[发明专利]一种全景相机的图像融合方法

说明书

技术领域

本发明涉及一种全景相机的图像融合方法。

背景技术

全景相机通常采用多个摄像头采集不同方向上的多幅图像以便获取全景图像。在全景摄像机成像过程中，多个摄像头采集到的不同方向上的多幅图像会有重叠部分，因此需通过图像融合来去除重叠部分，从而将多幅图像融合为一副全景图像。

发明内容

本发明的目的在于，提供一种全景相机的图像融合方法，多个摄像头采集到的不同方向上的多幅图像融合为一副全景图像。

本发明通过如下技术方案实现：所述全景相机的图像融合方法包括如下步骤：对具有重叠区域的相邻的图像进行特征点检测以获取特征点算子；

根据特征点算子进行特征匹配，以得到特征匹配对；

对得到的特征匹配对进行提取，得到鲁棒的特征匹配对；

根据鲁棒的特征匹配对进行图像拼接。

进一步地，所述特征点算子为SIFT特征点描述算子。

优选地，利用BBF算法根据特征点算子进行特征匹配。

进一步地，利用RANSAC算法对特征匹配对进行提取。

优选地，利用RANSAC算法对特征匹配对进行提取时，RANSAC确定的配准误差阀值的90％作为配准阀值提取最终的仿射变换矩阵。

优选地，在图像拼接过程中，利用中值滤波器来解决重合部分像素值的突变。

优选地，所述方法还包括几何校正步骤。

优选地，所述方法还包括噪声消除步骤。

优选地，摄像头的数量为2。

优选地，所述方法还包括对图像进行压缩的步骤。

本发明的有益效果是：本发明对具有重叠区域的相邻的图像进行特征点检测以获取特征点算子，根据特征点算子进行特征匹配，以得到特征匹配对，对得到的特征匹配对进行提取，得到鲁棒的特征匹配对，并根据鲁棒的特征匹配对进行图像拼接，从而可以稳定地消除相邻图像的重叠区域，得到理想的全景图像。

附图说明

图1是根据本发明的一个实施方式的全景相机的图像融合方法的流程图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做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。

图1是根据本发明的一个实施方式的全景相机的图像融合方法的流程图。如图1所示，根据本发明的一个实施方式的全景相机的图像融合方法包括如下步骤：

步骤S101，对具有重叠区域的相邻的图像进行特征点检测以获取特征点算子。尺度不变特征转换算法(Scale-invariant Feature Transform，简称SIFT算法)是一种提取局部特征的算法,在尺度空间寻找极值点、提取位置。可以使用SIFT算法来进行特征点检测，从而获得SIFT特征点描述算子。具体来说，由于高斯函数是唯一可能的尺度空间核函数，所以整个SIFT算法是基于“尺度不变”的特征。由于为了要让算子具备旋转不变性，我们在以特征点为中心的领域窗口采样，并用直方图统计邻域像素的梯度方向。

步骤S102，根据特征点算子进行特征匹配，以得到特征匹配对。最优节点优先算法(英文全称为Best BinFirst，简称BBF算法)是一种改进的k-d树最近邻查询算法。该方法采用一个优先级队列使搜索一次从节点与被查询节点距离由近及远的顺序进行。可以采用BBF算法根据特征点算子进行特征匹配。

步骤S103，对得到的特征匹配对进行提取，得到鲁棒的特征匹配对。随机抽样一致性算法(Random Sample Consensus,简称RANSAC算法)，该方法采用一个优先级队列使搜索一次从节点与被查询节点距离由近及远的顺序进行。可以利用RANSAC算法对特征匹配对进行提取获取鲁棒的特征匹配对，以提高系统鲁棒性。优选地，利用RANSAC算法对特征匹配对进行提取时，RANSAC确定的配准误差阀值的90％作为配准阀值提取最终的仿射变换矩阵。