CN112465705B - 基于两孔径旋转双棱镜的视场扩大系统及方法 - Google Patents
基于两孔径旋转双棱镜的视场扩大系统及方法 Download PDFInfo
- Publication number
- CN112465705B CN112465705B CN202011442070.4A CN202011442070A CN112465705B CN 112465705 B CN112465705 B CN 112465705B CN 202011442070 A CN202011442070 A CN 202011442070A CN 112465705 B CN112465705 B CN 112465705B
- Authority
- CN
- China
- Prior art keywords
- rotating
- node
- pyramid
- image
- calibration
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000000007 visual effect Effects 0.000 title description 7
- 238000003384 imaging method Methods 0.000 claims abstract description 41
- 238000012937 correction Methods 0.000 claims abstract description 33
- 230000004927 fusion Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- 230000003416 augmentation Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于两孔径旋转双棱镜的视场扩大方法,包括以下步骤:步骤S1:搭建基于两孔径旋转双棱镜的视场扩大系统;步骤S2:对单个旋转双棱镜成像系统进行多次相机预标定,并建立标定数据库;步骤S3:通过两孔径旋转双棱镜成像系统实时采集两路视频流;步骤S4:将采集的视频图像进行畸变校正;步骤S5:将畸变矫正后的视频图像拼接成一段视频图像流。本发明保证了对旋转双棱镜系统成像高质量畸变校正和拼接的同时,提升了校正和拼接的速度,达到了实时性,实现了大视场实时成像的目的。
Description
技术领域
本发明涉及成像与图像处理技术领域,具体涉及一种基于两孔径旋转双棱镜的视场扩大系统及方法。
背景技术
大视场图像/视频能给人带来视觉享受,也能够提供更好的空间信息,以便后续进行目标识别、目标追踪等。随着科学技术的不断进步,扩大视场技术正逐渐走向成熟,且越来越多地应用于安防监控、遥感测绘、无人驾驶等领域。
传统的获取大视场方法有使用普通广角镜头或鱼眼镜头,这种方法通常镜头的视角越大,视场扩大效果越明显,但镜头带来的畸变也越严重,成像质量得不到保证。还有一种是固定多个摄像头,采集多路视频,并利用视频拼接技术得到一路大视场的视频。这种方法稳定性较好、应用较广泛,但固定的成像传感器限制了装置的灵活性。典型的旋转双棱镜设备由一对共轴可独立旋转的楔形棱镜组成,其可以在一定角度内连续任意改变光束或视轴的指向,同时改变成像视场,且可以扩大单个摄像头的最大成像视场,基于这些特点,基于旋转双棱镜系统的扩大视场方法相比于传统的扩大视场方法有应用更灵活的优点。此外,增大棱镜顶角可以提升视场扩大效果,但也会使成像畸变更加显著。
目前一些研究人员对旋转双棱镜带来的畸变尝试了矫正。Lavigne等人于2007年根据空间折射模型分析得出了旋转双棱镜导致的成像畸变特性,并利用单映性变换的校正方法。该方法属于线性校正方法,计算量较少,校正速度快,但校正效果不够理想。周远等人于2015年通过建立双棱镜空间折射模型,利用逆光线追迹方法实现畸变校正,校正效果较好,但由于该校正方法是非线性的,因此在实际畸变校正过程中,运行速度较慢。
发明内容
有鉴于此,本发明的目的在于提供一种基于两孔径旋转双棱镜的视场扩大系统及方法,解决了对大顶角旋转双棱镜系统成像畸变校正还没有同时满足实时、高质量,以及拼接重影和实时性的问题。
