CN111669547A - 全景视频结构化方法 - Google Patents

全景视频结构化方法 Download PDF

Info

Publication number
CN111669547A
CN111669547A CN202010473307.9A CN202010473307A CN111669547A CN 111669547 A CN111669547 A CN 111669547A CN 202010473307 A CN202010473307 A CN 202010473307A CN 111669547 A CN111669547 A CN 111669547A
Authority
CN
China
Prior art keywords
panoramic
data
picture
video
image
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
CN202010473307.9A
Other languages
English (en)
Other versions
CN111669547B (zh
Inventor
赖文杰
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.)
Chengdu Visionertech Co ltd
Original Assignee
Chengdu Visionertech 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 Chengdu Visionertech Co ltd filed Critical Chengdu Visionertech Co ltd
Priority to CN202010473307.9A priority Critical patent/CN111669547B/zh
Publication of CN111669547A publication Critical patent/CN111669547A/zh
Application granted granted Critical
Publication of CN111669547B publication Critical patent/CN111669547B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/265—Mixing

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种全景视频结构化方法。包括：获取全景数据，对于全景数据进行图像训练，采用训练后针对畸变图像有效的模型进行全局搜索扫描，框定兴趣目标出现的区域，利用矩形框信息，将兴趣画面截取出来，畸变矫正，利用传统的视频结构化算法，对已经畸变矫正后的画面进行进一步的结构化分析，获取全景视频结构结构化数据。本发明通过一台全景视频采集设备就可以实现对场景内无死角的全景化扫描，实现视频内容的结构化分析，无需额外的视频结构化设备或者同步设备，有效的减少全景图像采集设备采集到的冗余信息，方便后续的存储和数据分析索引；通过对原始画面进行扫描搜索，极大的减少了对原始画面进行全局畸变矫正的工作量。

