CN115620181B - 基于墨卡托坐标切片的航拍图像实时拼接方法 - Google Patents
基于墨卡托坐标切片的航拍图像实时拼接方法 Download PDFInfo
- Publication number
- CN115620181B CN115620181B CN202211545422.8A CN202211545422A CN115620181B CN 115620181 B CN115620181 B CN 115620181B CN 202211545422 A CN202211545422 A CN 202211545422A CN 115620181 B CN115620181 B CN 115620181B
- Authority
- CN
- China
- Prior art keywords
- image
- current frame
- matched
- frame image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于墨卡托坐标切片的航拍图像实时拼接方法,属于图像处理领域。所述方法包括:获取一帧航拍图像及其GPS定位信息;提取当前帧图像的特征点和特征向量;当前帧图像为第一帧图像时将其特征点和特征向量作为待匹配特征,将当前帧图像作为待匹配图像;当前帧图像不是第一帧图像时将其特征点和特征向量与待匹配特征进行匹配,并更新待匹配特征;根据匹配结果将当前帧图像与待匹配图像进行拼接,并更新待匹配图像;计算拼接图像的GPS定位信息;重复上述步骤,直到完成拼接的航拍图像的帧数达到预设值,然后对拼接图像进行切片保存,并释放内存中的拼接图像。本发明的方法解决了航拍图像拼接过程中的内存和计算资源焦虑问题。
Description
技术领域
本发明属于图像处理领域,特别是涉及一种基于墨卡托坐标切片的航拍图像实时拼接方法。
背景技术
随着无人机飞行技术的发展,无人机在查看某一地质区域的全景信息的应用越来越广泛,比如查看地质灾害、近距离查看交通拥挤路段全貌、飞行过程中建筑等目标检测和定位等。然而现有的无人机飞行时,多数都是记录飞行过程中拍摄的视频数据,或者是相同时间间隔拍摄的图像数据,这些数据只能辅助观测者查看该区域的大致情况,不能精确定位到所问题点的坐标信息以及该区域的全景信息。现有的全景拼接技术只是小范围内的拼接,因为区域全景信息要占用更多的内存空间,消耗更大的计算资源,因此,区域越大,全景拼接所需的内存和计算资源就越大。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于墨卡托坐标切片的航拍图像实时拼接方法。
本发明的目的是通过以下技术方案来实现的:基于墨卡托坐标切片的航拍图像实时拼接方法,包括:
S100.获取一帧新的航拍图像及该帧航拍图像的GPS定位信息,并将该帧航拍图像记为当前帧图像;
S200.提取当前帧图像的特征点和特征向量;
S300.判断当前帧图像是否为第一帧图像,若是,则执行S400,否则执行S500;
S400.将当前帧图像的特征点和特征向量作为待匹配特征,并将当前帧图像作为待匹配图像,然后执行S100;
S500.将当前帧图像的特征点和特征向量与待匹配特征进行匹配得到匹配结果,然后将待匹配特征更新为当前帧图像的特征点和特征向量;
S600.根据所述匹配结果将当前帧图像与待匹配图像进行拼接得到拼接图像,然后将待匹配图像更新为拼接图像;
S700.计算所述拼接图像的GPS定位信息;
S800.判断完成拼接的航拍图像的帧数是否达到预设值,若是,则执行S900,否则执行S100;
S900.基于墨卡托坐标和拼接图像的GPS定位信息对所述拼接图像进行切片保存,然后释放内存中的拼接图像;
S1000.判断是否完成所有航拍图像的拼接,若是,则结束,否则执行S100。
进一步地,所述S200具体包括以下步骤:
S210.对所述当前帧图像进行灰度化处理得到灰度图像;
S220.按预设比例对所述灰度图像进行缩放;
S230. 提取缩放后的灰度图像的特征点和特征向量。
进一步地,所述S600具体包括以下步骤:
S610.基于所述匹配结果,利用最小二乘法计算当前帧图像和待匹配图像的特征点的匹配结果的单应矩阵;
S620.基于所述单应矩阵,将当前帧图像和待匹配图像映射到同一坐标系下得到拼接图像;
S630.计算当前帧图像的坐标变换矩阵;