为实现上述目的,本发明采用如下技术方案:
一种基于两孔径旋转双棱镜的视场扩大系统,包括两个完全相同的旋转双棱镜成像系统;所述第一旋转双棱镜成像系统和第二旋转双棱镜成像系统在一条水平线上且相距一定的距离;所述旋转双棱镜成像系统包括成像传感器和旋转双棱镜。
进一步的,所述旋转双棱镜是由两个型号相同且可共轴独立旋转的楔形棱镜构成,每个棱镜的顶角为14.85°,成像传感器的分辨率为640×480pixel,旋转双棱镜安装在成像传感器前面。
一种基于两孔径旋转双棱镜的视场扩大方法,包括以下步骤:
步骤S1:搭建基于两孔径旋转双棱镜的视场扩大系统;
步骤S2:单个旋转双棱镜成像系统进行多次相机预标定,并建立标定数据库;
步骤S3:通过两孔径旋转双棱镜成像系统实时采集两路视频流;
步骤S4:将采集两路视频图像进行畸变校正;
步骤S5:将畸变矫正后的视频图像拼接成一段视频图像流。
进一步的,所述步骤S2具体为:
步骤S21:采用相机标定的方法来对这两种畸变进行校正,非线性模型描述下:
步骤S22:将步骤S21中每次的标定结果数据导入到新建的数据库中,并以双棱镜的转动位置为索引头。
进一步的,所述步骤S4具体为:
步骤S41:在标定数据库中自主搜索到双棱镜相应转动位置的标定参数;
步骤S42:根据搜索到的标定数据建立查找表;
步骤S43:利用带有双线性插值的重投影算法将畸变像素点逐一映射到理想位置,以实现视频图像的畸变校正。
进一步的,所述步骤S5具体为:
步骤S51:对畸变矫正后的视频图像进行下采样;
步骤S52:利用SURF算法进行图像配准;
步骤S53:计算最佳缝合线并生成拼接掩膜;
步骤S54:对拼接掩膜进行上采样恢复到原尺度空间;
步骤S55:利用多分辨率融合算法对重叠区域重影问题进行融合。
进一步的,所述步骤S53具体为:采用的是最大流图割算法,它是以求得两棵不相交的搜索树S和T为目标,经过不断迭代求得最佳缝合线。
进一步的,所述最大流图割算法包括以下三个部分:
搜寻子结点:在搜索树边缘的激活结点搜寻到邻近的子结点,新的子结点成为激活结点,当激活结点未搜寻到子结点时,这个激活结点成为一个过去结点,当两颗搜索树的结点首次成为相邻结点时,则生成一条路径,进入下一步;
路径增广:利用Fulkerson和Ford的路径增广方法,将上一歩生成的路径变成饱和路径并得到孤儿结点;
路径采用:为孤儿结点分配一个父结点,如果这个父结点是搜索树的结点则孤儿结点称为搜索树的激活结点,如果父结点是自由结点则孤儿结点称为自由结点。
进一步的,所述步骤S55具体:先对待融合的两幅图像进行高斯卷积,并进行降采样以得到高斯金字塔,表示为:
式中:Gn为高斯金字塔,下标n是指金字塔层数,最底层图像G0为原图,G(x,y,σ)为高斯卷积函数,σ为尺度算子;
然后对高斯金字塔的相同层减去它的上一层的扩展得到拉普拉斯金字塔,将拉普拉斯金字塔的相同层进行加权平均合并,再对合并后的金字塔进行逆拉普拉斯变换得到最终的融合图像;其中金字塔变换表述为:
Ln=Gn-expand(Gn+1), (4)
式中:Ln表示的是拉普拉斯金字塔,expand是指扩展运算,拉普拉斯金字塔的顶层图像为高斯金字塔的顶层图像。
逆拉普拉斯变换表述为:
Sn=Rn+expand(Sn+1), (5)
式中:Rn为拉普拉斯金字塔的相同层加权平均合并后的金字塔,Sn为融合金字塔,Sn的顶层为Rn的顶层,Sn是从顶层向底层计算得到的,最后得到的最底层图像S0即为所求的融合图像。
进一步的,所述步骤S5中,对于畸变矫正后的视频图像,若是首帧,需经过步骤S51~S55。若是后续帧,只需经过S51和S55。
本发明与现有技术相比具有以下有益效果:
本发明解决了对大顶角旋转双棱镜系统成像畸变校正还没有同时满足实时、高质量,以及拼接重影和实时性的问题。在保证了对旋转双棱镜系统成像高质量畸变校正和拼接的同时,提升了校正和拼接的速度,达到了实时性,实现了大视场实时成像的目的。
附图说明
图1是本发明实施例提供的两孔径旋转双棱镜成像系统原理图。
图2是本发明实施例提供的实验装置图。
图3是本发明实施例提供的基于两孔径扩大视场方法流程图。
图4是本发明实施例提供的拍摄的原图。其中(a)为1号双棱镜位置为(90°,90°)拍摄的原图;(b)为2号双棱镜位置为(-30°,90°)拍摄的原图。