Description

全景视频结构化方法
技术领域
本发明涉及视频结构化技术领域，尤其是涉及一种视频结构化方法，特别涉及全景视频结构化方法。
背景技术
目前，视频智能识别分析设备对其视频/图像输入源的镜头具有特殊的要求，其中一个重要的限制就是对于镜头视场角不能够超过90°，这主要由于成像的镜头在超过90°之后，成像边缘的畸变会对算法识别精度带来严重的损失。普通的视频结构化相机，存在视场角受限，无法完整地记录捕捉场景中所有的人、车等完整信息的缺点。目前市场上对于无死角监控的需求越来越突出，越来越多的监控设备的镜头视场角大于100°，甚至已经出现了水平360°，垂直360°的720°无死角监控设备，这些无死角监控设备由于镜头成像边缘畸变大，目前传统的人脸识别等智能算法还不能够高效的利用到全景的视频监控中。即使应用了也存在算法精度不高，存在大量误报漏报的现象。为了实现无死角的视频结构化需求，传统方案往往需要采用多个视频结构化设备分析不同的视角视频，然而这种方案存在不同视频结构化设备之间画面不同步，不同视频结构化设备需要对同一个目标进行多设备之间再入分析确认的额外工作。
发明内容
为了克服现有视频结构化设备存在视场角受限的缺点，本发明公开了一种全景视频结构化方法。
本发明解决技术问题所采用的技术方案是：
全景视频结构化方法，其特征在于包括以下步骤：
S1：获取全景数据，包括全景视频、全景图像数据；
S2：对于全景数据进行图像训练，包括以下S21至S23步骤；S21根据兴趣目标可能出现在视野中的位置，考虑不同位置的图像畸变效果不同，采集兴趣目标位于不同视角处的画面；S22通过人工的方式标定位于不同视角的兴趣目标，生成图片标签；S23采用原始的带畸变的图像数据作为输入，训练得到针对畸变图像的算法模型；
S3：采用训练后针对畸变图像有效的模型进行全局搜索扫描，框定兴趣目标出现的区域；
S4：利用矩形框信息，将兴趣画面截取出来；
S5：畸变矫正，将兴趣画面进行畸变矫正；
S6：利用传统的视频结构化算法，对已经畸变矫正后的画面进行进一步的结构化分析，获取全景视频结构结构化数据。
所述获取全景数据包括：
通过全景采集设备，全景采集设备包括单鱼眼全景摄像机、双鱼眼全景摄像机、或多鱼眼全景摄像机获取全景数据；
通过设备内部的内存或存储设备中已经存储好的全景数据访问获取全景数据；
通过无线数据传输、有限数据传输获取全景数据。
所述全景数据是原始的通过鱼眼镜头获取的全景数据、或对全景数据进行过拼接处理的图像全景数据；其中，包括拼接后按照地球仪投影方式得到的2:1的画面数据。
所述步骤S3包括以下方法；
S31、对于一个以上的全景设备采集模块获取的全景数据，针对每一个全景数据图像进行全局的搜索；
S32、对于一个以上的全景设备采集模块组成的全景采集设备，考虑目标区域在不同全景设备采集模块获取的全景数据画面同时出现的情况，采用比较目标在不同画面的大小，确定出现画面最大的区域作为输入源；对于目标区域横跨多个全景数据画面，将不同全景数据画面的坐标均标记出来；
S33、采用矩形框的形式，id，x,y,width,height；其中ID表示全景数据画面的编号，x，y为矩形的左上角的坐标，width和height分别对应矩形框的长和宽，将目标区域标记出来；目标区域横跨多个全景数据画面，则矩形框有多个。
所述步骤S5包括以下方法；
S51、对于全景设备，其在出厂之前经对镜头进行过标定，并建立了从原始的全景数据画面到拼接矫正后的画面之间的坐标映射矩阵，将S4中提取出来的矩形框坐标按照坐标映射矩阵进行仿射变换获取拼接矫正后的坐标范围；
S52、在仿射变换之后的坐标范围变成非矩阵类型时，则需要对变换后坐标范围进行矩阵化，方法是直接获取外接该范围的最小矩形框；
S53、在S3中获取的是多个具有重叠的矩阵区域时，需要对重叠区域进行进一步的处理，方法是将所有的矩阵仿射变换之后，如果存在重叠，则将取这些区域的并集，并获取改并集的最小外接矩形框；
S54、直接利用全景画面的标定矩阵，利用S53获取到的矩形框，直接在拼接矫正后的画面中截取画面，获取畸变矫正后的画面。
本发明全景视频结构化方法采用全景图像采集模块采集视频图像，该全景图像采集模块采用一个鱼眼或者多个鱼眼镜头进行图像采集，同时内部集成数据结构化分析板卡。由于采用了鱼眼镜头，能够采集到水平360°或者垂直360°或水平360°且垂直360°的全景视频，采集到的图像视野无死角，同时为了能够为视频结构化算法提供足够丰富的图像细节，本视频采集模块采集到最终的图像分辨率大于等于400万。内部数据结构化板卡集成了全景视频结构话算法模块，该算法模块采用扫描搜索和细节分析两套算法引擎，实现全景图像结构化的需求，同时利用全景视频本身已有的拼接模板进行畸变矫正，方便细节特征属性的提取。
