低復(fù)雜度的全景影像接合方法
【專利摘要】本發(fā)明提出了一種低復(fù)雜度的全景影像接合方法，包括：影像亮度均衡化步驟：將明暗不同的所述兩個(gè)影像均衡化，以使所述兩個(gè)影像的明暗度彼此接近；影像對(duì)齊步驟：尋找所述兩個(gè)影像中的相對(duì)應(yīng)的特征點(diǎn)，并進(jìn)行所述兩個(gè)影像中的所述特征點(diǎn)之間的配對(duì)；錯(cuò)誤匹配點(diǎn)檢測步驟：對(duì)已配對(duì)的特征點(diǎn)進(jìn)行去除錯(cuò)誤配對(duì)特征處理，以消除所述已匹配的特征點(diǎn)之中的錯(cuò)誤匹配點(diǎn)；以及影像投影與扭曲步驟：基于經(jīng)去除錯(cuò)誤配對(duì)特征處理后的所述特征點(diǎn)確定一坐標(biāo)轉(zhuǎn)換矩陣，固定所述兩個(gè)影像中的第一影像的坐標(biāo)，并根據(jù)所述坐標(biāo)轉(zhuǎn)換矩陣將所述兩個(gè)影像中的第二影像的坐標(biāo)直接對(duì)應(yīng)到該第一影像的坐標(biāo)系統(tǒng)上，從而將所述兩個(gè)影像接合為一全景影像。
【專利說明】低復(fù)雜度的全景影像接合方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種低復(fù)雜度的全景影像接合技術(shù)。
【背景技術(shù)】
[0002]在全景影像接合的步驟中，首要步驟為影像對(duì)齊(Image Alignment),意即從一張來源影像當(dāng)中尋找多個(gè)特征點(diǎn)，此特征點(diǎn)即為在另一張欲作接合的來源影像的相同對(duì)應(yīng)點(diǎn)位置，并利用這些配對(duì)的特征點(diǎn)來做后續(xù)處理。在影像對(duì)齊的研究方面，英屬哥倫比亞大學(xué)(University of British Columbia, UBC)的 David Lowe 提出了「尺度不變特征轉(zhuǎn)換算法」(Scale-1nvariant Feature Transform, SIFT),此算法為針對(duì)來源影像,利用高斯模糊(Gaussian Blur)在不同的空間尺度中尋找極值，并標(biāo)示為初步的特征點(diǎn)。然后利用拉普拉斯運(yùn)算子(Laplacian Operator)篩選掉較不明顯的特征點(diǎn)。接下來利用特征點(diǎn)周圍的梯度方向分布，為每個(gè)特征點(diǎn)指定方向參數(shù)，此步驟可使此算法具備旋轉(zhuǎn)不變性。最后針對(duì)每一個(gè)特征點(diǎn)，產(chǎn)生一個(gè)128維的特征向量來代表它。利用尺度不變特征轉(zhuǎn)換算法所尋找出的特征點(diǎn)，是基于物體的局部外觀，而與影像的大小、旋轉(zhuǎn)程度無關(guān)，對(duì)于光線、噪聲、些微視角改變的容忍度也相當(dāng)高。因此SIFT算法對(duì)于尋找特征點(diǎn)方面，具有相當(dāng)高的準(zhǔn)確度，然而其計(jì)算復(fù)雜度相當(dāng)高，本發(fā)明以減少坐標(biāo)計(jì)算的方式，提高執(zhí)行效能。在影像投影與扭曲階段的研究方面，Steve Mann在其發(fā)表的文獻(xiàn)中比較了多種坐標(biāo)轉(zhuǎn)換模型，發(fā)現(xiàn)以八個(gè)參數(shù)的單應(yīng)矩陣轉(zhuǎn)換(eight-parameter projective model),可以得到較為準(zhǔn)確的矩陣轉(zhuǎn)換與投影結(jié)果。