图5是本发明实施例提供的畸变校正后的图。其中(a)为1号双棱镜位置为(90°,90°)畸变校正后的图;(b)为2号双棱镜位置为(-30°,90°)畸变校正后的图。
图6是本发明实施例提供的拼接的结果图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种基于两孔径旋转双棱镜的视场扩大系统,包括两个完全相同的旋转双棱镜成像系统;利用光学平台确保这两个旋转双棱镜系统在一条水平线上且相距一定的距离。每个旋转双棱镜成像系统的结构主要包括成像传感器和旋转双棱镜。旋转双棱镜是由两个型号相同且可共轴独立旋转的楔形棱镜构成,每个棱镜的顶角为14.85°,成像传感器的分辨率为640×480pixel,旋转双棱镜精密的安装在成像传感器前面。旋转双棱镜可以做相对旋转和整体旋转。为了方便描述,定义双棱镜位置(θ1,θ2),θ1是指双棱镜整体转角,取值范围为-180°≤θ1≤180°,θ2是指双棱镜之间的相对转角,取值范围为0°≤θ2≤180°。
参考图3,本实施例还提供一种基于两孔径旋转双棱镜的视场扩大方法,包括以下步骤:
步骤S1:搭建基于两孔径旋转双棱镜的视场扩大系统;
步骤S2:对单个旋转双棱镜成像系统进行多次相机预标定,并建立标定数据库;
步骤S3:通过两孔径旋转双棱镜成像系统实时采集两路视频流;
步骤S4:将采集的两路视频图像进行畸变校正;
步骤S5:将畸变矫正后的视频图像拼接成一段视频图像流。
在本实施例中,所述步骤S2具体为:
步骤S21:采用相机标定的方法来对这两种畸变进行校正,非线性模型描述下:
式中:等号右边k1、k2为径向畸变参数,p1、p2为切向畸变参数,s1、s2为薄棱镜畸变参数;考虑到旋转双棱镜会改变光轴的指向,带来的畸变是动态变参数的,本文对径向畸变、切向畸变和薄棱镜畸变都进行计算。
步骤S22:将步骤S21中每次的标定结果数据导入到新建的数据库中,并以双棱镜的转动位置为索引头。
优选的,综合考虑到标定计算量及校正质量,设计一种多次相机标定为:每隔30°标定一次,整体有12次,相对有6次,共需要预先标定72次。
在本实施例中,将步骤1中每次的标定结果数据导入到新建的数据库中,并以双棱镜的转动位置为索引头,方便后续的数据搜寻。
在本实施例中,通过两孔径旋转双棱镜成像装置同时采集两路视频流。利用USB接口连接摄像头,并基于OpenCV软件编程,实现两路视频流的实时采集。
在本实施例中,所述步骤S4具体为:
步骤S41:在标定数据库中自主搜索到双棱镜相应转动位置的标定参数;
步骤S42:根据搜索到的标定数据建立查找表;
步骤S43:利用带有双线性插值的重投影算法将畸变像素点逐一映射到理想位置,以实现视频图像的畸变校正。
在本实施例中,实验测得每张图片校正耗时为10ms。矫正结果如图5所示。
在本实施例中,所述步骤S5具体为:
步骤S51:对畸变矫正后的视频图像进行下采样;
步骤S52:利用SURF算法进行图像配准;
步骤S53:计算最佳缝合线并生成拼接掩膜;
步骤S54:对拼接掩膜进行上采样恢复到原尺度空间;
步骤S55:利用多分辨率融合算法对重叠区域重影问题进行融合。
优选的,在本实施例中,步骤S53具体为:采用的是最大流图割算法,它是以求得两棵不相交的搜索树S和T为目标,经过不断迭代求得最佳缝合线。
优选的,在本实施例中,最大流图割算法包括以下三个部分:
搜寻子结点:在搜索树边缘的激活结点搜寻到邻近的子结点,新的子结点成为激活结点,当激活结点未搜寻到子结点时,这个激活结点成为一个过去结点,当两颗搜索树的结点首次成为相邻结点时,则生成一条路径,进入下一步;
路径增广:利用Fulkerson和Ford的路径增广方法,将上一歩生成的路径变成饱和路径并得到孤儿结点;
路径采用:为孤儿结点分配一个父结点,如果这个父结点是搜索树的结点则孤儿结点称为搜索树的激活结点,如果父结点是自由结点则孤儿结点称为自由结点。
在本实施例中,步骤S55具体:先对待融合的两幅图像进行高斯卷积,并进行降采样以得到高斯金字塔,表示为:
式中:Gn为高斯金字塔,下标n是指金字塔层数,最底层图像G0为原图,G(x,y,σ)为高斯卷积函数,σ为尺度算子;
然后对高斯金字塔的相同层减去它的上一层的扩展得到拉普拉斯金字塔,将拉普拉斯金字塔的相同层进行加权平均合并,再对合并后的金字塔进行逆拉普拉斯变换得到最终的融合图像;其中金字塔变换表述为:
