CN112037128B - 一种全景视频拼接方法 - Google Patents

一种全景视频拼接方法 Download PDF

Info

Publication number
CN112037128B
CN112037128B CN202010848897.9A CN202010848897A CN112037128B CN 112037128 B CN112037128 B CN 112037128B CN 202010848897 A CN202010848897 A CN 202010848897A CN 112037128 B CN112037128 B CN 112037128B
Authority
CN
China
Prior art keywords
image
scaling
mapping matrix
panoramic video
stitching method
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.)
Active
Application number
CN202010848897.9A
Other languages
English (en)
Other versions
CN112037128A (zh
Inventor
黄龙浩
邓巧
李华超
刘华亭
曲明
姚玉良
李娜
李春林
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.)
TIANJIN PORT ALLIANCE INTERNATIONAL CONTAINER TERMINAL CO Ltd
Suzhou Ju Neng Image Inspection Technology Co ltd
Original Assignee
TIANJIN PORT ALLIANCE INTERNATIONAL CONTAINER TERMINAL CO Ltd
Suzhou Ju Neng Image Inspection Technology 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 TIANJIN PORT ALLIANCE INTERNATIONAL CONTAINER TERMINAL CO Ltd, Suzhou Ju Neng Image Inspection Technology Co ltd filed Critical TIANJIN PORT ALLIANCE INTERNATIONAL CONTAINER TERMINAL CO Ltd
Priority to CN202010848897.9A priority Critical patent/CN112037128B/zh
Publication of CN112037128A publication Critical patent/CN112037128A/zh
Application granted granted Critical
Publication of CN112037128B publication Critical patent/CN112037128B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • 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
    • H04N5/2624—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 for obtaining an image which is composed of whole input images, e.g. splitscreen
    • 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
    • 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)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种全景视频拼接方法，读取监控摄像机内的视频数据，并进行单帧截图，在使能cuda加速的opencv库下运行全景视频拼接方法，对图像处理得到。通过上述方式，本发明采用简化的拼接算法模型，在针对码头等大场景下的视频拼接任务中有着较好的性能，在满足大视场要求的情况下能够更加直观地给出整个场景的全貌，并且同时也能够呈现出具体的细节，有利于后续的异常入侵检测。