在此階段，本發(fā)明以固定其中一來源坐標(biāo)的方式，減少坐標(biāo)轉(zhuǎn)換所耗的時(shí)間；另一方面則以建立對(duì)照表的方式，減少冗余的矩陣計(jì)算。在影像補(bǔ)色的研究方面，Wu-Chih Hu等人在2007年提出一套補(bǔ)色流程，先針對(duì)左右圖重迭部份的色彩進(jìn)行平滑化，接下來計(jì)算出重迭部分的每一點(diǎn)的強(qiáng)度值,然后用非線性權(quán)重函式(nonlinear weightedfunction)計(jì)算最后輸出的像素值。此影像補(bǔ)色流程的實(shí)作較為復(fù)雜，并且牽涉到三角函數(shù)的運(yùn)算，因此計(jì)算復(fù)雜度稍嫌略大。對(duì)此本發(fā)明提出了另一套補(bǔ)色流程，以較為簡易的步驟，使之在降低計(jì)算復(fù)雜度之余，亦能維持高質(zhì)量的接合影像。

【發(fā)明內(nèi)容】

[0003]本發(fā)明主要是偵測多組輸入影像中相同的物體特征，將相同之處利用坐標(biāo)轉(zhuǎn)換接合起來成一全景接合影像，其中并利用降階等技術(shù)來達(dá)到降低計(jì)算量的目的，并維持了良好的輸出畫面質(zhì)量。
[0004]具體地，本發(fā)明提出了一種低復(fù)雜度的全景影像接合方法，用以偵測彼此相鄰的兩個(gè)影像中相同的物體特征，將相同之處利用坐標(biāo)轉(zhuǎn)換接合成一全景影像，其中所述兩個(gè)影像為第一影像和第二影像，該全景影像接合方法包括:影像亮度均衡化步驟:將明暗不同的所述兩個(gè)影像均衡化，以使所述兩個(gè)影像的明暗度彼此接近；影像對(duì)齊步驟:尋找所述兩個(gè)影像中的相對(duì)應(yīng)的特征點(diǎn)，并進(jìn)行所述兩個(gè)影像中的所述特征點(diǎn)之間的配對(duì)；錯(cuò)誤匹配點(diǎn)檢測步驟:對(duì)已配對(duì)的特征點(diǎn)進(jìn)行去除錯(cuò)誤配對(duì)特征處理，以消除所述已匹配的特征點(diǎn)之中的錯(cuò)誤匹配點(diǎn)；以及影像投影與扭曲步驟:基于經(jīng)去除錯(cuò)誤配對(duì)特征處理后的所述特征點(diǎn)確定一坐標(biāo)轉(zhuǎn)換矩陣，固定所述兩個(gè)影像中的第一影像的坐標(biāo)，并根據(jù)所述坐標(biāo)轉(zhuǎn)換矩陣將所述兩個(gè)影像中的第二影像的坐標(biāo)直接對(duì)應(yīng)到該第一影像的坐標(biāo)系統(tǒng)上，從而將所述兩個(gè)影像接合為一全景影像。
[0005]較佳地，在上述的全景影像接合方法中，所述影像亮度均衡化步驟進(jìn)一步包括:利用一直方圖均衡化算法將所述兩個(gè)圖像均衡化。
[0006]較佳地，在上述的全景影像接合方法中，在所述影像對(duì)齊步驟進(jìn)一步包括:在所述第一影像的與第二影像相鄰的半邊影像中尋找所述特征點(diǎn)；以及在所述第二影像的與第一影像相鄰的半邊影像中尋找所述特征點(diǎn)。
[0007]較佳地，在上述的全景影像接合方法中，在所述影像對(duì)齊步驟之前且在所述影像亮度均衡化步驟之后進(jìn)一步包括:檢測所述兩個(gè)影像的解析度；若所述解析度高于一閾值，則將所述兩個(gè)影像進(jìn)行降階處理，以降低該解析度。
