CN116245722A - 一种应用于重高型车辆的全景影像拼接系统及方法 - Google Patents

一种应用于重高型车辆的全景影像拼接系统及方法 Download PDF

Info

Publication number
CN116245722A
CN116245722A CN202211700533.1A CN202211700533A CN116245722A CN 116245722 A CN116245722 A CN 116245722A CN 202211700533 A CN202211700533 A CN 202211700533A CN 116245722 A CN116245722 A CN 116245722A
Authority
CN
China
Prior art keywords
image
images
panoramic image
dimensional
cameras
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.)
Pending
Application number
CN202211700533.1A
Other languages
English (en)
Inventor
尤方
李霁
吕志明
陈继铭
韩雷
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.)
Xi'an Zhongkelide Infrared Technology Co ltd
Original Assignee
Xi'an Zhongkelide Infrared 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 Xi'an Zhongkelide Infrared Technology Co ltd filed Critical Xi'an Zhongkelide Infrared Technology Co ltd
Priority to CN202211700533.1A priority Critical patent/CN116245722A/zh
Publication of CN116245722A publication Critical patent/CN116245722A/zh
Pending legal-status Critical Current

Links

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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种应用于重高型车辆的全景影像拼接系统及方法，以解决目前重型高型车辆全景影像拼接系统在图像融合过渡不自然，融合处理方法对图像的纹理信息损坏，计算量大、运算速度慢的技术问题。该系统包括控制单元、摄像单元及信息管理单元。该方法包括：1、采用棋盘格标定板对多个摄像头进行标定；2、根据标定结果，对多个摄像头同一时刻拍摄的图像进行校正，获得校正后图像；3、将多幅校正后图像进行二维全景图像拼接，获得二维全景图像；4、将二维全景图像映射到网状三维模型，获得全景影像拼接图像。

