一种用于全景图像的拼接方法和系统技术方案

本发明专利技术给出了一种用于全景图像的拼接方法和系统，包括将不同图像采集设备获取的原始图像转换为灰度图，基于高斯尺度金字塔对灰度图进行迭代降采样处理，获取灰度图的尺度金字塔构造图；利用加速分割测试的FAST算法获取灰度图中的特征点以及特征点的坐标信息；响应于不同的灰度图中匹配特征点的密集程度大于预设范围，基于匹配特征点的数据量和密集程度将包含匹配特征点的区域缩小，并利用随机抽样一致性算法筛选匹配特征点；建立特征点与原始图像的相对坐标关系，利用特征点的坐标信息以及相对坐标关系将原始图像拼接，获得初始合成图像；利用高斯滤波对初始合成图像进行平滑度处理，生成全景图像。利用上述方法可以极大提高全景图像的拼接效率。

【技术实现步骤摘要】
一种用于全景图像的拼接方法和系统
本专利技术涉及图像拼接的
，尤其是一种用于全景图像的拼接方法和系统。
技术介绍
在早期的图像融合发展过程中，图像融合主要依靠后期处理为主，根据其侧重点大致可分为简单的图像拼接阶段和全景VR阶段。在图像拼接阶段，通过对两幅分辨率较小的图像进行拼接来获得分辨率更高、视域更广的图像，主要用于扩展视觉范围，区域场景展示等领域；随着图像拼接技术的逐步完善，第二阶段的图像融合主要是对静态全景图像的合成，通过对预拍摄的图像进行后期的处理形成全景图像，成像于球面或者柱面模型上，大量用于景点展示、地图街景展示以及公司、学校全景展示等。从多摄像头的采集拍摄到最终生成一个完整的全景图像的过程中，主要包括了图像的配准、图像的融合处理方法等，每一环节都关系着最后拼接效果的好坏。基于特征匹配的图像拼接方法得益于优秀的表现效果，已渐渐成为研究热点和主流，但是特征匹配的图像拼接技术依旧存在着局限性，目前主要存在着两方面的问题：(1)实时性问题：一个图像是多帧图像序列的组合，其数据量巨大的性质要求图像拼接技术必须具有高实时性，也就是要求使用的拼接算法运算时间要极短。由于图像拼接中最耗时的步骤是图像的配准，因此如何选取实时性高的配准方法是提高图像拼接实时性的关键。同时，一般图像中都存在着大量的重复帧画面，重复画面会导致重复计算进而拖累运算速度，所以需要一定的逻辑方法来减少重复计算。(2)视觉效果问题：由于图像采集过程中会受到环境光线不均、拍摄角度变化、噪声干扰等多种外界因素影响，因此如何选择效果更好的配准与融合算法，提高配准与融合的精确度消除不良的拼接线痕迹，是最后拼接图像效果好坏的关键。
技术实现思路
针对现有技术中图像拼接技术中存在的实时运算效率低、拼接图像效果差的技术问题，本专利技术提出了一种用于全景图像的拼接方法和系统，用以解决全景图像拼接过程中存在的技术问题。在一个方面，本专利技术提出了一种用于全景图像拼接的方法，包括以下步骤：S1：将不同图像采集设备获取的原始图像转换为灰度图，基于高斯尺度金字塔对灰度图进行迭代降采样处理，获取灰度图的尺度金字塔构造图；S2：利用加速分割测试的FAST算法获取灰度图中的特征点以及特征点的坐标信息，其中，特征点满足在尺度金字塔构造图中任意两相邻的尺度层的相对位置比较中为极大或极小值；S3：响应于不同的灰度图中匹配特征点的密集程度大于预设范围，基于匹配特征点的数据量和密集程度将包含匹配特征点的区域缩小，并利用随机抽样一致性算法筛选匹配特征点；S4：建立特征点与原始图像的相对坐标关系，利用特征点的坐标信息以及相对坐标关系将原始图像拼接，获得初始合成图像；S5：利用高斯滤波对初始合成图像进行平滑度处理，生成全景图像。优选的，步骤S1中的尺度金字塔构造图具体包括：利用高斯卷积核对灰度图进行迭代的卷积，并进行降采样，形成自上而下画面逐渐模糊的高斯尺度金字塔结构。凭借构造的高斯尺度金字塔结构可以使得FAST算法具备更好的适应性。