[0008]較佳地，在上述的全景影像接合方法中，所述降階處理包括根據(jù)所述兩個(gè)影像的解析度選擇一降階率，并利用該降階率對(duì)所述兩個(gè)影像進(jìn)行降階處理。
[0009]較佳地，在上述的全景影像接合方法中，所述影像投影與扭曲步驟進(jìn)一步包括:建立一個(gè)描述影像在轉(zhuǎn)換前后的坐標(biāo)對(duì)應(yīng)關(guān)系的對(duì)照表。
[0010]較佳地，在上述的全景影像接合方法中，在所述影像投影與扭曲步驟之后，所述全景影像接合方法進(jìn)一步包括:影像補(bǔ)色步驟:消除所述全景影像中的所述兩個(gè)影像的接合部分的顏色失真。
[0011]較佳地，在上述的全景影像接合方法中，所述坐標(biāo)轉(zhuǎn)換矩陣是一維度為三乘三的矩陣。
[0012]較佳地，在上述的全景影像接合方法中，所述錯(cuò)誤匹配點(diǎn)檢測步驟進(jìn)一步包括:a)分別計(jì)算所述第一影像和所述第二影像中的多個(gè)特征點(diǎn)的坐標(biāo)的坐標(biāo)矩陣的平均值山)根據(jù)所述平均值計(jì)算一歸一化系數(shù)；c)根據(jù)所述歸一化系數(shù)對(duì)所述坐標(biāo)矩陣進(jìn)行坐標(biāo)變換，以得到一歸一化坐標(biāo)矩陣；d)將所述第二影像的所述歸一化坐標(biāo)矩陣進(jìn)行角度旋轉(zhuǎn)，以調(diào)整到目標(biāo)矩陣；e)通過比較所述目標(biāo)矩陣和所述第一影像的所述歸一化坐標(biāo)矩陣來計(jì)算出一匹配誤差；以及f)如果所述匹配誤差大于一預(yù)定值，則減少所述步驟a)中的特征點(diǎn)的數(shù)量，再重復(fù)執(zhí)行所述步驟a)?步驟e)，直到匹配誤差小于所述預(yù)定值。
[0013]較佳地，在上述的全景影像接合方法中，所述基于經(jīng)所述去除錯(cuò)誤配對(duì)特征處理后的所述特征點(diǎn)確定一坐標(biāo)轉(zhuǎn)換矩陣的步驟進(jìn)一步包括:將所述兩個(gè)影像之一切割成數(shù)個(gè)相同大小的區(qū)塊；找出包含最多特征點(diǎn)的區(qū)塊；計(jì)算出所述包含最多的已匹配特征點(diǎn)的區(qū)塊中的所有特征點(diǎn)的重心坐標(biāo)；根據(jù)所述重心坐標(biāo)，將所述包含最多的已匹配特征點(diǎn)的區(qū)塊再分成四個(gè)小區(qū)塊；在所述四個(gè)小區(qū)塊中的每一個(gè)小區(qū)塊中各取出一個(gè)強(qiáng)度最高的特征點(diǎn)；以及根據(jù)所述四個(gè)小區(qū)塊中的四個(gè)強(qiáng)度最高的特征點(diǎn)，確定所述坐標(biāo)轉(zhuǎn)換矩陣。
[0014]根據(jù)本發(fā)明的全景影像接合方法，可以通過輸入二個(gè)或二個(gè)以上的影像或是影片，將這些影像或是影片彼此間均拍攝到相同的對(duì)象與特征偵測出來，并利用此相同特征建立出來源影像或是影片的轉(zhuǎn)換矩陣，并經(jīng)由坐標(biāo)系統(tǒng)轉(zhuǎn)換將其接合成單一全景影像后輸出。本發(fā)明同時(shí)具有另一個(gè)特點(diǎn)，那就是即使來源影像之間有旋轉(zhuǎn)角度或遠(yuǎn)近差異，利用本系統(tǒng)所提出的算法來轉(zhuǎn)換坐標(biāo)系統(tǒng)仍然可以產(chǎn)生出高質(zhì)量的全景接合影像。此外，本發(fā)明進(jìn)一步可以利用降階等技術(shù)降低其計(jì)算量，并維持相同質(zhì)量的全景影像輸出。此外，本發(fā)明也可以利用直方圖均衡化(Histogram Equalization)先行處理來源影像的亮度及使用兩階段procrustes迭代匹配去除少數(shù)錯(cuò)誤的匹配點(diǎn)，讓接合的效果更為精確。
