11-06 | 中国科学院遥感与数字地球研究所 | 基于三维重建的无人机图像拼接方法和系统 |
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 |
Non-Patent Citations (2)
Title |
---|
YINJIANG JIA ET AL.: "UAV remote sensing image mosaic and its application in agriculture", 《INTERNATIONAL JOURNAL OF SMART HOME》 * |
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 |
---|---|
CN110503622B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11080911B2 (en) | Mosaic oblique images and systems and methods of making and using same | |
CN104330074B (zh) | 一种智能测绘平台及其实现方法 | |
CN109676604B (zh) | 机器人曲面运动定位方法及其运动定位系统 | |
CN103106688B (zh) | 基于双层配准方法的室内三维场景重建方法 | |
CN110211043B (zh) | 一种用于全景图像拼接的基于网格优化的配准方法 | |
Shashua et al. | Relative affine structure: Canonical model for 3D from 2D geometry and applications | |
CN104156968B (zh) | 大面积地形复杂区域无人机序列影像快速无缝拼接方法 | |
WO2020062434A1 (zh) | 一种相机外部参数的静态标定方法 | |
CN202172446U (zh) | 一种广角拍照装置 | |
CN104463778B (zh) | 一种全景图生成方法 | |
WO2019029099A1 (zh) | 基于图像梯度联合优化的双目视觉里程计算方法 | |
CN107808362A (zh) | 一种基于无人机pos信息与图像surf特征结合的图像拼接方法 | |
CN102156969B (zh) | 图像纠偏处理方法 | |
CN107274346A (zh) | 实时全景视频拼接系统 | |
CN105303615A (zh) | 一种图像二维拼接与三维表面重建的组合方法 | |
CN106157304A (zh) | 一种基于多个相机的全景图拼接方法及系统 | |
CN110766024B (zh) | 基于深度学习的视觉里程计特征点提取方法及视觉里程计 | |
CN113222820B (zh) | 一种位姿信息辅助的航空遥感图像拼接方法 | |
CN102521586B (zh) | 一种用于拍照手机的高分辨率三维人脸扫描方法 | |
CN109961522A (zh) | 图像投射方法、装置、设备和存储介质 | |
CN111882602A (zh) | 基于orb特征点和gms匹配过滤器的视觉里程计实现方法 | |
CN112509106A (zh) | 文档图片展平方法、装置以及设备 | |
CN103778610B (zh) | 一种星载线阵传感器垂轨摆扫影像的几何预处理方法 | |
CN104216202A (zh) | 一种结合惯性陀螺仪的摄像机视觉实时定位系统及定位方法 | |
CN105389777A (zh) | 无人机序列影像快速无缝拼接系统 |
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 |