Ln=Gn-expand(Gn+1), (4)
式中:Ln表示的是拉普拉斯金字塔,expand是指扩展运算,拉普拉斯金字塔的顶层图像为高斯金字塔的顶层图像。
逆拉普拉斯变换表述为:
Sn=Rn+expand(Sn+1), (5)
式中:Rn为拉普拉斯金字塔的相同层加权平均合并后的金字塔,Sn为融合金字塔,Sn的顶层为Rn的顶层,Sn是从顶层向底层计算得到的,最后得到的最底层图像S0即为所求的融合图像。
优选的,对于畸变矫正后的视频图像,若是首帧,需经过步骤S51~S55。若是后续帧,只需经过S51和S55。
在实施例中,实验测得视频畸变校正和拼接可以达到30帧/秒,拼接结果如图6所示。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (7)
1.一种基于两孔径旋转双棱镜的视场扩大方法,其特征在于,包括以下步骤:
步骤S1:搭建基于两孔径旋转双棱镜的视场扩大系统;
步骤S2:分别对单个旋转双棱镜成像系统进行多次相机预标定,并建立标定数据库;
步骤S3:通过两孔径旋转双棱镜成像系统实时采集两路视频流;
步骤S4:将采集的两路视频图像进行畸变校正;
步骤S5:将畸变矫正后的视频图像拼接成一段视频图像流;
所述步骤S2具体为:
步骤S21:采用相机标定的方法来对这两种畸变进行校正,非线性模型描述下:
步骤S22:将步骤S21中每次的标定结果数据导入到新建的数据库中,并以双棱镜的转动位置为索引头;
所述步骤S4具体为:
步骤S41:在标定数据库中自主搜索到双棱镜相应转动位置的标定参数;
步骤S42:根据搜索到的标定数据建立查找表;
步骤S43:利用带有双线性插值的重投影算法将畸变像素点逐一映射到理想位置,以实现视频图像的畸变校正;
所述步骤S5具体为:
步骤S51:对畸变矫正后的视频图像进行下采样;
步骤S52:利用SURF算法进行图像配准;
步骤S53:计算最佳缝合线并生成拼接掩膜;
步骤S54:对拼接掩膜进行上采样恢复到原尺度空间;
步骤S55:利用多分辨率融合算法对重叠区域重影问题进行融合。
2.根据权利要求1所述的基于两孔径旋转双棱镜的视场扩大方法,其特征在于,所述步骤S53具体为:采用的是最大流图割算法,它是以求得两棵不相交的搜索树S和T为目标,经过不断迭代求得最佳缝合线。
3.根据权利要求2所述的基于两孔径旋转双棱镜的视场扩大方法,其特征在于,所述最大流图割算法包括以下三个部分:
搜寻子结点:在搜索树边缘的激活结点搜寻到邻近的子结点,新的子结点成为激活结点,当激活结点未搜寻到子结点时,这个激活结点成为一个过去结点,当两棵搜索树的结点首次成为相邻结点时,则生成一条路径,进入下一步;
路径增广:利用Fulkerson和Ford的路径增广方法,将上一歩生成的路径变成饱和路径并得到孤儿结点;
路径采用:为孤儿结点分配一个父结点,如果这个父结点是搜索树的结点则孤儿结点称为搜索树的激活结点,如果父结点是自由结点则孤儿结点称为自由结点。
4.根据权利要求1所述的基于两孔径旋转双棱镜的视场扩大方法,其特征在于,所述步骤S55具体:先对待融合的两幅图像进行高斯卷积,并进行降采样以得到高斯金字塔,表示为:
式中:Gn为高斯金字塔,下标n是指金字塔层数,最底层图像G0为原图,G(x,y,σ)为高斯卷积函数,σ为尺度算子;
然后对高斯金字塔的相同层减去它的上一层的扩展得到拉普拉斯金字塔,将拉普拉斯金字塔的相同层进行加权平均合并,再对合并后的金字塔进行逆拉普拉斯变换得到最终的融合图像;其中金字塔变换表述为:
Ln=Gn-expand(Gn+1), (4)
式中:Ln表示的是拉普拉斯金字塔,expand是指扩展运算,拉普拉斯金字塔的顶层图像为高斯金字塔的顶层图像;
逆拉普拉斯变换表述为:
Sn=Rn+expand(Sn+1), (5)
式中:Rn为拉普拉斯金字塔的相同层加权平均合并后的金字塔,Sn为融合金字塔,Sn的顶层为Rn的顶层,Sn是从顶层向底层计算得到的,最后得到的最底层图像S0即为所求的融合图像。
5.根据权利要求1所述的基于两孔径旋转双棱镜的视场扩大方法,其特征在于,对于畸变矫正后的视频图像,若是首帧,需经过步骤S51~S55;若是后续帧,只需经过S51和S55。