Description

一种全景视频拼接方法
技术领域
本发明涉及智能监控技术领域，特别是涉及一种全景视频拼接方法。
背景技术
对于类似于码头现场的大场景下监控的需求来说，现有的方法，比如单摄像头监控无法满足高精度和大视场情况的应用需求，而多个摄像头场景的简单拼接则会造成混乱，不够直观，并且不利于后续目标的检测与处理。传统的基于点匹配的视觉静态拼接方法对于处理大视差场景下的效果不佳，并且基于网络优化的拼接则在实时性上无法满足需求。
发明内容
本发明主要解决的技术问题是提供一种全景视频拼接方法，应用效果好。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种全景视频拼接方法，包括步骤为：
（1）读取设置在监控场景中监控摄像机内的视频数据，并确定监控摄像机的摄像头的内参和外参；
（2）对所述视频数据进行单帧截图，并对截图的待拼接部分进行划分，对网格进行标记，进行透射矫正映射矩阵的生成；
（3）将步骤（2）得到的摄像头的内参和外参代入initUndistortRectifyMap函数中计算出畸变变换的映射矩阵，再得到缩放映射矩阵，利用递归的方法将透射矫正映射矩阵、畸变变换的映射矩阵、缩放映射矩阵合并为一个综合映射矩阵，x轴方向上命名为x_map_dst,y轴方向上命名为y_map_dst；
（4）在videowriter上设置文件流，进行视频数据的处理，循环调用摄像头，读取每一个摄像头的视频数据，并存入mat型数组中；
（5）将每个摄像头的上传至gpumat，并使用remap函数，使用步骤（3）得到的x_map_dst与y_map_dst对图像做单应性变换，调用cuda模块对remap进行加速，并下载到内存中，在循环过程同时使用openmp进行多线程的操作，以加快计算；
（6）在每一个监控摄像机的图像预处理完成后，分别设置针对于集装箱检测区域的范围；
（7）将集装箱检测区域的图像进行处理，调用集装箱检测函数，找到所有的集装箱所在的位置和大小；
（8）在主函数中设置每一个箱子的缩放比率，若某一个集装箱检测区域检测到了集装箱，则调用resize函数，将得到的集装箱按缩放比率进行缩放，并覆盖原图；
（9）在完成每一个集装箱检测区域的缩放处理后，将所有图像按照监控摄像机的相对位置进行拼接；
（10）对拼接完成的图像进行缝合线优化处理；
（11）将得到的单帧图像写入文件流中；
（12）循环完成每一帧图像的处理。
在本发明一个较佳实施例中，步骤（1）中所述监控摄像机为多个，多个所述监控摄像机的视野覆盖范围是有重叠的，且包含所有的监控区域。
在本发明一个较佳实施例中，步骤（1）中还包括基于opencv的标定板标定方法对监控摄像机进行标定矫正。
在本发明一个较佳实施例中，步骤（1）中摄像头的内参和外参是通过图像矫正工具得到的；步骤（2）中透射矫正映射矩阵的生成是通过图像矫正工具得到的。
在本发明一个较佳实施例中，步骤（2）中使用imglab工具对截图的待拼接部分进行划分。
在本发明一个较佳实施例中，所述全景视频拼接方法是在使能cuda加速的opencv库下运行。
在本发明一个较佳实施例中，步骤（3）中所述缩放映射矩阵是设置Roi和缩放参数，其中Roi是每一个监控摄像机有用的视野部分，要求每一个监控摄像机拼接区域能够相邻并紧密连接，缩放参数是指使图像经过畸变与透射变换后其大小不一致的情况下，额外引入缩放参数ratio_x、ratio_y，每个摄像头拍摄同一个物体时所呈现的大小能够一致，根据缩放参数来计算缩放映射矩阵：x_map_resize(i,j)=j/ratio_x,y_map_resize(i,j)=i/ratio_y。
在本发明一个较佳实施例中，步骤（4）中所述设置文件流是指设置视频的分辨率、格式、帧率、路径和文件名。
在本发明一个较佳实施例中，步骤（7）中所述集装箱所在的位置和大小确定的步骤为：
（a）对采集到的图像利用指针进行逐像素处理，将地面的灰色和褐色所在区域的RGB值全置为0；
（b）对图像进行开操作和腐蚀操作，并使用高斯滤波器消除噪点；
（c）对图像调用canny算法检测边缘；
（d）对得到的边缘调用findContour函数进行轮廓检测，将每一个得到的轮廓存入vector型数组中；
（e）对每一个轮廓进行检测，调用 approxPolyDP函数进行多边形拟合，并将结果为矩形的轮廓保存下来；
（f）对矩形轮廓进行面积判断，如果大于一个设定好的值，则认为检测出了矩形框，将该轮廓中所有的点存入最终结果数组中；
（g）对每一个轮廓检测完成后，调用boundingRect函数得到一个包含所有集装箱的区域，并将坐标和大小返回主函数。
在本发明一个较佳实施例中，步骤（10）中对拼接完成的图像进行缝合线优化处理是在相邻两张图像的重合区域，按照距离各自图像边缘的远近来分配两张图像的对应位置的像素的混合比率，距离边缘越近，则像素的混合比率越低。
本发明的有益效果是：本发明的全景视频拼接方法，采用简化的拼接算法模型，在针对码头等大场景下的视频拼接任务中有着较好的性能，在满足大视场要求的情况下能够更加直观地给出整个场景的全貌，并且同时也能够呈现出具体的细节，有利于后续的异常入侵检测。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