本发明提供了一种全景视频结构化方法，该视频结构化方法能够对监控场景内所有的视角的视频进行结构化分析，全景视频水平监控视场角为360°或垂直监控视场角为360°或水平360°且垂直360°的监控视场角全景视频。解决了视频结构化存在的视场角受限的问题。本发明只需要一台设备，就能够实现过去需要6到8台视频结构化设备才能够达到的全景视频结构化需求。有效地降低了成本并克服了不同视频结构化设备之间画面不同步，不需要对同一个目标进行多设备间的信息再入分析，有效减少了视频分析的工作量，提高了监控效率。
本发明视频结构化方法能够针对监控场景进行全景的结构化分析，本视频结构化方法对于视频中的人，车等监控场景中感兴趣的内容进行特征分析，属性概括，将无法结构化存储的图像视频信息，提炼为能够进行结构化存储的键值对的结构化信息，方便视频监控中对视频内容的检索和分析的设备。
本发明的有益效果是，通过一台全景视频采集设备就可以实现对场景内无死角的全景化扫描，实现视频内容的结构化分析。无需额外的视频结构化设备或者同步设备。利用视频结构化算法，有效的减少全景图像采集设备采集到的冗余信息，方便后续的存储和数据分析索引。通过对原始画面进行扫描搜索，极大的减少了对原始画面进行全局畸变矫正的工作量。
附图说明
图1是本发明实施例的一种全景视频结构化的流程示意图；
图2是图1中S2鱼眼数据训练模型的一种流程示意图；
图3是图1中S3兴趣区域扫描搜索的一种流程示意图；
图4是图1中S5畸变矫正的一种流程示意图。
具体实施方式
下面结合具体实施方式对本发明进一步说明，具体实施方式是对本发明原理的进一步说明，不以任何方式限制本发明，与本发明相同或类似技术均没有超出本发明保护的范围。
结合附图。
参见图1，是本发明实施例的一种全景视频结构化方法的流程示意图，本发明实施例可以应用于各类全景采集设备，包括单鱼眼全景摄像机，双鱼眼全景摄像机，多鱼眼全景摄像机等全景图像采集设备中，具体的方法包括：
S1：采用全景图像采集设备，包括通过单鱼眼全景摄像机、双鱼眼全景摄像机、多鱼眼全景摄像机等全景图像采集设备获得的视频流，进行全景图像获取，获取方式可以通过设备内部的内存访问，也可以通过防火存储设备中已经存储好的全景数据；
进一步的也可以通过无线数据传输，有限数据传输等方式从设备中获取数据，该全景数据可以是原始的鱼眼图像数据，也可以是设备内部进行过拼接处理的全景图像。
S2：对于全景图像数据，包括鱼眼数据，或者拼接后按照地球仪投影方式得到的2:1的画面数据，因为其可能存在畸变，所以不能够直接用传统的算法模型进行搜索，需要针对该输入源进行图像训练，一种图像训练方法见图2；
S21：考虑兴趣目标可能出现在视野中所有的位置，而不同的位置的图像畸变效果不同，因此需要采集兴趣目标，如人、车等，位于不同视角处的画面；
S22：通过人工的方式标定位于不同视角的兴趣目标，生成图片标签；
S23：采用原始的带畸变的图像数据作为输入，训练得到针对畸变图像的算法模型；
S3：为了最大程度的提高算法的运算效率，先采用训练后的针对畸变图像有效的模型进行全局搜索扫描，框定兴趣目标出现的区域，一种实现方法如图3：
S31：对于超过一个以上的鱼眼采集模块组成的全景采集设备，需要针对每一个鱼眼图像进行全局的搜索；
S32：对于超过一个以上的鱼眼采集模块组成的全景采集设备，需要考虑目标区域在不同鱼眼画面都同时出现的情况，一种方案是直接比较目标在不同鱼眼出现画面的大小，直接采用出现画面最大的区域作为输入源；对于目标区域横跨多个鱼眼画面(一个鱼眼画面只能显示目标的局部信息，两个或者两个以上鱼眼画面才能够把目标画面显示完全)，则将不同鱼眼画面的坐标都标记出来；
S33：采用矩形框的形式，id，x,y,width,height；其中ID表示鱼眼镜头的编号，x，y为矩形的左上角的坐标，width和height分别对应矩形框的长和宽，将目标区域标记出来；
如果目标区域横跨多个鱼眼画面，则矩形框有多个；
S4：利用矩形框信息，将兴趣画面截取出来；
S5：畸变矫正，将兴趣画面进行畸变矫正，一种方法如图4：
S51：对于全景设备，其在出厂之前已经对镜头进行过标定，并建立了从原始的鱼眼画面到拼接矫正后的画面之间的坐标映射矩阵，将S4中提取出来的矩形框坐标按照坐标映射矩阵进行仿射变换获取拼接矫正后的坐标范围；
S52：仿射变换之后的坐标范围可能会变成非矩阵类型，例如菱形范围，需要对变换后坐标范围进行矩阵化，一种方法是直接获取外接该范围的最小矩形框；
S53：S3中获取的可能是多个具有重叠的矩阵区域，需要对重叠区域进行进一步的处理，一种方法是将所有的矩阵仿射变换之后，如果存在重叠，则将取这些区域的并集，并获取改并集的最小外接矩形框；
S54：直接利用全景画面的标定矩阵，利用S53获取到的矩形框，直接在拼接矫正后的画面中截取画面，获取畸变矫正后的画面；
S6：利用传统的视频结构化算法，对已经畸变矫正后的画面进行进一步的结构化分析，获取视频结构结构化数据。
本实施例只是本发明的一种实施例，并不是全部实施例。例如对于已经对画面进行拼接了的全景设备，则其全局扫描的算法模型就不是鱼眼画面训练的模型。