[0015]應(yīng)當(dāng)理解，本發(fā)明以上的一般性描述和以下的詳細(xì)描述都是示例性和說明性的，并且旨在為如權(quán)利要求所述的本發(fā)明提供進(jìn)一步的解釋。
【專利附圖】

【附圖說明】
[0016]包括附圖是為提供對(duì)本發(fā)明進(jìn)一步的理解，它們被收錄并構(gòu)成本申請(qǐng)的一部分，附圖示出了本發(fā)明的實(shí)施例，并與本說明書一起起到解釋本發(fā)明原理的作用。
[0017]附圖中:
[0018]圖1為本發(fā)明的低復(fù)雜度的全景影像接合方法的基本步驟的流程圖。
[0019]圖2為本發(fā)明的影像補(bǔ)點(diǎn)順序示意圖。
[0020]圖3為本發(fā)明的多視角影像/影片接合流程示意圖。
[0021]圖4為本發(fā)明的接合影像輸出與接縫示意圖。
[0022]圖5為本發(fā)明的最后接合影像結(jié)果圖范例。
[0023]圖6為本發(fā)明的多視角影像接合結(jié)果范例。
[0024]圖7示意性地示出了本發(fā)明的特征點(diǎn)分布范例。
[0025]圖8a?圖8d示出了本發(fā)明的影像亮度均衡化的效果。
【具體實(shí)施方式】
[0026]根據(jù)本發(fā)明的基本原理，提供了一種低復(fù)雜度的全景影像暨影片接合技術(shù)。該技術(shù)可分為五個(gè)階段:影像亮度均衡化、影像對(duì)齊(Image Alignment)、錯(cuò)誤匹配點(diǎn)檢測、影像投影與扭曲(Image Projection & Warping),影像補(bǔ)色(Image Repairing & Blending)。
[0027]首先，與其它接合方法不同的是，本發(fā)明增加了影像亮度均衡化階段。其主因是攝像頭的感光能力不同會(huì)導(dǎo)致拍攝到圖像的明暗度不同，如果兩張圖像的明暗度相差太大，會(huì)造成影像對(duì)齊的步驟無法找到足夠匹配的特征點(diǎn)。為了解決此問題，本發(fā)明引入直方圖均衡化算法，將明暗不同的多個(gè)圖像，利用直方圖均衡化后，使其圖像明暗度相似，也相對(duì)造成影像對(duì)齊階段可以產(chǎn)生更多合適的匹配點(diǎn)。
[0028]其次，在影像對(duì)齊階段，本發(fā)明尋找來源影像的特征點(diǎn)，并進(jìn)行特征點(diǎn)的配對(duì)。此夕卜，經(jīng)由實(shí)驗(yàn)得知，通常正確的配對(duì)，其特征點(diǎn)會(huì)出現(xiàn)于影像的特定一側(cè)(左影像右側(cè)/右影像左側(cè))。為了增進(jìn)此部分的執(zhí)行速度，與配對(duì)的正確性，本發(fā)明優(yōu)選將原先尋找特征點(diǎn)的范圍從整張影像改為半張影像(左影像的右半張/右影像的左半張)。
[0029]此外，對(duì)于其它條件相同的來源影像，在不同的分辨率下，擷取到的特征點(diǎn)的正確性不變，但在計(jì)算復(fù)雜度上，較高分辨率的影像會(huì)遠(yuǎn)大于低分辨率的影像。因此在擷取特征點(diǎn)之前，本發(fā)明可以先偵測影像的分辨率，若超過一定的大小，則先將影像做降階(DownSample)的動(dòng)作，以減去多余的計(jì)算量。將特征點(diǎn)配對(duì)完成后，接下來利用這些配對(duì)，尋找兩張圖的關(guān)系。