6.根据权利要求1所述基于两孔径旋转双棱镜的视场扩大方法的系统,其特征在于,包括两个完全相同的旋转双棱镜成像系统;第一旋转双棱镜成像系统和第二旋转双棱镜成像系统在一条水平线上且相距一定的距离;所述旋转双棱镜成像系统包括成像传感器和旋转双棱镜。
7.根据权利要求6所述基于两孔径旋转双棱镜的视场扩大方法的系统,其特征在于,所述旋转双棱镜是由两个型号相同且可共轴独立旋转的楔形棱镜构成,每个棱镜的顶角为14.85°,成像传感器的分辨率为640×480pixel,旋转双棱镜安装在成像传感器前面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011442070.4A CN112465705B (zh) | 2020-12-08 | 2020-12-08 | 基于两孔径旋转双棱镜的视场扩大系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011442070.4A CN112465705B (zh) | 2020-12-08 | 2020-12-08 | 基于两孔径旋转双棱镜的视场扩大系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112465705A CN112465705A (zh) | 2021-03-09 |
CN112465705B true CN112465705B (zh) | 2022-08-19 |
Family
ID=74801801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011442070.4A Active CN112465705B (zh) | 2020-12-08 | 2020-12-08 | 基于两孔径旋转双棱镜的视场扩大系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465705B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113703490B (zh) * | 2021-08-30 | 2023-06-23 | 福州大学 | 一种基于粒子群算法的旋转双棱镜指向校正方法 |
CN113759543B (zh) * | 2021-09-18 | 2022-11-11 | 福州大学 | 一种基于旋转双棱镜成像系统实现灵活中央凹成像的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2566140A1 (fr) * | 1984-06-15 | 1985-12-20 | Onera (Off Nat Aerospatiale) | Dispositif d'analyse et de correction de surfaces d'onde en temps reel a interferometre a polarisation |
WO2019153651A1 (zh) * | 2018-02-06 | 2019-08-15 | 江苏宇特光电科技股份有限公司 | 基于双边滤波金字塔的三光图像智能融合方法 |
CN110855903A (zh) * | 2019-11-19 | 2020-02-28 | 长沙品先信息技术有限公司 | 一种多路视频实时拼接方法 |
CN111722408A (zh) * | 2020-07-31 | 2020-09-29 | 中国人民解放军国防科技大学 | 大角度偏转收发一体光纤准直器 |
-
2020
- 2020-12-08 CN CN202011442070.4A patent/CN112465705B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2566140A1 (fr) * | 1984-06-15 | 1985-12-20 | Onera (Off Nat Aerospatiale) | Dispositif d'analyse et de correction de surfaces d'onde en temps reel a interferometre a polarisation |