S640. 根据所述坐标变换矩阵将当前帧图像的GPS定位信息对应的像素坐标点转换到拼接图像中对应的像素坐标点;
S650. 将待匹配图像更新为拼接图像。
进一步地,所述S620具体包括以下步骤:
S621.根据所述单应矩阵对当前帧图像做透视变换,将当前帧图像的坐标系转换为待匹配图像的坐标系;
S622.计算待匹配图像和透视变换后的当前帧图像的边界坐标点;
S623.根据待匹配图像和透视变换后的当前帧图像的边界坐标点计算拼接图像的宽和高;
S624.根据拼接图像的宽和高建立新的第一图像;
S625.将待匹配图像和透视变换后的当前帧图像的内容拷贝到第一图像中得到拼接图像。
进一步地,所述拼接图像的GPS定位信息的计算公式为:
进一步地,所述S900具体包括以下步骤:
S910.计算切片的当前层级;
S920.将拼接图像的GPS定位信息转换为墨卡托坐标;
S930.计算拼接图像的像素分辨率;
S940.根据拼接图像的经纬度信息和当前层级计算切片行列号;
S950.计算拼接图像的经纬度信息与与当前层级的标准行列号经纬度的切片交集;
S960. 遍历所有的切片行列号,计算当前行列号切片的像素分辨率;
S970. 基于当前行列号切片的像素分辨率,计算所述切片交集的像素信息;
S980.使用GDAL的ReadRaster方法对影像指定范围进行读取与压缩;
S990.将切片数据写入文件;并根据存储路径查找当前路径是否存在切图,如果存在则将两张图片融合。不存在则直接存储图像。
本发明的有益效果是:
(1)本发明在连续拼接过程中,保存当前帧提取的特征点和特征向量,在当前帧拼接完成后,赋值给当前帧的拼接结果,提高了拼接效率,减小了内存损耗;随着拼接过程越来越长,拼接结果的图像越来越大,如果对拼接结果重新提取特征和特征向量,会增加耗时和内存的占用,并且相邻帧的特征相似度更高,不会影响后续的拼接效果;
(2)本发明在连续拼接过程中达到一定时序后(如每N帧拼接后),结合基于墨卡托坐标切片算法,将拼接结果切片、保存到固定路径下,释放所占内存,解决了连续拼接过程中内存消耗问题;连续拼接过程中,拼接结果所占用的内存空间越来越大,面临内存不足,不能继续拼接,航拍时间就会受到极大的限制,本发明结合切片算法,达到一定时序后,将拼接结果切片、保存后,释放内存,不影响航拍图的继续拼接,在停止航拍后,将所有切片结果通过软件调取,查看完整的拼接效果。
附图说明
图1为本发明中航拍图像实时拼接方法的一种实施例的流程图。
具体实施方式
下面将结合实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,本实施例提供了一种基于墨卡托坐标切片的航拍图像实时拼接方法:
S100.获取一帧新的航拍图像及该帧航拍图像的GPS定位信息,并将该帧航拍图像记为当前帧图像。
S200.提取当前帧图像的特征点和特征向量。
在一个实施例中,所述S200具体包括以下步骤:
S210.对所述当前帧图像进行灰度化处理得到灰度图像。
灰度化处理的公式为:
式中,(x,y)为当前帧图像中的横纵坐标,Gray为灰度图像,R为RGB图中的R通道图,G为RGB图中的G通道图,B为RGB图中的B通道图, 、 />和 />为灰度化系数,且。本实施例中对RGB图做灰度化处理,减小了计算量。
S220.按预设比例对所述灰度图像进行缩放。
本实施例中,灰度图像的缩放公式为:
S230.提取缩放后的灰度图像的特征点和特征向量。
本实施例中采用SIFT算法进行特征点和特征向量的提取。
S300.判断当前帧图像是否为第一帧图像,若是,则执行S400,否则执行S500。
S400.将当前帧图像的特征点和特征向量作为待匹配特征,并将当前帧图像作为待匹配图像,然后执行S100。
本实施例中,
S500.将当前帧图像的特征点和特征向量与待匹配特征进行匹配得到匹配结果,然后将待匹配特征更新为当前帧图像的特征点和特征向量。
S600.根据所述匹配结果将当前帧图像与待匹配图像进行拼接得到拼接图像,然后将待匹配图像更新为拼接图像。
在一个实施例中,所述S600具体包括以下步骤:
S610.基于所述匹配结果,利用最小二乘法计算当前帧图像和待匹配图像的特征点的匹配结果的单应矩阵。
本实施例中,单应矩阵的计算公式为:
S620.基于所述单应矩阵,将当前帧图像和待匹配图像映射到同一坐标系下得到拼接图像。
在一些实施例中,所述S620具体包括以下步骤:
S621.根据所述单应矩阵对当前帧图像做透视变换,将当前帧图像的坐标系转换为待匹配图像的坐标系。
S622.计算待匹配图像和透视变换后的当前帧图像的边界坐标点。
S623.根据待匹配图像和透视变换后的当前帧图像的边界坐标点计算拼接图像的宽和高。
本实施例中拼接图像的宽和高的计算公式为:
式中,W为拼接图像的宽,H为拼接图像的高,T为拼接图像的上边界,D为拼接图像的下边界,L为拼接图像的左边界,R为拼接图像的右边界。
S624.根据拼接图像的宽和高建立新的第一图像。
S625.将待匹配图像和透视变换后的当前帧图像的内容拷贝到第一图像中得到拼接图像。
S630.计算当前帧图像的坐标变换矩阵。
本实施例中,当前帧图像的坐标变换矩阵的计算公式为:
S640.根据所述坐标变换矩阵将当前帧图像的GPS定位信息对应的像素坐标点转换到拼接图像中对应的像素坐标点。即,计算当前帧图像的中心点在拼接图像中对应的像素点坐标。
S650.将待匹配图像更新为拼接图像。
S700.计算所述拼接图像的GPS定位信息。
本实施例中,所述拼接图像的GPS定位信息的计算公式为:
S800.判断完成拼接的航拍图像的帧数是否达到预设值,若是,则执行S900,否则执行S100。
本实施例中,在航拍图连续拼接过程中,分为当前帧和待匹配帧,当前帧为当前时刻传入的图像,计算当前时刻传入的图像的特征点和特征向量,即当前帧的信息包括当前帧图像、当前帧图像特征值和特征值对应的特征向量;待匹配帧包括当前帧之前的所有帧拼接图像、前一帧图像的特征值和特征值对应的特征向量;当前帧与待匹配帧拼接结束后,将待匹配帧信息从内存中释放,再将拼接图像、当前帧计算的特征点、当前帧特征点对应的特征向量保存到待匹配帧中,完成更新,传入新的图像作为当前帧,循环以上操作,直至拼接结束。
S900.基于墨卡托坐标和拼接图像的GPS定位信息对所述拼接图像进行切片保存。
在一些实施例中,其特征在于,所述S900具体包括以下步骤:
S910.计算切片的当前层级。
表1
在一些实施例中,拼接图像的空间分辨率为横向和纵向两点像素之间的精度。经纬度两点之间距离公式为:
其中:Lon1、 Lat1分别为A点的经纬度,Lon2、 Lat2分别为B点的经纬度。
S920.将拼接图像的GPS定位信息转换为墨卡托坐标。
本实施例中,将拼接图像的GPS定位信息转换为墨卡托坐标的转换公式为:
S930.计算拼接图像的像素分辨率。
本实施例中,拼接图像的墨卡托坐标的计算公式为:
lngMin = 拼接图像左上角墨卡托横坐标;
latMax = 拼接图像左上角墨卡托纵坐标;
lngMax = lngMin + 图像宽度 * 水平空间分辨率 +图像高度 * 行旋转;
latMin = latMax + 图像宽度 * 列旋转 + 图像高度 * 垂直空间分辨率;
其中,图像宽度为拼接图像的像素宽度,水平空间分辨率为拼接图像中每个像素代表的实际大小(如每像素表示0.3米),行旋转表示大地坐标系(WGS)横坐标与偏航角的夹角;lngMin:图像左上角像素点墨卡托横坐标;latMin:图像左上角像素点墨卡托纵坐标;lngMax:图像右下角像素点墨卡托纵坐标;latMax:图像右下角像素点墨卡托纵坐标;列旋转:图像相对于正北方向的角度偏移;图像高度:图像的行像素数;图像宽度:图像的列像素数;水平空间分辨率:图像列像素分辨率;垂直空间分辨率:图像行像素分辨率。
然后将拼接图像的墨卡托坐标转换为对应的经纬度,公式如下:
经度 = 墨卡托坐标 / 20037508.34 * 180;
最后计算拼接图像的像素分辨率,单位:经度或纬度/每像素,计算公式如下:
东西方向:(最大经度–最小经度) / 图片宽度;
南北方向:(最大纬度–最小纬度) / 图片高度。
S940.根据拼接图像的经纬度信息和当前层级计算切片行列号。
层级范围为预先设置,范围为0 – 18,依次遍历0 – 18,所在的数字就是当前层级。
本实施例中,切片行列号的计算公式为:
对上述公式求得的行号和列号向下取整即为最后得到的切片行列号。
S950.计算拼接图像的经纬度信息与当前层级的标准行列号经纬度的切片交集。
具体的,根据当前切片的层级和行列号计算切片的经纬度范围,切片的经纬度范围的计算公式如下:
根据计算得到的切片的经纬度范围与拼接图像的经纬度信息计算交集,即得到切片交集,切片交集一共有4个参数,分别为左上角的经纬度,右下角的经纬度。
S960. 遍历所有的切片行列号,计算当前切片行列号的像素分辨率。