Claims (5)

1.全景视频结构化方法，其特征在于包括以下步骤：
S1：获取全景数据，包括全景视频数据、全景图像数据；
S2：对于全景数据进行图像训练，包括：S21根据兴趣目标可能出现在视野中的位置，考虑不同位置的图像畸变效果不同，采集兴趣目标位于不同视角处的画面；S22通过人工的方式标定位于不同视角的兴趣目标，生成图片标签；S23采用原始的带畸变的图像数据作为输入，训练得到针对畸变图像的算法模型；
S3：采用训练后针对畸变图像有效的模型进行全局搜索扫描，框定兴趣目标出现的区域；
S4：利用矩形框信息，将兴趣画面截取出来；
S5：畸变矫正，将兴趣画面进行畸变矫正；
S6：利用传统的视频结构化算法，对已经畸变矫正后的画面进行进一步的结构化分析，获取全景视频结构结构化数据。
2.根据权利要求1所述的全景视频结构化方法，其特征在于：所述获取全景数据包括：
通过全景采集设备，全景采集设备包括单鱼眼全景摄像机、双鱼眼全景摄像机、或多鱼眼全景摄像机获取全景数据；
通过设备内部的内存或存储设备中已经存储好的全景数据访问获取全景数据；
通过无线数据传输、有限数据传输获取全景数据。
3.根据权利要求1或2所述的全景视频结构化方法，其特征在于：所述全景数据是原始的通过鱼眼镜头获取的全景数据、或对全景数据进行过拼接处理的图像全景数据；其中，拼接后按照地球仪投影方式得到的2:1的画面数据。
4.根据权利要求3所述的全景视频结构化方法，其特征在于：所述步骤S3包括以下方法；
S31、对于一个以上的全景设备采集模块获取的全景数据，针对每一个全景数据图像进行全局的搜索；
S32、对于一个以上的全景设备采集模块组成的全景采集设备，考虑目标区域在不同全景设备采集模块获取的全景数据画面同时出现的情况，采用比较目标在不同画面的大小，确定出现画面最大的区域作为输入源；对于目标区域横跨多个全景数据画面，将不同全景数据画面的坐标均标记出来；
S33、采用矩形框的形式，id，x,y,width,height；其中ID表示全景数据画面的编号，x，y为矩形的左上角的坐标，width和height分别对应矩形框的长和宽，将目标区域标记出来；目标区域横跨多个全景数据画面，则矩形框有多个。
5.根据权利要求4所述的全景视频结构化方法，其特征在于：所述步骤S5包括以下方法；
S51、对于全景设备，其在出厂之前经对镜头进行过标定，并建立了从原始的全景数据画面到拼接矫正后的画面之间的坐标映射矩阵，将S4中提取出来的矩形框坐标按照坐标映射矩阵进行仿射变换获取拼接矫正后的坐标范围；
S52、在仿射变换之后的坐标范围变成非矩阵类型时，则需要对变换后坐标范围进行矩阵化，方法是直接获取外接该范围的最小矩形框；
S53、在S3中获取的是多个具有重叠的矩阵区域时，需要对重叠区域进行进一步的处理，方法是将所有的矩阵仿射变换之后，如果存在重叠，则将取这些区域的并集，并获取改并集的最小外接矩形框；
S54、直接利用全景画面的标定矩阵，利用S53获取到的矩形框，直接在拼接矫正后的画面中截取画面，获取畸变矫正后的画面。
CN202010473307.9A 2020-05-29 2020-05-29 全景视频结构化方法 Active CN111669547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010473307.9A CN111669547B (zh) 2020-05-29 2020-05-29 全景视频结构化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010473307.9A CN111669547B (zh) 2020-05-29 2020-05-29 全景视频结构化方法

Publications (2)

Publication Number Publication Date
CN111669547A true CN111669547A (zh) 2020-09-15
CN111669547B CN111669547B (zh) 2022-03-11

Family

ID=72385041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010473307.9A Active CN111669547B (zh) 2020-05-29 2020-05-29 全景视频结构化方法

Country Status (1)

Country Link
CN (1) CN111669547B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112437286A (zh) * 2020-11-23 2021-03-02 成都易瞳科技有限公司 一种全景原始画面视频分块传输方法
CN113076881A (zh) * 2021-04-07 2021-07-06 兴体(广州)智能科技有限公司 运动人体跟踪摄像方法及摄像系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040233274A1 (en) * 2000-07-07 2004-11-25 Microsoft Corporation Panoramic video
WO2008107925A1 (en) * 2007-03-02 2008-09-12 Emanuele Menegatti Panoramic tracking camera
US20120075414A1 (en) * 2006-11-16 2012-03-29 Park Michael C Distributed Video Sensor Panoramic Imaging System
WO2014106303A1 (en) * 2013-01-07 2014-07-10 Tamaggo Inc. Panoramic lens calibration for panoramic image and/or video capture apparatus
US8798451B1 (en) * 2013-06-15 2014-08-05 Gyeongil Kweon Methods of obtaining panoramic images using rotationally symmetric wide-angle lenses and devices thereof
CN106127680A (zh) * 2016-06-29 2016-11-16 深圳市优象计算技术有限公司 一种720度全景视频快速浏览方法
CN206481397U (zh) * 2016-12-23 2017-09-08 北京汉邦高科数字技术股份有限公司 一种万向调节的双目全景摄像机
CN107424120A (zh) * 2017-04-12 2017-12-01 湖南源信光电科技股份有限公司 一种全景环视系统中的图像拼接方法
CN207737201U (zh) * 2018-01-24 2018-08-17 无锡精科汽车配件有限公司 客车全景环视系统
CN109982047A (zh) * 2019-04-04 2019-07-05 郑州和光电子科技有限公司 一种飞行监控全景融合显示的方法
KR20190136992A (ko) * 2018-05-31 2019-12-10 한국전자통신연구원 영상 처리 방법 및 이를 이용한 영상 재생 장치