提供一种全景视频拼接方法，包括步骤为：
一、前期准备：
（1）在监控场景中，如码头等大场景下设置监控摄像机，一般是安装在吊具周围的，所述监控摄像机为多个，多个所述监控摄像机的视野覆盖范围是有重叠的，且包含所有的监控区域，在本实施例中，所述监控摄像机是十个，同时也需要知道所有监控摄像机相对于吊具的相对位置。
（2）基于opencv的标定板标定方法对监控摄像机进行标定矫正，此方法需要用到一块黑白棋盘格标定卡，多个监控摄像机中同一型号监控摄像机选取一个作为待矫正监控摄像机，对棋盘格进行多角度采样后再根据得到的数据进行分析，使用图像矫正工具得到摄像头的内参与外参。
（3）从监控摄像机中读取视频数据，对采集到的视频数据进行单帧截图，并对每一个监控摄像机得到的截图进行单独分析：使用imglab工具对截图的待拼接部分进行划分，并对网格进行标记，以便于后续的透射矫正。
（4）使用图像校正工具进行透射矫正映射矩阵的生成，结果模型保存在后缀为.dat的文件中。
二、具体运行：
（1）搭建所述全景视频拼接方法的运行环境：配置算法库，在使能cuda加速的opencv库下运行，在本实施例中，使用的是cuda10和opencv4.3。
（2）将摄像头的内参和外参代入initUndistortRectifyMap函数中计算出畸变变换的映射矩阵。
（3）设置Roi和缩放参数，其中Roi是每一个监控摄像机有用的视野部分，要求每一个监控摄像机拼接区域能够相邻并紧密连接，缩放参数是指使图像经过畸变与透射变换后其大小不一致的情况下，额外引入缩放参数ratio_x、ratio_y，每个摄像头拍摄同一个物体时所呈现的大小能够一致，根据缩放参数来计算缩放映射矩阵：x_map_resize(i,j)=j/ratio_x,y_map_resize(i,j)=i/ratio_y。
（4）利用递归的方法将透射矫正映射矩阵、畸变变换的映射矩阵、缩放映射矩阵合并为一个综合映射矩阵，x轴方向上命名为x_map_dst,y轴方向上命名为y_map_dst。这两个x_map_dst, y_map_dst矩阵中分别存储了结果图中每一个点对应于原图中的点的横坐标与纵坐标。
（5）打开videowriter，设置文件流，准备进行视频数据的处理。设置文件流是指设置视频的分辨率、格式、帧率、路径以及文件名。
（6）循环调用摄像头，读取每一个摄像头的视频数据，并存入mat型数组中。
（7）将每个摄像头的图像上传至gpumat，并使用remap函数，使用之前得到的x_map_dst与y_map_dst对图像做单应性变换。调用cuda模块对remap进行加速，并下载到内存中，在循环过程同时使用openmp进行多线程的操作，以加快计算。
（8）在每一个监控摄像机的图像预处理完成后，分别设置针对于集装箱检测区域的范围。
（9）将集装箱检测区域的图像进行处理，调用集装箱检测函数，找到所有的集装箱所在的位置和大小：
（a）对采集到的图像利用指针进行逐像素处理，将地面的灰色和褐色所在区域的RGB值全置为0；
（b）对图像进行开操作和腐蚀操作，并使用高斯滤波器消除噪点；
（c）对图像调用canny算法检测边缘；
（d）对得到的边缘调用findContour函数进行轮廓检测，将每一个得到的轮廓存入vector型数组中；
（e）对每一个轮廓进行检测，调用 approxPolyDP函数进行多边形拟合，并将结果为矩形的轮廓保存下来；
（f）对矩形轮廓进行面积判断，如果大于一个设定好的值，比如集装箱面积的一半，则认为检测出了矩形框，将该轮廓中所有的点存入最终结果数组中；
（g）对每一个轮廓检测完成后，调用boundingRect函数得到一个包含所有集装箱的区域，并将坐标和大小返回主函数。
（10）在主函数中设置每一个箱子的缩放比率。这一步是为了消除由于不同位置拍摄集装箱所带来的视差。
（11）若某一个集装箱检测区域检测到了集装箱，则调用resize函数，将得到的集装箱按照之前设置的参数进行缩放，并覆盖原图。
（12）在完成每一个集装箱检测区域的缩放处理后，将所有图像按照摄像机的相对位置进行拼接，每个摄像机所取的拼接区域为之前所设置的Roi区域。
（13）对拼接完成的图像进行缝合线优化处理：在相邻两张图像的重合区域，按照距离各自图像边缘的远近来分配两张图像的对应位置的像素的混合比率，距离边缘越近，则该像素的混合比率越低。
（14）将得到的单帧图像写入文件流中。
（15）循环完成每一帧图像的处理。
本发明的有益效果是：
一、所述全景视频拼接方法采用简化的拼接算法模型，在针对码头等大场景下的视频拼接任务中有着较好的性能；
二、所述全景视频拼接方法在满足大视场要求的情况下能够更加直观地给出整个场景的全貌，并且同时也能够呈现出具体的细节，有利于后续的异常入侵检测。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种全景视频拼接方法，其特征在于，包括步骤为：
