一种全景模型参数优化方法及系统技术方案

本发明专利技术公开了一种全景模型参数优化方法及系统。该全景模型参数优化方法使用速度快的LM(Levenberg Marquard)算法对每台相机的内外参数和畸变参数做优化，引入Levy飞行搜索机制，采用Levy飞行策略的步长改进参数，在参数空间进行邻域搜索，为LM算法提供初值，可以增加LM算法跳出局部最优的能力，克服LM的局部收敛的缺点，提高求解精度。另外，在相机的内外参数和畸变参数的优化过程中，将匹配点密集区域的点进行误差排序，去掉其中误差偏大的少部分点，同时在历次优化之后，误差排序排名一直垫底的少部分点也要去掉。以此逐步淘汰匹配不准的点，有效地提高精度。

A Panoramic Model Parameter Optimization Method and System

The invention discloses a panoramic model parameter optimization method and system. This panoramic model parameter optimization method uses fast LM (Levenberg Marquard) algorithm to optimize the internal and external parameters and distortion parameters of each camera. Levy flight search mechanism is introduced. Levy flight strategy is adopted to improve parameters. Neighborhood search is carried out in parameter space to provide initial values for LM algorithm, which can increase the ability of LM algorithm to jump out of local optimum and overcome the local convergence of LM. The disadvantage is to improve the accuracy of solution. In addition, in the process of optimizing the internal and external parameters and distortion parameters of the camera, the points in the dense area of matching points are sorted by errors, and a few of the points with larger errors are removed. At the same time, after all previous optimization, the few points that have been at the bottom of the error ranking are also removed. In this way, the mismatched points can be eliminated and the accuracy can be improved effectively.

【技术实现步骤摘要】
一种全景模型参数优化方法及系统
本专利技术涉及视频处理
，尤其涉及一种全景模型参数优化方法及系统。
技术介绍
全景视频作为VR(虚拟现实)的数据源，对畸变的要求很高，很小的畸变在VR头盔里面很容易看到，影响体验效果。为了兼顾速度和精度要求，使用速度快的LM(LevenbergMarquard)算法做优化，在低维空间可以使用随机初值，但是面对参数较多的高维度空间(一个参数即一个维度)，LM算法容易陷入局部最优，需要多次迭代，因此，需要使用专门的搜索策略才能比较快地接近最优解，对全景模型进行优化以降低畸变。
技术实现思路
本专利技术所要解决的技术问题在于提供一种能够降低畸变、提高精度的全景模型参数优化方法及系统。一方面，本专利技术提供一种全景模型参数优化方法，包括如下步骤：S1，获取同一时间N个相机的视频截图图片，其中，N≥2；S2，提取视频截图图片的特征点并进行特征点匹配，获取每张视频截图图片与其他视频截图图片正确匹配的匹配点；S3，根据特征点坐标求解每台相机的内外参数初值；S4，利用图像点和全景球之间的坐标关系，根据匹配点的图像坐标获取视频截图图片上所有匹配点在全景球上的同名点坐标本文档来自技高网...

【技术保护点】
1.一种全景模型参数优化方法，其特征在于，所述全景模型参数优化方法包括如下步骤：S1，获取同一时间N个相机的视频截图图片，其中，N≥2；S2，提取视频截图图片的特征点并进行特征点匹配，获取每张视频截图图片与其他视频截图图片正确匹配的匹配点；S3，根据特征点坐标求解每台相机的内外参数初值；S4，利用图像点和全景球之间的坐标关系，根据匹配点的图像坐标获取视频截图图片上所有匹配点在全景球上的同名点坐标；S5，采用Levy飞行算法对每台相机的内外参数和畸变参数进行邻域搜索；S6，以Levy飞行算法的搜索结果作为LM算法的输入初值，以误差函数最小化为目标，利用LM算法对每台相机的内外参数和畸变参数进行优...

【技术特征摘要】
1.一种全景模型参数优化方法，其特征在于，所述全景模型参数优化方法包括如下步骤：S1，获取同一时间N个相机的视频截图图片，其中，N≥2；S2，提取视频截图图片的特征点并进行特征点匹配，获取每张视频截图图片与其他视频截图图片正确匹配的匹配点；S3，根据特征点坐标求解每台相机的内外参数初值；S4，利用图像点和全景球之间的坐标关系，根据匹配点的图像坐标获取视频截图图片上所有匹配点在全景球上的同名点坐标；S5，采用Levy飞行算法对每台相机的内外参数和畸变参数进行邻域搜索；S6，以Levy飞行算法的搜索结果作为LM算法的输入初值，以误差函数最小化为目标，利用LM算法对每台相机的内外参数和畸变参数进行优化更新；S7，若匹配点对的同名点坐标误差小于阈值或迭代次数达到最大迭代次数，停止迭代，输出每台相机优化后的内外参数和畸变参数。2.如权利要求1所述的全景模型参数优化方法，其特征在于，所述步骤S2包括子步骤：S21，分别提取每个视频截图图片的特征点，获取每张视频截图图片的特征点集；S22，分别将每张视频截图图片提取的特征点与其他N-1张视频截图图片提取的特征点集进行特征点匹配，获取每张视频截图图片的特征点与其他N-1张视频截图图片的特征点匹配上的匹配点；S23，利用RANSAC算法对每张视频截图图片的特征点与其他N-1张视频截图图片的特征点匹配上的匹配点进行错配点剔除，得到每张视频截图图片与其他视频截图图片正确匹配的匹配点。3.如权利要求1所述的全景模型参数优化方法，其特征在于，所述步骤S3包括子步骤：S31，从每张视频截图图片提取的特征点中选取n个特征点，n≥6；S32，根据选取的n个特征点的坐标，利用线性标定方法，求解每台相机的内外参数初值。4.如权利要求1所述的全景模型参数优化方法，其特征在于，若匹配点对的同名点坐标误差大于阈值且迭代次数未达到最大迭代次数，所述步骤S6之后包括：对匹配点进行误差排序并根据预设条件删除匹配不准确的匹配点；重复步骤S4至S6对每台相机的内外参数和畸变参数进行优化更新。5.如权利要求4所述的全景模型参数优化方法，其特征在于，所述对匹配点进行误差排序并根据预设条件删除匹配不准确的匹配点包括：对匹配点密集区域的匹配点进行误差排序，并根据预设条件删除匹配点密集区域中匹配不准确的匹配点；对所有匹配点进行误差排序，并根据预设条件删除误差排序排名垫底的匹配点。6.一种全景模型参数优化系统，其特征在于，所述全景模型参数优化系统包括...

【专利技术属性】
技术研发人员：董康，吴金勇，陈科，
申请(专利权)人：深圳市卓简科技有限公司，
类型：发明
国别省市：广东,44