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040233274A1 (en) * 2000-07-07 2004-11-25 Microsoft Corporation Panoramic video
US20120075414A1 (en) * 2006-11-16 2012-03-29 Park Michael C Distributed Video Sensor Panoramic Imaging System
WO2008107925A1 (en) * 2007-03-02 2008-09-12 Emanuele Menegatti Panoramic tracking camera
WO2014106303A1 (en) * 2013-01-07 2014-07-10 Tamaggo Inc. Panoramic lens calibration for panoramic image and/or video capture apparatus
US8798451B1 (en) * 2013-06-15 2014-08-05 Gyeongil Kweon Methods of obtaining panoramic images using rotationally symmetric wide-angle lenses and devices thereof
CN106127680A (zh) * 2016-06-29 2016-11-16 深圳市优象计算技术有限公司 一种720度全景视频快速浏览方法
CN206481397U (zh) * 2016-12-23 2017-09-08 北京汉邦高科数字技术股份有限公司 一种万向调节的双目全景摄像机
CN107424120A (zh) * 2017-04-12 2017-12-01 湖南源信光电科技股份有限公司 一种全景环视系统中的图像拼接方法
CN207737201U (zh) * 2018-01-24 2018-08-17 无锡精科汽车配件有限公司 客车全景环视系统
KR20190136992A (ko) * 2018-05-31 2019-12-10 한국전자통신연구원 영상 처리 방법 및 이를 이용한 영상 재생 장치
CN109982047A (zh) * 2019-04-04 2019-07-05 郑州和光电子科技有限公司 一种飞行监控全景融合显示的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NOAH SNAVELY: "Scene Reconstruction and Visualization From Community Photo Collections", 《PROCEEDINGS OF THE IEEE》 *
贺波涛: "全景视频生成及目标对象检索关键技术研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112437286A (zh) * 2020-11-23 2021-03-02 成都易瞳科技有限公司 一种全景原始画面视频分块传输方法
CN112437286B (zh) * 2020-11-23 2024-04-26 成都易瞳科技有限公司 一种全景原始画面视频分块传输方法
CN113076881A (zh) * 2021-04-07 2021-07-06 兴体(广州)智能科技有限公司 运动人体跟踪摄像方法及摄像系统

Also Published As

Publication number Publication date
CN111669547B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN110009561B (zh) 一种监控视频目标映射到三维地理场景模型的方法及系统
US8248474B2 (en) Surveillance system and surveilling method
JP4243767B2 (ja) 魚眼レンズカメラ装置及びその画像抽出方法
CN110660023A (zh) 一种基于图像语义分割的视频拼接方法
CN109685078B (zh) 基于自动标注的红外图像识别方法
TW202013252A (zh) 車牌辨識系統與方法
CN111669547B (zh) 全景视频结构化方法
WO2021139197A1 (zh) 一种图像处理方法及装置
CN111723801B (zh) 鱼眼相机图片中目标检测矫正的方法与系统
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
CN104392416A (zh) 一种运动场景的视频拼接方法
CN113052170B (zh) 一种无约束场景下的小目标车牌识别方法
TW201839716A (zh) 環景影像的拼接方法及其系統
CN116760937B (zh) 一种基于多机位的视频拼接方法、装置、设备及存储介质
CN112037128B (zh) 一种全景视频拼接方法
WO2020259444A1 (zh) 一种图像处理方法及相关设备
US11044399B2 (en) Video surveillance system
CN111681271A (zh) 一种多通道多光谱相机配准方法、系统及介质
CN112738425A (zh) 一种多摄像头采集的视频实时拼接系统
CN112860946B (zh) 一种视频图像信息转换为地理信息的方法及系统
CN105791655A (zh) 一种计算摄像模组的镜头畸变的方法
CN115097836A (zh) 基于图像配准的输电线路巡检方法、系统和存储介质
CN111177449B (zh) 基于图片的多维信息整合方法及相关设备
CN114550077A (zh) 基于全景图像的人流量统计方法及系统
Jagadeeswari et al. A comparative study based on video stitching methods

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