[0030]此外，在產(chǎn)生坐標(biāo)轉(zhuǎn)換矩陣之前，本發(fā)明可以先檢測匹配點(diǎn)是否正確，此處是采用兩階段procrustes迭代匹配分析法對(duì)影像對(duì)齊階段計(jì)算所得到的初步匹配點(diǎn)進(jìn)行去除錯(cuò)誤匹配的處理，此處以影像對(duì)齊階段所得到的匹配點(diǎn)坐標(biāo)矩陣作為計(jì)算的目標(biāo)，目的就是要得到兩幅圖像匹配點(diǎn)坐標(biāo)矩陣間的procrustes誤差。為了能夠比較兩個(gè)目標(biāo)矩陣之間的差異，首先要對(duì)目標(biāo)矩陣進(jìn)行轉(zhuǎn)換、歸一和旋轉(zhuǎn)處理，然后計(jì)算處理后的目標(biāo)矩陣間的誤差，如果匹配點(diǎn)完全正確，那么最后計(jì)算得到的誤差值將會(huì)非常小，反之，誤差值將較大。以這樣的情況下，每個(gè)匹配點(diǎn)都需要逐一檢測，直到所有錯(cuò)誤的匹配點(diǎn)已全部去除，使得轉(zhuǎn)換矩陣更為精確，該方法經(jīng)實(shí)測能夠有效去除錯(cuò)配點(diǎn)，較RANSAC去除錯(cuò)配點(diǎn)的方法夠具有確定性。
[0031]接下來，本發(fā)明還利用了一個(gè)維度為三乘三的矩陣，作為兩影像的坐標(biāo)轉(zhuǎn)換矩陣。求得矩陣的各個(gè)元素值后，在影像投影與扭曲階段，也可以建立了一個(gè)對(duì)照表，描述影像在轉(zhuǎn)換前后的坐標(biāo)對(duì)應(yīng)。為了節(jié)省坐標(biāo)轉(zhuǎn)換的運(yùn)算量，本發(fā)明選擇其中一張來源影像，固定其坐標(biāo)，然后只轉(zhuǎn)換另一張來源影像的坐標(biāo)，直接對(duì)映到第一張影像的坐標(biāo)系統(tǒng)上。對(duì)于影片接合的實(shí)際應(yīng)用方面，若拍攝此兩來源影片的相機(jī)參數(shù)不變(例如:拍攝位置、角度不變...等等)，則兩影像間的線性關(guān)系將不變，也就是說，此轉(zhuǎn)換矩陣不需要重新計(jì)算即可使用，此特性減少了相當(dāng)大量且繁復(fù)的計(jì)算。
[0032]最后，在影像補(bǔ)色階段，本發(fā)明提出影像亮度調(diào)整方法以降低來源影像色差，并提出填補(bǔ)方法以消除坐標(biāo)轉(zhuǎn)換產(chǎn)生的失真問題。此外，本發(fā)明可以計(jì)算兩影像的重迭部分的色彩差異，并計(jì)算出差異最小的線條，做為兩張來源影像的接縫，以降低接合影像的失真程度。
[0033]以下將詳細(xì)參考附圖來詳細(xì)討論本發(fā)明的各種【具體實(shí)施方式】。
[0034]圖1為本發(fā)明的低復(fù)雜度的全景影像接合方法的基本步驟的流程圖。如圖1所述，本發(fā)明的全景影像接合方法主要包括:影像亮度均衡化步驟101、影像對(duì)齊步驟102、錯(cuò)誤匹配點(diǎn)檢測步驟103以及影像投影與扭曲步驟104。
[0035]在影像亮度均衡化步驟101中，將明暗不同的兩個(gè)影像均衡化，以使則兩個(gè)影像的明暗度彼此接近。較佳地，可以利用一直方圖均衡化算法將所述兩個(gè)圖像均衡化。將經(jīng)均衡化的圖像提供給后續(xù)的影像對(duì)齊步驟102中做運(yùn)算，可解決攝像頭亮度設(shè)定值不同的問題。參考圖8，圖8a和圖Sb分別示意性地示出了未經(jīng)均衡化的第一影像和第二影像，且圖Sc和圖8d分別示意性地示出了經(jīng)均衡化的第一影像和第二影像。