进一步优选的，降采样具体包括：尺度金字塔构造图包括五层结构，第一层结构为灰度图的原图像层，第一层结构的1.5倍降采样获得第二层结构，第一层结构的2倍降采样获得第三层结构，第二层结构的1.5倍降采样获得第四层结构，第三层结构的2倍降采样获得第五层结构。凭借该降采样方式，可以形成从上至下画面逐渐模糊、尺度逐渐增加的高斯尺度金字塔结构，便于进行FAST算法。优选的，步骤S2中利用加速分割测试的FAST算法获取灰度图中的特征点具体包括：S21：利用改进FAST算法对尺度金字塔构造图中的每层结构进行角点检测获取每层的角点信息；S22：对每层结构进行非极大值抑制，获取候选特征点；S23：定位候选特征点所在尺度及坐标位置。进一步优选的，获取候选特征点具体包括以下方法：响应于灰度图上的任一像素点的圆形邻域上过圆心的y轴方向上的两像素点与圆心像素点的灰度差绝对值小于第一阈值，过滤圆心像素点；响应于灰度图上的任一像素点的圆形邻域上过圆心的y轴方向上的两像素点与圆心像素点的灰度差绝对值大于第一阈值，且圆形邻域上过圆心的y轴和x轴方向上的四个像素点与圆心像素点的灰度差绝对值大于第一阈值的数量大于等于3个，将圆心像素点标记为候选特征点，其中，第一阈值设置为30。优选的，步骤S3具体包括：S31：将不同的灰度图分割为多个区域，响应于区域内的匹配特征点的数量小于第二阈值，利用随机抽样一致性算法直接筛选区域内的匹配特征点，其中第二阈值设置为25；S32：响应于区域内的匹配特征点的数量大于第二阈值，将区域继续分割，迭代步骤S31构建聚类点集合，分块随机删除不同的灰度图的匹配特征点，聚类点集合中的匹配特征点的数量小于第三阈值，其中，第三阈值设置为150。优选的，步骤S4具体包括：将特征点在灰度图中的坐标信息映射至原始图像中，基于不同的原始图像中的匹配特征点以及相对坐标关系，将包含匹配特征点的多个原始图像拼接。凭借相对坐标系的映射关系，能够将多张图像基于相同的特征点进行拼接。优选的，初始合成图像的拼接处的像素值为邻近像素的平均值。利用拼接处的像素平均值设置可以实现拼接处的平滑过渡。根据本专利技术的第二方面，提出了一种计算机可读存储介质，其上存储有一或多个计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述方法。根据本专利技术的第三方面，提出了一种用于全景图像的拼接系统，该系统包括：预处理单元：将不同图像采集设备获取的原始图像转换为灰度图，基于高斯尺度金字塔对灰度图进行迭代降采样处理，获取灰度图的尺度金字塔构造图；特征点获取单元：利用加速分割测试的FAST算法获取灰度图中的特征点以及特征点的坐标信息，其中，特征点满足在尺度金字塔构造图中任意两相邻的尺度层的相对位置比较中为极大或极小值；匹配单元：响应于不同的灰度图中匹配特征点的密集程度大于预设范围，基于匹配特征点的数据量和密集程度将包含匹配特征点的区域缩小，并利用随机抽样一致性算法筛选匹配特征点；拼接单元：建立特征点与原始图像的相对坐标关系，利用特征点的坐标信息以及相对坐标关系将原始图像拼接，获得初始合成图像；平滑处理单元：利用高斯滤波对初始合成图像进行平滑度处理，生成全景图像。本专利技术提出了一种用于全景图像的拼接方法和系统，该方法利用构造高斯尺度金字塔的方式克服了FAST算法本身的局限性，解决了其不具备尺度不变性，在面对尺度变换大的图像时无法做到准确的匹配，而图像拼接中经常会遇到尺度发生变化的图像的难题。还通过基于匹配特征点的数据量和密集程度将包含匹配特征点的区域缩小，配准时单步计算速度更快，简化了计算过程，具备良好的稳定性，兼顾了特征点配准的效果和效率，使得该方法在图像拼接过程中具备较好的自适应性。附图说明包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用本文档来自技高网...