当前切片的像素分辨率的计算方法与S930中拼接图像的像素分辨率的计算方法相同。
S970. 基于当前行列号切片的像素分辨率,计算所述切片交集的像素信息。
具体的,根据所述切片交集计算起始点(切片交集的第一个和第二个参数)的左上角像素坐标、在拼接图像内的像素块大小(切片交集经纬度范围在拼接图像中的像素范围)、拼接图像在切片图中的大小以及拼接图像在切片图像的偏移量。
左上角像素坐标计算公式如下:
横坐标 = (起始点经度–原始最小经度) / 拼接图像东西像素分辨率
纵坐标 = (起始点纬度–原始最大纬度) / 拼接图像南北像素分辨率
原始像素块大小计算公式:
宽度 = (交集最大经度–交集最小经度) / 拼接图像东西像素分辨率
高度 = (交集最大纬度–交集最小纬度) / 拼接图像南北像素分辨率
拼接图像在切片图像的大小:宽度 = (交集最大经度–交集最小经度) / 当前层级切片图像标准东西像素分辨率
高度 = (交集最大纬度–交集最小纬度) / 当前层级切片图像标准南北像素分辨率
取比上述计算结果大的最小的整数。
偏移量计算公式:
经度偏移量 = (交集最小经度–切片起始经度) / 当前层级切片图像标准东西像素分辨率
纬度偏移量 = (交集最小纬度–切片起始纬度) / 当前层级切片图像标准南北像素分辨率
比较上述结果,如果小于零则偏移量置为0。
S980.使用GDAL的ReadRaster方法对切片交集范围进行读取与压缩。
本实施例中,用GDAL库读取相应范围的像素,并根据标准切片大小与读取像素大小进行放大或缩小。
在一些实施例中,将将读取的像素放大或缩小至“原始图像在切片图像的大小”。
S990.将切片数据(放大或缩小后的图像数据)写入临时内存;并根据存储路径查找当前路径是否存在相同行列号切图,如果存在则将两张图片融合再存储,不存在则直接存储图像。
S1000.判断是否完成所有航拍图像的拼接,若是,则结束,否则执行S100。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (4)
1.基于墨卡托坐标切片的航拍图像实时拼接方法,其特征在于,包括:
S100.获取一帧新的航拍图像及该帧航拍图像的GPS定位信息,并将该帧航拍图像记为当前帧图像;
S200.提取当前帧图像的特征点和特征向量;
S300.判断当前帧图像是否为第一帧图像,若是,则执行S400,否则执行S500;
S400.将当前帧图像的特征点和特征向量作为待匹配特征,并将当前帧图像作为待匹配图像,然后执行S100;
S500.将当前帧图像的特征点和特征向量与待匹配特征进行匹配得到匹配结果,然后将待匹配特征更新为当前帧图像的特征点和特征向量;
S600.根据所述匹配结果将当前帧图像与待匹配图像进行拼接得到拼接图像,然后将待匹配图像更新为拼接图像;
所述S600具体包括以下步骤:
S610.基于所述匹配结果,利用最小二乘法计算当前帧图像和待匹配图像的特征点的匹配结果的单应矩阵;
S620.基于所述单应矩阵,将当前帧图像和待匹配图像映射到同一坐标系下得到拼接图像;
所述S620具体包括以下步骤:
S621.根据所述单应矩阵对当前帧图像做透视变换,将当前帧图像的坐标系转换为待匹配图像的坐标系;
S622.计算待匹配图像和透视变换后的当前帧图像的边界坐标点;
S623.根据待匹配图像和透视变换后的当前帧图像的边界坐标点计算拼接图像的宽和高;
S624.根据拼接图像的宽和高建立新的第一图像;
S625.将待匹配图像和透视变换后的当前帧图像的内容拷贝到第一图像中得到拼接图像;
S630.计算当前帧图像的坐标变换矩阵;
S640. 根据所述坐标变换矩阵将当前帧图像的GPS定位信息对应的像素坐标点转换到拼接图像中对应的像素坐标点;
S650. 将待匹配图像更新为拼接图像;
S700.计算所述拼接图像的GPS定位信息;
S800.判断完成拼接的航拍图像的帧数是否达到预设值,若是,则执行S900,否则执行S100;
S900.基于墨卡托坐标和拼接图像的GPS定位信息对所述拼接图像进行切片保存,然后释放内存中的拼接图像;
所述S900具体包括以下步骤:
S910.计算切片的当前层级;
S920.将拼接图像的GPS定位信息转换为墨卡托坐标;
S930.计算拼接图像的像素分辨率;
S940.根据拼接图像的经纬度信息和当前层级计算切片行列号;
S950.计算拼接图像的经纬度信息与当前层级的标准行列号经纬度的切片交集;