[0036]在影像對(duì)齊步驟102中，尋找所述兩個(gè)影像中的相對(duì)應(yīng)的特征點(diǎn)，并進(jìn)行所述兩個(gè)影像中的所述特征點(diǎn)之間的配對(duì)。較佳地，在該影像對(duì)齊步驟102中可以進(jìn)一步包括:在所述第一影像的與第二影像相鄰的半邊影像中尋找所述特征點(diǎn)；以及在所述第二影像的與第一影像相鄰的半邊影像中尋找所述特征點(diǎn)。
[0037]在錯(cuò)誤匹配點(diǎn)檢測步驟103中，對(duì)已配對(duì)的特征點(diǎn)進(jìn)行去除錯(cuò)誤配對(duì)特征處理，以消除所述已匹配的特征點(diǎn)之中的錯(cuò)誤匹配點(diǎn)。
[0038]具體地，根據(jù)本發(fā)明的一個(gè)較佳實(shí)施例，該錯(cuò)誤匹配點(diǎn)檢測步驟103可以包括以下幾個(gè)步驟:
[0039]比如，在該錯(cuò)誤匹配點(diǎn)檢測步驟103中，首先假定需要分析的兩個(gè)坐標(biāo)矩陣為
((X1J1), (x2,y2), (xk, yk))和((UliV1), (U2jV2),…，(Uk, Vk)); [0040]a)分別計(jì)算所述第一影像和所述第二影像中的多個(gè)特征點(diǎn)的坐標(biāo)的坐標(biāo)矩陣的平均值，例如所述第一和第二影像的平均值分別為:[0041]
【權(quán)利要求】
1.一種低復(fù)雜度的全景影像接合方法，用以偵測彼此相鄰的兩個(gè)影像中相同的物體特征，將相同之處利用坐標(biāo)轉(zhuǎn)換接合成一全景影像，其中所述兩個(gè)影像為第一影像和第二影像，該全景影像接合方法包括: 影像亮度均衡化步驟:將明暗不同的所述兩個(gè)影像均衡化，以使所述兩個(gè)影像的明暗度彼此接近； 影像對(duì)齊步驟:尋找所述兩個(gè)影像中的相對(duì)應(yīng)的特征點(diǎn)，并進(jìn)行所述兩個(gè)影像中的所述特征點(diǎn)之間的配對(duì)； 錯(cuò)誤匹配點(diǎn)檢測步驟:對(duì)已配對(duì)的特征點(diǎn)進(jìn)行去除錯(cuò)誤配對(duì)特征處理，以消除所述已匹配的特征點(diǎn)之中的錯(cuò)誤匹配點(diǎn)；以及 影像投影與扭曲步驟:基于經(jīng)去除錯(cuò)誤配對(duì)特征處理后的所述特征點(diǎn)確定一坐標(biāo)轉(zhuǎn)換矩陣，固定所述兩個(gè)影像中的第一影像的坐標(biāo)，并根據(jù)所述坐標(biāo)轉(zhuǎn)換矩陣將所述兩個(gè)影像中的第二影像的坐標(biāo)直接對(duì)應(yīng)到該第一影像的坐標(biāo)系統(tǒng)上，從而將所述兩個(gè)影像接合為一全景影像。
2.如權(quán)利要求1所述的全景影像接合方法，其特征在于，所述影像亮度均衡化步驟進(jìn)一步包括:利用一直方圖均衡化算法將所述兩個(gè)圖像均衡化。
3.如權(quán)利要求1所述的全景影像接合方法，其特征在于，在所述影像對(duì)齊步驟進(jìn)一步包括: 在所述第一影像的與第二影像相鄰的半邊影像中尋找所述特征點(diǎn)；以及 在所述第二影像的與第一影像相鄰的半邊影像中尋找所述特征點(diǎn)。