（1）读取设置在监控场景中监控摄像机内的视频数据，并确定监控摄像机的摄像头的内参和外参；
（2）对所述视频数据进行单帧截图，并对截图的待拼接部分进行划分，对网格进行标记，进行透射矫正映射矩阵的生成；
（3）将步骤（2）得到的摄像头的内参和外参代入initUndistortRectifyMap函数中计算出畸变变换的映射矩阵，再得到缩放映射矩阵，利用递归的方法将透射矫正映射矩阵、畸变变换的映射矩阵、缩放映射矩阵合并为一个综合映射矩阵，x轴方向上命名为x_map_dst,y轴方向上命名为y_map_dst；
（4）在videowriter上设置文件流，进行视频数据的处理，循环调用摄像头，读取每一个摄像头的视频数据，并存入mat型数组中；
（5）将每个摄像头的图像上传至gpumat，并使用remap函数，使用步骤（3）得到的x_map_dst与y_map_dst对图像做单应性变换，调用cuda模块对remap进行加速，并下载到内存中，在循环过程同时使用openmp进行多线程的操作，以加快计算；
（6）在每一个监控摄像机的图像预处理完成后，分别设置针对于集装箱检测区域的范围；
（7）将集装箱检测区域的图像进行处理，调用集装箱检测函数，找到所有的集装箱所在的位置和大小；
（8）在主函数中设置每一个箱子的缩放比率，若某一个集装箱检测区域检测到了集装箱，则调用resize函数，将得到的集装箱按缩放比率进行缩放，并覆盖原图；
（9）在完成每一个集装箱检测区域的缩放处理后，将所有图像按照监控摄像机的相对位置进行拼接；
（10）对拼接完成的图像进行缝合线优化处理；
（11）将得到的图像写入文件流中；
（12）循环完成每一帧图像的处理。
2.根据权利要求1所述的全景视频拼接方法，其特征在于，步骤（1）中所述监控摄像机为多个，多个所述监控摄像机的视野覆盖范围是有重叠的，且包含所有的监控区域。
3.根据权利要求1所述的全景视频拼接方法，其特征在于，步骤（1）中还包括基于opencv的标定板标定方法对监控摄像机进行标定矫正。
4.根据权利要求1所述的全景视频拼接方法，其特征在于，步骤（1）中摄像头的内参和外参是通过图像矫正工具得到的；步骤（2）中透射矫正映射矩阵的生成是通过图像矫正工具得到的。
5.根据权利要求1所述的全景视频拼接方法，其特征在于，步骤（2）中使用imglab工具对截图的待拼接部分进行划分。
6.根据权利要求1所述的全景视频拼接方法，其特征在于，所述全景视频拼接方法是在使能cuda加速的opencv库下运行。
7.根据权利要求1所述的全景视频拼接方法，其特征在于，步骤（3）中所述缩放映射矩阵是设置Roi和缩放参数，其中Roi是每一个监控摄像机有用的视野部分，要求每一个监控摄像机拼接区域能够相邻并紧密连接，缩放参数是指使图像经过畸变与透射变换后其大小不一致的情况下，额外引入缩放参数ratio_x、ratio_y，每个摄像头拍摄同一个物体时所呈现的大小能够一致，根据缩放参数来计算缩放映射矩阵：x_map_resize(i,j)=j/ratio_x,y_map_resize(i,j)=i/ratio_y。
8.根据权利要求1所述的全景视频拼接方法，其特征在于，步骤（4）中所述设置文件流是指设置视频的分辨率、格式、帧率、路径和文件名。
9.根据权利要求1所述的全景视频拼接方法，其特征在于，步骤（7）中所述集装箱所在的位置和大小确定的步骤为：
（a）对采集到的图像利用指针进行逐像素处理，将地面的灰色和褐色所在区域的RGB值全置为0；
（b）对图像进行开操作和腐蚀操作，并使用高斯滤波器消除噪点；
（c）对图像调用canny算法检测边缘；
（d）对得到的边缘调用findContour函数进行轮廓检测，将每一个得到的轮廓存入vector型数组中；
（e）对每一个轮廓进行检测，调用 approxPolyDP函数进行多边形拟合，并将结果为矩形的轮廓保存下来；
（f）对矩形轮廓进行面积判断，如果大于一个设定好的值，则认为检测出了矩形框，将该轮廓中所有的点存入最终结果数组中；
（g）对每一个轮廓检测完成后，调用boundingRect函数得到一个包含所有集装箱的区域，并将坐标和大小返回主函数。
10.根据权利要求1所述的全景视频拼接方法，其特征在于，步骤（10）中对拼接完成的图像进行缝合线优化处理是在相邻两张图像的重合区域，按照距离各自图像边缘的远近来分配两张图像的对应位置的像素的混合比率，距离边缘越近，则像素的混合比率越低。
CN202010848897.9A 2020-08-21 2020-08-21 一种全景视频拼接方法 Active CN112037128B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010848897.9A CN112037128B (zh) 2020-08-21 2020-08-21 一种全景视频拼接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010848897.9A CN112037128B (zh) 2020-08-21 2020-08-21 一种全景视频拼接方法