S960.遍历所有的切片行列号,计算当前行列号切片的像素分辨率;
S970.基于当前行列号切片的像素分辨率,计算所述切片交集的像素信息;
S980.使用GDAL的ReadRaster方法对影像指定范围进行读取与压缩;
S990.将切片数据写入文件;并根据存储路径查找当前路径是否存在切图,如果存在则将两张图片融合,不存在则直接存储图像;
S1000.判断是否完成所有航拍图像的拼接,若是,则结束,否则执行S100。
2.根据权利要求1所述的基于墨卡托坐标切片的航拍图像实时拼接方法,其特征在于,所述S200具体包括以下步骤:
S210.对所述当前帧图像进行灰度化处理得到灰度图像;
S220.按预设比例对所述灰度图像进行缩放;
S230. 提取缩放后的灰度图像的特征点和特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545422.8A CN115620181B (zh) | 2022-12-05 | 2022-12-05 | 基于墨卡托坐标切片的航拍图像实时拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545422.8A CN115620181B (zh) | 2022-12-05 | 2022-12-05 | 基于墨卡托坐标切片的航拍图像实时拼接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115620181A CN115620181A (zh) | 2023-01-17 |
CN115620181B true CN115620181B (zh) | 2023-03-31 |
Family
ID=84879809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211545422.8A Active CN115620181B (zh) | 2022-12-05 | 2022-12-05 | 基于墨卡托坐标切片的航拍图像实时拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115620181B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115965535B (zh) * | 2023-03-14 | 2023-06-30 | 海豚乐智科技(成都)有限责任公司 | 基于特征矫正gps信息的航拍图实时拼接方法及系统 |
CN117036666B (zh) * | 2023-06-14 | 2024-05-07 | 北京自动化控制设备研究所 | 基于帧间图像拼接的无人机低空定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080529A (zh) * | 2019-12-23 | 2020-04-28 | 大连理工大学 | 一种加强鲁棒性的无人机航拍图像拼接方法 |
CN114170290A (zh) * | 2020-09-10 | 2022-03-11 | 华为技术有限公司 | 图像的处理方法及相关设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282005A (zh) * | 2014-09-19 | 2015-01-14 | 天津航天中为数据系统科技有限公司 | 一种视频图像拼接方法及装置 |
CN109712071B (zh) * | 2018-12-14 | 2022-11-29 | 电子科技大学 | 基于航迹约束的无人机图像拼接与定位方法 |
CN111951201B (zh) * | 2019-05-16 | 2024-01-23 | 杭州海康威视数字技术股份有限公司 | 一种无人机航拍图像拼接方法、装置和存储介质 |
CN110189256B (zh) * | 2019-05-30 | 2023-05-02 | 影石创新科技股份有限公司 | 一种全景图像拼接方法、计算机可读存储介质及全景相机 |
TWI712001B (zh) * | 2019-06-25 | 2020-12-01 | 國立臺灣師範大學 | 用以將選定的二維影像投影成裸視三維影像之系統 |