【技术保护点】
1.一种用于全景图像的拼接方法，其特征在于，包括以下步骤：/nS1：将不同图像采集设备获取的原始图像转换为灰度图，基于高斯尺度金字塔对所述灰度图进行迭代降采样处理，获取所述灰度图的尺度金字塔构造图；/nS2：利用加速分割测试的FAST算法获取所述灰度图中的特征点以及所述特征点的坐标信息，其中，所述特征点满足在所述尺度金字塔构造图中任意两相邻的尺度层的相对位置比较中为极大或极小值；/nS3：响应于不同的所述灰度图中匹配特征点的密集程度大于预设范围，基于所述匹配特征点的数据量和密集程度将包含所述匹配特征点的区域缩小，并利用随机抽样一致性算法筛选所述匹配特征点；/nS4：建立所述特征点与所述原始图像的相对坐标关系，利用所述特征点的坐标信息以及所述相对坐标关系将所述原始图像拼接，获得初始合成图像；/nS5：利用高斯滤波对所述初始合成图像进行平滑度处理，生成全景图像。/n

【技术特征摘要】
1.一种用于全景图像的拼接方法，其特征在于，包括以下步骤：
S1：将不同图像采集设备获取的原始图像转换为灰度图，基于高斯尺度金字塔对所述灰度图进行迭代降采样处理，获取所述灰度图的尺度金字塔构造图；
S2：利用加速分割测试的FAST算法获取所述灰度图中的特征点以及所述特征点的坐标信息，其中，所述特征点满足在所述尺度金字塔构造图中任意两相邻的尺度层的相对位置比较中为极大或极小值；
S3：响应于不同的所述灰度图中匹配特征点的密集程度大于预设范围，基于所述匹配特征点的数据量和密集程度将包含所述匹配特征点的区域缩小，并利用随机抽样一致性算法筛选所述匹配特征点；
S4：建立所述特征点与所述原始图像的相对坐标关系，利用所述特征点的坐标信息以及所述相对坐标关系将所述原始图像拼接，获得初始合成图像；
S5：利用高斯滤波对所述初始合成图像进行平滑度处理，生成全景图像。


2.根据权利要求1所述的用于全景图像的拼接方法，其特征在于，所述步骤S1中的尺度金字塔构造图具体包括：利用高斯卷积核对所述灰度图进行迭代的卷积，并进行降采样，形成自上而下画面逐渐模糊的高斯尺度金字塔结构。


3.根据权利要求1或2所述的用于全景图像的拼接方法，其特征在于，所述降采样具体包括：所述尺度金字塔构造图包括五层结构，第一层结构为所述灰度图的原图像层，所述第一层结构的1.5倍降采样获得第二层结构，所述第一层结构的2倍降采样获得第三层结构，所述第二层结构的1.5倍降采样获得第四层结构，所述第三层结构的2倍降采样获得第五层结构。


4.根据权利要求1所述的用于全景图像的拼接方法，其特征在于，所述步骤S2中利用加速分割测试的FAST算法获取所述灰度图中的特征点具体包括：
S21：利用改进FAST算法对所述尺度金字塔构造图中的每层结构进行角点检测获取每层的角点信息；
S22：对所述每层结构进行非极大值抑制，获取候选特征点；
S23：定位所述候选特征点所在尺度及坐标位置。


5.根据权利要求4所述的用于全景图像的拼接方法，其特征在于，获取所述候选特征点具体包括以下方法：
响应于所述灰度图上的任一像素点的圆形邻域上过圆心的y轴方向上的两像素点与圆心像素点的灰度差绝对值小于第一阈值，过滤所述圆心像素点；
响应于所述响应于所述灰度图上的任一像素点的圆形邻域上过圆心的y轴方向上的两像素点与所述圆心像素点的灰度差绝对值大于所述第一阈值，且圆形邻...

【专利技术属性】
技术研发人员：黄仲华，周成富，
申请(专利权)人：广东申义实业投资有限公司，
类型：发明
国别省市：广东;44