WO2019153651A1 (zh) * | 2018-02-06 | 2019-08-15 | 江苏宇特光电科技股份有限公司 | 基于双边滤波金字塔的三光图像智能融合方法 |
CN110855903A (zh) * | 2019-11-19 | 2020-02-28 | 长沙品先信息技术有限公司 | 一种多路视频实时拼接方法 |
CN111722408A (zh) * | 2020-07-31 | 2020-09-29 | 中国人民解放军国防科技大学 | 大角度偏转收发一体光纤准直器 |
Non-Patent Citations (2)
Title |
---|
旋转双棱镜引起的成像畸变及其校正;周远等;《光学学报》;20150910(第09期);全文 * |
消色差旋转双棱镜光束指向控制技术;周书芃;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160815;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112465705A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665483B (zh) | 免定标便捷的单目镜头鱼眼图像畸变矫正方法 | |
CN111750820B (zh) | 影像定位方法及其系统 | |
CN101276465B (zh) | 广角图像自动拼接方法 | |
Abuolaim et al. | Learning to reduce defocus blur by realistically modeling dual-pixel data | |
CN112465705B (zh) | 基于两孔径旋转双棱镜的视场扩大系统及方法 | |
CN100437639C (zh) | 图像处理装置和图像处理方法 | |
CN106651808B (zh) | 一种鱼眼图转换方法及装置 | |
CN112085659B (zh) | 一种基于球幕相机的全景拼接融合方法、系统及存储介质 | |
US20130141526A1 (en) | Apparatus and Method for Video Image Stitching | |
US20140375761A1 (en) | Interactive wide-angle video server | |
CN111815517B (zh) | 一种基于球机抓拍图片的自适应全景拼接方法 | |
CN111199528A (zh) | 一种鱼眼图像畸变矫正方法 | |
CN105245841A (zh) | 一种基于cuda的全景视频监控系统 | |
CN108717704B (zh) | 基于鱼眼图像的目标跟踪方法、计算机装置及计算机可读存储介质 | |
DE202017104934U1 (de) | Mehrstufiges Kameraträgersystem für die stereoskope Bildaufnahme | |
TWI602154B (zh) | 環景影像的拼接方法及其系統 | |
CN107492080B (zh) | 免定标便捷的单目镜头图像径向畸变矫正方法 | |
CN113221665A (zh) | 一种基于动态最佳缝合线和改进渐入渐出法的视频融合算法 | |
CN110322485A (zh) | 一种异构多相机成像系统的快速图像配准方法 | |
CN111243034A (zh) | 一种全景辅助泊车标定方法、装置、设备及存储介质 | |
CN104735351A (zh) | 一种高分辨率光场图片重建方法与成像装置 | |
Zhang et al. | Toward real-world panoramic image enhancement | |
CN114331835A (zh) | 一种基于最优映射矩阵的全景图像拼接方法及装置 | |
CN112258581B (zh) | 一种多鱼眼镜头全景相机的现场标定方法 | |
CN104539893B (zh) | 实现虚拟云台监控效果的方法、装置及系统 |
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 |