4.如權(quán)利要求1所述`的全景影像接合方法，其特征在于，在所述影像對(duì)齊步驟之前且在所述影像亮度均衡化步驟之后進(jìn)一步包括: 檢測所述兩個(gè)影像的解析度； 若所述解析度高于一閾值，則將所述兩個(gè)影像進(jìn)行降階處理，以降低該解析度。
5.如權(quán)利要求4所述的全景影像接合方法，其特征在于，所述降階處理包括根據(jù)所述兩個(gè)影像的解析度選擇一降階率，并利用該降階率對(duì)所述兩個(gè)影像進(jìn)行降階處理。
6.如權(quán)利要求1所述的全景影像接合方法，其特征在于，所述影像投影與扭曲步驟進(jìn)一步包括:建立一個(gè)描述影像在轉(zhuǎn)換前后的坐標(biāo)對(duì)應(yīng)關(guān)系的對(duì)照表。
7.如權(quán)利要求1所述的全景影像接合方法，其特征在于，在所述影像投影與扭曲步驟之后，所述全景影像接合方法進(jìn)一步包括: 影像補(bǔ)色步驟:消除所述全景影像中的所述兩個(gè)影像的接合部分的顏色失真。
8.如權(quán)利要求1所述的全景影像接合方法，其特征在于，所述坐標(biāo)轉(zhuǎn)換矩陣是一維度為三乘三的矩陣。
9.如權(quán)利要求1所述的全景影像接合方法，其特征在于，所述錯(cuò)誤匹配點(diǎn)檢測步驟進(jìn)一步包括: a)分別計(jì)算所述第一影像和所述第二影像中的多個(gè)特征點(diǎn)的坐標(biāo)的坐標(biāo)矩陣的平均值； b)根據(jù)所述平均值計(jì)算一歸一化系數(shù)； c)根據(jù)所述歸一化系數(shù)對(duì)所述坐標(biāo)矩陣進(jìn)行坐標(biāo)變換，以得到一歸一化坐標(biāo)矩陣； d)將所述第二影像的所述歸一化坐標(biāo)矩陣進(jìn)行角度旋轉(zhuǎn)，以調(diào)整到目標(biāo)矩陣；e)通過比較所述目標(biāo)矩陣和所述第一影像的所述歸一化坐標(biāo)矩陣來計(jì)算出一匹配誤差；以及 f)如果所述匹配誤差大于一預(yù)定值，則減少所述步驟a)中的特征點(diǎn)的數(shù)量，再重復(fù)執(zhí)行所述步驟a)~步驟e)，直到匹配誤差小于所述預(yù)定值。
10.如權(quán)利要求1所述的全景影像接合方法，其特征在于，所述基于經(jīng)所述去除錯(cuò)誤配對(duì)特征處理后的所述特征點(diǎn)確定一坐標(biāo)轉(zhuǎn)換矩陣的步驟進(jìn)一步包括: 將所述兩個(gè)影像之一切割成數(shù)個(gè)相同大小的區(qū)塊； 找出包含最多特征點(diǎn)的區(qū)塊； 計(jì)算出所述包含最多的已匹配特征點(diǎn)的區(qū)塊中的所有特征點(diǎn)的重心坐標(biāo)； 根據(jù)所述重心坐標(biāo)，將所述包含最多的已匹配特征點(diǎn)的區(qū)塊再分成四個(gè)小區(qū)塊； 在所述四個(gè)小區(qū)塊中的每一個(gè)小區(qū)塊中各取出一個(gè)強(qiáng)度最高的特征點(diǎn)；以及 根據(jù)所述四個(gè)小區(qū)塊中的四個(gè)強(qiáng)度最高的特征點(diǎn)，確定所述坐標(biāo)轉(zhuǎn)換矩陣。
【文檔編號(hào)】G06T5/40GK103793891SQ201210418265
【公開日】2014年5月14日 申請(qǐng)日期:2012年10月26日 優(yōu)先權(quán)日:2012年10月26日
【發(fā)明者】郭峻因 申請(qǐng)人:海法科技有限公司