CN110310248B (zh) * | 2019-08-27 | 2019-11-26 | 成都数之联科技有限公司 | 一种无人机遥感影像实时拼接方法及系统 |
CN110555119B (zh) * | 2019-08-27 | 2022-05-13 | 成都数之联科技股份有限公司 | 一种实时场景下无人机遥感影像切片方法及系统 |
CN111507901B (zh) * | 2020-04-15 | 2023-08-15 | 中国电子科技集团公司第五十四研究所 | 基于航带gps及尺度不变约束的航拍图像拼接定位方法 |
-
2022
- 2022-12-05 CN CN202211545422.8A patent/CN115620181B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080529A (zh) * | 2019-12-23 | 2020-04-28 | 大连理工大学 | 一种加强鲁棒性的无人机航拍图像拼接方法 |
CN114170290A (zh) * | 2020-09-10 | 2022-03-11 | 华为技术有限公司 | 图像的处理方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115620181A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115620181B (zh) | 基于墨卡托坐标切片的航拍图像实时拼接方法 | |
CN110298298B (zh) | 目标检测及目标检测网络的训练方法、装置及设备 | |
US7421154B2 (en) | Image processing method | |
US20210012567A1 (en) | Computer vision method and system | |
CN110866871A (zh) | 文本图像矫正方法、装置、计算机设备及存储介质 | |
CN111091123A (zh) | 文本区域检测方法及设备 | |
CN111898668A (zh) | 一种基于深度学习的小目标物体检测方法 | |
CN111091023B (zh) | 一种车辆检测方法、装置及电子设备 | |
CN107578424B (zh) | 一种基于时空分类的动态背景差分检测方法、系统及装置 | |
CN113222820A (zh) | 一种位姿信息辅助的航空遥感图像拼接方法 | |
CN112101205A (zh) | 基于多任务网络的训练方法和装置 | |
CN114399781A (zh) | 文档图像处理方法及装置、电子设备、存储介质 | |
CN113160053A (zh) | 一种基于位姿信息的水下视频图像复原与拼接方法 | |
CN111062875B (zh) | 一种用于空中全景漫游数据的坐标转换方法及装置 | |
CN112926426A (zh) | 基于监控视频的船舶识别方法、系统、设备及存储介质 | |
CN113096016A (zh) | 一种低空航拍图像拼接方法和系统 | |
CN112232132A (zh) | 一种融合导航信息的目标识别定位方法 | |
CN109583484B (zh) | 一种三类海域地标点自动选取方法 | |
CN111666959A (zh) | 矢量图像匹配方法及装置 | |
US20240104880A1 (en) | Information processing apparatus and method | |
US20240135685A1 (en) | Information processing apparatus and method | |
CN116546180B (zh) | 裸眼悬浮3d视频生成方法、装置、设备及存储介质 | |
CN117496114A (zh) | 一种目标定位方法、系统及计算机存储介质 | |
CN115376119B (zh) | 一种车牌识别方法、装置、车牌识别设备及存储介质 | |
US20240104754A1 (en) | Information processing system, method and program |
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 |