Description

一种应用于重高型车辆的全景影像拼接系统及方法
技术领域
本发明涉及车辆的全景影像拼接方法，具体涉及一种应用于重高型车辆的全景影像拼接系统及方法。
背景技术
近年来随着智能汽车的快速发展，高级辅助驾驶系统(ADAS)需求量呈爆发性增长，而360全景影像系统无疑成为了最热门的应用之一，在车辆装载率逐步提升，技术也愈加成熟，整体市场处于快速增长期。
全景影像系统通过安装在车辆四周多个广角摄像头，结合特定的物理安装方式，加载全景拼接、畸变校正、图像融合等算法进行视频合成处理，形成完整的车辆周边影像鸟瞰图，通过车载显示屏观看车辆周围360度全景影像，超宽的视角、无缝拼接的实时图像信息，让驾驶员视野无盲区，有效增加了行车安全。但是在图像在拼接之后，一般会在边界区域出现过渡不自然的可见缝合线，这时就需要对拼接图像的重叠部分进行融合处理。常用融合方法主要分为：基于灰度的融合、基于颜色空间变换的融合以及基于变换域的融合算法，上述方法在处理过程中会对图像的纹理信息造成不同程度的破坏，且计算量大，运算速度慢。
发明内容
为解决目前重型高型车辆全景影像拼接系统在图像融合过渡不自然，融合处理方法对图像的纹理信息损坏，计算量大、运算速度慢的技术问题，本发明提出一种应用于重高型车辆的全景影像拼接系统及方法。
本发明提供的技术方案为：
一种应用于重高型车辆的全景影像拼接系统，其特殊之处在于：包括控制单元、摄像单元及信息管理单元；
所述摄像单元包括多个设置在车辆上的摄像头，用于获得车辆周围的图像并传输给控制单元；
所述控制单元用于将摄像单元的输出信号进行处理并传输给信息管理单元；
信息管理单元与控制单元交互连接，信息管理单元用于接收控制单元的输出信息并对控制单元下达启动和切换操作。
进一步地，所述摄像单元包括六个低照度摄像头，分别为前置摄像头、后置摄像头、两个右侧摄像头及两个左侧摄像头。
本发明还提供一种应用于重高型车辆的全景影像拼接方法，其特殊之处在于，采用上述应用于重高型车辆的全景影像拼接系统，包括以下步骤：
S1、采用棋盘格标定板对多个摄像头进行标定，获取物理环境空间点与摄像头拍摄的图像像素位置间的关系；
S2、根据步骤S1摄像头的标定结果，对多个摄像头同一时刻拍摄的图像进行校正，获得校正后图像；
S3、将多幅校正后图像进行二维全景图像拼接
S3.1、校正后图像预处理；
S3.2、采用Surf特征点检测算法对预处理后的图像进行图像配准；
S3.2、将步骤S3.2图像配准后的图像进行图像拼接，拼接过程中采用加权平均法进行图像融合，公式如下：
Figure BDA0004023909380000021
其中，P为配准图像间的重叠部分，P1为第一幅图像中的非重叠部分，P2为第二幅图像中的非重叠部分，w1为第一幅图像的融合权重；w2为第二幅图的融合权重，(x，y)为重叠部分的像素点，I(x，y)为像素点灰度值，I1(x，y)为像素点在第一幅图像的灰度值，I2(x，y)为像素点在第二幅图像的灰度值；
获得二维全景图像；
S4、根据参数方程建立的网状三维模型；
采用面积等比半球纹理映射，确定二维全景图像上的每个像素点纹理坐标m1(u,v)与网状三维模型的空间坐标m(x,y,z)之间的对应关系；
根据对应关系，将二维全景图像映射到网状三维模型，获得全景影像拼接图像。
进一步地，步骤S2中，对多个摄像头同一时刻拍摄的图像进行校正，获得校正后图像，具体为：
S2.1、根据摄像头的成像模型将图像还原到单位视球面上，成像模型如下：
r＝fθ
其中，θ是镜头光轴与入射光线的夹角，r是成像点到图像主点的距离，f是镜头光心到图像主点的距离；
S2.2、将单位视球面通过预设的映射关系，转变成二维图像，该二维图像为校正后图像。
进一步地，步骤S3.1中，图像预处理包括：图像増强，图像平滑滤波、图像锐化、图像灰度化或图像对比度拉伸中的一种或多种；
图像预处理后还包括俯视投影变换。
进一步地，步骤S3.2中，采用Surf特征点检测算法对预处理后的图像进行图像配准，具体为：
S3.2.1、使用Surf算法对源图像和目标图像进行特征点检测与匹配，获得匹配点；
S3.2.2、使用RANSAC算法对匹配点进行提纯，消除部分错误匹配；
S3.2.3、对于两幅图像的重叠区域，使用最小二乘法筛选匹配点，筛选出前n个最优匹配点进行图像配准，n为预设整数值。
进一步地，步骤S4中，所述网状三维模型为平底环形柱面网状模型。
本发明的有益效果：
1、本发明提供的全景影像拼接方法通过采用加权平均法进行图像融合，实现图像二维全景拼接时交接区域自然过渡，且不破坏图像的纹理信息，计算量小，运算速度快。
2、通过建立网状三维模型，特别是平底环形柱面网状模型，通过面积等比半球纹理映射显示计算，最终实现三维全景视频显影，可将特种车辆前后左右多个摄像头获取的车身实时环境视频图像，经过视频图像处理得到无畸变的360度三维全景图，影像效果好，实用性强。
3、本发明通过棋盘格标定板来完成摄像机标定，实现摄像头鱼眼图像畸变校正，并采用Surf特征点检测算法对预处理后的图像进行图像配准，提高了图像的全景拼接的准确性。
附图说明
图1为本发明应用于重高型车辆的全景影像拼接系统实施例示意图；
图2为本发明实施例中摄像头采集图像向单位视球面转换示意图，其中a为图像坐标与二维直角坐标系转换示意图，b为二维直角坐标系向单位视球面转换示意图；
图3为本发明实施例中二维全景图像拼接流程示意图；
图4为本发明实施例中俯视投影变换原理示意图；
图5为本发明实施例中图像配准示意图；
图6为本发明实施例中图像融合权重计算原理示意图；
图7为本发明实施例中网状三维模型示意图；
图8为本发明实施例中面积等比半球纹理映射原理示意图，其中，a为二维全景图像，b为二维全景图像S1面积在网状三维模型上的映射面积S2。
具体实施方式
参见图1，本实施例提供一种应用于重高型车辆的全景影像拼接系统，该系统包括控制单元、摄像单元及信息管理单元；