Publications (2)

Publication Number Publication Date
CN112037128A CN112037128A (zh) 2020-12-04
CN112037128B true CN112037128B (zh) 2023-11-03

Family

ID=73580367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010848897.9A Active CN112037128B (zh) 2020-08-21 2020-08-21 一种全景视频拼接方法

Country Status (1)

Country Link
CN (1) CN112037128B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487672B (zh) * 2021-06-17 2024-02-20 北京控制工程研究所 一种复杂场景下行为关联的对象特征提取方法
CN117437122B (zh) * 2023-12-21 2024-03-29 宁波港信息通信有限公司 一种集装箱全景图像的拼接方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102859535A (zh) * 2010-04-20 2013-01-02 高通股份有限公司 从预先计算的尺度空间产生Daisy描述符
WO2014062481A1 (en) * 2012-10-19 2014-04-24 Qualcomm Incorporated Multi-camera system using folded optics
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
US10084959B1 (en) * 2015-06-25 2018-09-25 Amazon Technologies, Inc. Color adjustment of stitched panoramic video
CN109040701A (zh) * 2018-09-10 2018-12-18 合肥巨清信息科技有限公司 一种基于大场景多gpu模式的视频拼接方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8294748B2 (en) * 2009-12-11 2012-10-23 DigitalOptics Corporation Europe Limited Panorama imaging using a blending map
US9383550B2 (en) * 2014-04-04 2016-07-05 Qualcomm Incorporated Auto-focus in low-profile folded optics multi-camera system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102859535A (zh) * 2010-04-20 2013-01-02 高通股份有限公司 从预先计算的尺度空间产生Daisy描述符
WO2014062481A1 (en) * 2012-10-19 2014-04-24 Qualcomm Incorporated Multi-camera system using folded optics
US10084959B1 (en) * 2015-06-25 2018-09-25 Amazon Technologies, Inc. Color adjustment of stitched panoramic video
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
CN109040701A (zh) * 2018-09-10 2018-12-18 合肥巨清信息科技有限公司 一种基于大场景多gpu模式的视频拼接方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
全景系统中大视场摄像机径向畸变校正算法研究;郑佳;李学鹏;;光学与光电技术(03);全文 *
基于SURF的序列图像快速拼接方法;杨云涛;冯莹;曹毓;陈运锦;;计算机技术与发展(03);全文 *

Also Published As

Publication number Publication date
CN112037128A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
CN111145238B (zh) 单目内窥镜图像的三维重建方法、装置及终端设备
CN103517041B (zh) 基于多相机旋转扫描的实时全景监控方法和装置
CN112037128B (zh) 一种全景视频拼接方法
CN106447602A (zh) 一种图像拼接方法及装置
CN113301274B (zh) 一种船舶实时视频全景拼接方法及系统
WO2021184302A1 (zh) 图像处理方法、装置、成像设备、可移动载体及存储介质
US11403742B2 (en) Image processing device, image processing method, and recording medium for generating bird's eye synthetic image
CN111815517B (zh) 一种基于球机抓拍图片的自适应全景拼接方法
CN111461989A (zh) 车载图像像素调整方法、装置、设备及可读存储介质
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
CN110634138A (zh) 一种基于视觉感知的桥梁变形的监测方法、装置及设备
CN115239820A (zh) 一种分体式飞行车辆鸟瞰图实时拼接及车位检测方法
CN113160048A (zh) 一种缝合线引导的图像拼接方法
CN111243034A (zh) 一种全景辅助泊车标定方法、装置、设备及存储介质
CN111105351B (zh) 一种视频序列影像拼接方法及装置
CN114331835A (zh) 一种基于最优映射矩阵的全景图像拼接方法及装置
CN111798374A (zh) 一种图像拼接方法、装置、设备及介质
CN110880159A (zh) 图像拼接方法、装置、存储介质及电子装置
CN116051652A (zh) 一种参数标定方法及电子设备、存储介质
CN112150355B (zh) 一种图像处理方法及相关设备
CN115567678A (zh) 一种高空抛物监测方法及其系统
CN110796596A (zh) 图像拼接方法、成像装置及全景成像系统
CN113065501A (zh) 苗线识别的方法、装置和农机
CN113065503A (zh) 基于单目摄像头的苗线识别方法、装置和农机
KR20160101762A (ko) 색상 정보를 활용한 자동 정합·파노라믹 영상 생성 장치 및 방법

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