摄像单元包括6个设置在车辆上的低照度摄像头，分别为前置摄像头、后置摄像头、两个右侧摄像头及两个左侧摄像头，用于获得车辆周围的图像并传输给控制单元；还包括4个超声波雷达，进行距离探测。
控制单元设置在车辆上，用于将将相应的视频与雷达距离信号进行处理整合后传输给信息管理单元，信息管理单元为车载系统，与控制单元交互连接，并用于接收控制单元的输出信息并对控制单元下达启动和切换操作，可进行触摸操作和影像显示。
上述应用于重高型车辆的全景影像拼接系统的拼接方法，包括以下步骤：
S1、采用棋盘格标定板对多个摄像头进行标定，获取物理环境空间点与摄像头拍摄的图像像素位置间的关系；具体的，摄像头为鱼眼镜头，首先建立鱼眼镜头的数学模型及几何模型完成系统参数标定，系统参数标定是指建立物理环境空间点与图像像素位置间的关系，包含用于描述系统刚体变换的外部参数标定和摄像头成像系统自身内参标定，摄像机的模型
Figure BDA0004023909380000061
表示为：/>
Figure BDA0004023909380000062
通过棋盘格标定板来完成摄像机标定，通过棋盘格标定板来获取三维坐标与二维图像坐标的对应关系，然后利用优化理论对摄像机模型的参数进行求解，从而获得摄像机的内部和外部参数，实现对图像的校正。
S2、根据步骤S1摄像头的标定结果，对多个摄像头同一时刻拍摄的图像进行校正，获得校正后图像；
参见图2，具体为：S2.1、根据摄像头的成像模型将图像还原到单位视球面上，成像模型如下：
r＝fθ
其中，θ是镜头光轴与入射光线的夹角，r是成像点到图像主点的距离，f是镜头光心到图像主点的距离；这里假定图像的主点与畸变图像圆形有效区域的中心重合，忽略相机生产时可能存在的微小误差。
S2.2、将单位视球面通过预设的映射关系，转变成二维图像，该二维图像为校正后图像。
S3、参见图3，经过图像校正预处理后，对六幅图像进行二维全景图像拼接，为三维显示做准备；二维全景图像拼接技术指的是在同一场景下获取的不同角度，但具有相互重叠区域的图像，通过算法计算出重叠部分，判断预拼接图像的相对位置关系，同时寻找特征点完成图像配准，根据配准信息完成图像拼接，从而合成二维全景图，图像拼接的过程包含图像预处理、俯视投影变换、图像配准以及图像融合，具体过程如下：
S3.1、校正后图像预处理：校正之后的图像还是会存在很多干扰，图像需进行相关预处理，预处理的目的是改善图像质量，去除干扰；图像预处理技术一般包含图像増强，图像平滑滤波、图像锐化等内容，同时根据需要还需对图像进行图像灰度化、图像对比度拉伸等。
参见图4，车辆上安装的六路摄像头以一定的角度进行拍摄，为实现车体的360°全景效果，需要用俯视投影变换将梯形形变矫正成正俯视的效果；俯视投影变换为一种空间变换，一般用投影变换模型来描述这一空间变换关系，包括：缩放、平移、旋转等多种变换关系。通过进行预标定过程，借助标准尺寸的标定布，由多对角点的坐标来计算出各个相机相对于车身坐标系的透射变换矩阵，通过透射变换矩阵将单侧图像变换成俯视视图图像。
S3.2、采用Surf特征点检测算法对预处理后的图像进行图像配准；
具体为：S3.2.1、使用Surf算法对源图像和目标图像进行特征点检测与匹配，获得匹配点，源图像和目标图像为相邻的的待配准图像；从待配准图像上获取特征信息，然后对获得的特征进行筛选，提取出在两幅图像重叠区域中对应的特征信息，如图5所示。
S3.2.2、使用RANSAC算法对匹配点进行提纯，消除部分错误匹配；
S3.2.3、对于两幅图像的重叠区域，使用最小二乘法筛选匹配点，筛选出前n个最优点进行图像配准，n为预设整数值。
S3.2、为了达到无缝拼接的效果，在拼接时需要执行图像融合算法，对重叠区域的像素进行融合，使相邻图像交接区域自然过渡，并在必要时调整全景图上所有已拼接像素的灰度。图像融合在实现图像拼接的应用中非常重要，其融合结果也会极大地影响拼接的整体视觉效果。
本实施例将步骤S3.2图像配准后的图像进行图像拼接，拼接过程中采用加权平均法进行图像融合，公式如下：
Figure BDA0004023909380000081
其中，P为配准图像间的重叠部分，P1为第一幅图像中的非重叠部分，P2为第二幅图像中的非重叠部分，w1为第一幅图像的融合权重；w2为第二幅图的融合权重，(x，y)为重叠部分的像素点，I(x，y)为像素点灰度值，I1(x，y)为像素点在第一幅图像的灰度值，I2(x，y)为像素点在第二幅图像的灰度值；
w1和w2的计算公式如公式2所示：
Figure BDA0004023909380000082
一般情况下，w1+w2＝1,0<w1<1,0<w2<1。如图6所示，图中深色部分为接缝重叠部分，Q为其中一个像素点，Q点到重叠区域左边界的距离为d1，到右边界的距离为d2；
获得二维全景图像。
S4、根据参数方程建立的网状三维模型；
网状三维模型的建模，首先需要解决的问题是确定模型的空间坐标；采用由环形柱面、弧形连接过渡面及底部平面三部分组成的网状三维维模型经纹理映射显示的效果有比较明显的优势，参考球面经纬线交点坐标与球面坐标的关系，将模型空间坐标等同于经纬线交点坐标，利用经纬线交点坐标建立平底环形柱面网状模型。同时模型的网格点数会直接影响建模的速度及纹理映射的质量，模型的网格点数又由经纬线的数量决定，所以创建模型时经纬线数量的选择非常重要；根据参数方程创建的网状三维模型的透视图，模型位于空间z轴的负半轴，构造的网状三维模型如图7所示。
参见图8，网状三维模型作为全景视频的显示媒介，其纹理映射的映射数据为全景视频流，视频流中的每帧图片需映射至模型内表面。为了增强三维网状模型的纹理映射的实际效果，圆形全景视频中的每帧数据必需完整的映射在模型曲面上，本实施例采用面积等比半球纹理映射确定二维全景图像上的每个像素点纹理坐标m1(u,v)与网状三维模型的空间坐标m(x,y,z)之间的对应关系；面积等比半球纹理映射的原理是利用圆形纹理图的面积与模型曲面面积成比例。
根据对应关系，将二维全景图像映射到网状三维模型，获得全景影像拼接图像。

Claims (7)

1.一种应用于重高型车辆的全景影像拼接系统，其特征在于：包括控制单元、摄像单元及信息管理单元；
所述摄像单元包括多个设置在车辆上的摄像头，用于获得车辆周围的图像并传输给控制单元；
所述控制单元用于将摄像单元的输出信号进行处理并传输给信息管理单元；
信息管理单元与控制单元交互连接，信息管理单元用于接收控制单元的输出信息并对控制单元下达启动和切换操作。
2.根据权利要求1所述的应用于重高型车辆的全景影像拼接系统，其特征在于：
所述摄像单元包括六个低照度摄像头，分别为前置摄像头、后置摄像头、两个右侧摄像头及两个左侧摄像头。
3.一种应用于重高型车辆的全景影像拼接方法，其特征在于，采用权利要求1所述应用于重高型车辆的全景影像拼接系统，包括以下步骤：
S1、采用棋盘格标定板对多个摄像头进行标定，获取物理环境空间点与摄像头拍摄的图像像素位置间的关系；
S2、根据步骤S1摄像头的标定结果，对多个摄像头同一时刻拍摄的图像进行校正，获得校正后图像；
S3、将多幅校正后图像进行二维全景图像拼接
S3.1、校正后图像预处理；
S3.2、采用Surf特征点检测算法对预处理后的图像进行图像配准；
S3.2、将步骤S3.2图像配准后的图像进行图像拼接，拼接过程中采用加权平均法进行图像融合，公式如下：
Figure FDA0004023909370000021
其中，P为配准图像间的重叠部分，P1为第一幅图像中的非重叠部分，P2为第二幅图像中的非重叠部分，w1为第一幅图像的融合权重；w2为第二幅图的融合权重，(x，y)为重叠部分的像素点，I(x，y)为像素点灰度值，I1(x，y)为像素点在第一幅图像的灰度值，I2(x，y)为像素点在第二幅图像的灰度值；
获得二维全景图像；
S4、根据参数方程建立的网状三维模型；
采用面积等比半球纹理映射，确定二维全景图像上的每个像素点纹理坐标m1(u,v)与网状三维模型的空间坐标m(x,y,z)之间的对应关系；
根据对应关系，将二维全景图像映射到网状三维模型，获得全景影像拼接图像。
4.根据权利要求3所述的应用于重高型车辆的全景影像拼接方法，其特征在于：
步骤S2中，对多个摄像头同一时刻拍摄的图像进行校正，获得校正后图像，具体为：
S2.1、根据摄像头的成像模型将图像还原到单位视球面上，成像模型如下：
r＝fθ
其中，θ是镜头光轴与入射光线的夹角，r是成像点到图像主点的距离，f是镜头光心到图像主点的距离；
S2.2、将单位视球面通过预设的映射关系，转变成二维图像，该二维图像为校正后图像。
5.根据权利要求4所述的应用于重高型车辆的全景影像拼接方法，其特征在于：
步骤S3.1中，图像预处理包括：图像増强，图像平滑滤波、图像锐化、图像灰度化或图像对比度拉伸中的一种或多种；
图像预处理后还包括俯视投影变换。
6.根据权利要求5所述的应用于重高型车辆的全景影像拼接方法，其特征在于：
步骤S3.2中，采用Surf特征点检测算法对预处理后的图像进行图像配准，具体为：
S3.2.1、使用Surf算法对源图像和目标图像进行特征点检测与匹配，获得匹配点；
S3.2.2、使用RANSAC算法对匹配点进行提纯，消除部分错误匹配；
S3.2.3、对于两幅图像的重叠区域，使用最小二乘法筛选匹配点，筛选出前n个最优匹配点进行图像配准，n为预设整数值。
7.根据权利要求6所述的应用于重高型车辆的全景影像拼接方法，其特征在于：
步骤S4中，所述网状三维模型为平底环形柱面网状模型。
CN202211700533.1A 2022-12-28 2022-12-28 一种应用于重高型车辆的全景影像拼接系统及方法 Pending CN116245722A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211700533.1A CN116245722A (zh) 2022-12-28 2022-12-28 一种应用于重高型车辆的全景影像拼接系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211700533.1A CN116245722A (zh) 2022-12-28 2022-12-28 一种应用于重高型车辆的全景影像拼接系统及方法

Publications (1)

Publication Number Publication Date
CN116245722A true CN116245722A (zh) 2023-06-09

Family

ID=86626864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211700533.1A Pending CN116245722A (zh) 2022-12-28 2022-12-28 一种应用于重高型车辆的全景影像拼接系统及方法

Country Status (1)

Country Link
CN (1) CN116245722A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117649341A (zh) * 2024-01-30 2024-03-05 鹰驾科技（深圳）有限公司 一种无线分布式图像拼接方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117649341A (zh) * 2024-01-30 2024-03-05 鹰驾科技（深圳）有限公司 一种无线分布式图像拼接方法及系统

Similar Documents

Publication Publication Date Title
JP5739584B2 (ja) 車両周辺視角化のための３次元映像合成装置およびその方法
US9858639B2 (en) Imaging surface modeling for camera modeling and virtual view synthesis
CN110197466B (zh) 一种广角鱼眼图像矫正方法
EP2437494B1 (en) Device for monitoring area around vehicle
CN104851076B (zh) 用于商用车的全景环视泊车辅助系统及摄像头安装方法
CN110782394A (zh) 全景视频快速拼接方法及系统
CN107424118A (zh) 基于改进径向畸变校正的球状全景拼接方法
CN112712037A (zh) 基于全景图像和目标检测的车载环境感知方法和系统
JP5456330B2 (ja) 画像表示装置及びそのカメラ取り付け角度算出方法
CN103295231A (zh) 一种鱼眼图像拼接中鱼眼镜头垂直映射图像几何校正方法
CN107705252A (zh) 适用于双目鱼眼图像拼接展开校正的方法及系统
CN106994936A (zh) 一种3d全景泊车辅助系统
CN113362228A (zh) 基于改进畸变校正和标记拼接的环视图像拼接方法及系统
CN111768332A (zh) 一种车载环视实时3d全景图像的拼接方法及图形采集装置
CN103065318A (zh) 多摄像机全景系统的曲面投影方法及装置
CN109040565A (zh) 全景摄像系统
CN116245722A (zh) 一种应用于重高型车辆的全景影像拼接系统及方法
CN107845056A (zh) 基于柱面模型的鱼眼图像全景生成方法
KR101916419B1 (ko) 광각 카메라용 다중 뷰 영상 생성 장치 및 영상 생성 방법
CN111860632B (zh) 多路图像一致性融合方法
CN113850905B (zh) 一种用于周扫型光电预警系统的全景图像实时拼接方法
KR101293263B1 (ko) 복수개의 영상을 합성한 합성 영상에서 거리 정보를 제공하는 기능을 구비하는 영상 처리 장치 및 방법
CN106961585B (zh) 行车辅助方法及装置
Huo et al. Research on the auxiliary panoramic parking technology based on fast image mosaic
Liu Construction of 540° panoramic image of vehicles based on video spatiotemporal sequence stitching

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