[发明专利]一种针对AGV应用的大场景图像拼接方法

说明书

本发明提供了一种针对AGV应用的大场景图像拼接方法。该方法包括如下步骤：1输入待拼接图像；2对每个图像用ORB算法进行特征点检测；3对图像进行匹配；4使用RANSAC得到准确转换矩阵；5得到水平偏移和垂直偏移；6对图像进行初步融合并确定掩码；7图像多频段融合、叠加，实现图像拼接。本发明针对AGV场景的构建设计了更加适合的图像融合部分中的掩码部分，在确保精度的同时，提升掩码的产生速度，也缩短图像融合的时间，并且拓展到多张图像沿两个自由度的自动拼接。同时，提出直接使用目标图像与基准图像之间的转换矩阵，减少图像的配准次数，有效降低现有单向拼接算法中由于多张图像带来的累积误差，提升全景成像效果。

技术领域

本发明涉及图像处理技术领域，具体地说是一种针对AGV应用的大场景图像拼接方法。

背景技术

AGV(自动导航小车)是装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车。针对AGV应用大场景的构建，可为小车地图构建、路径规划和小车定位等打下坚实基础。但由于单个摄像机的视角有限或大视野分辨率无法达到要求，故而需采取图像拼接的方式来达到满足大场景且高分辨率的要求。

图像拼接是指将两张或多张具有重叠区域的图像，通过图像配准、图像重投影和图像融合等步骤，将其生成一张具有更大视野、更高分辨率的无明显图像接缝的更大范围、更多场景信息的全景图像。图像拼接技术对于成像设备拍摄范围和分辨率，不能同时达到最大的两难问题有了更好的解决方法。进行图像拼接的图像首先要求没有明显的视差，也就是图像拍摄得到的近似平面或者相机旋转拍摄的光心要保持不变，从而确保在图像拼接完成之后，可以使得在保持图像分辨率不变的情况下获得更大的视野(FOV)。图像拼接技术目前在计算机视觉中的运动检测和跟踪、分辨率增强等研究中产生了重大的影响，在医学自动诊断、虚拟现实增强、自动驾驶、卫星遥感成像、监控监视等领域得到广泛应用。

图像拼接技术主要包括图像配准、图像重投影和图像融合三个步骤。图像配准是为了求取由同一场景得到的一系列图像中的一对图像的几何对应关系。为了配准一组图像，需要将图像与这一系列的图像集合中的目标图像进行几何关系估计。这个图像集合可以由不同时间、不同位置、不同相机拍摄的两个或多个图像组成。图像配准的核心任务就是求取图像集合中图像之间的几何变换矩阵。该转换矩阵具有8个自由度。目前广泛用于图像配准的算法有SIFT、SURF和ORB等算法。SIFT是最为经典的特征点检测和匹配算法，能很有效的确保各种不变性，但是计算量大，计算成本高。而SURF是在SIFT算法上进行的改进，研究表明其计算效率相较于SIFT提高了三倍。但是对于便携式设备来说，SIFT和SURF所需的内存太过于庞大，很难应用于实时场景，于是ORB算法应运而生。图像重投影是将配准之后的对应图像投影到一个更大的平面上，从而估计最终的投影模型。目前流行的有平面投影、柱面投影、球形投影等。图像融合的目的是使重投影之后的图像的重叠区域像素点平滑过渡，主要思想是采用一定的方法来确定重叠区域像素点的灰度值取值。目前主要的方法有线性加权融合和多频段融合，但是往往在使用这些融合算法之前加入最佳缝合线的寻找，从而能更好的消除融合图像中运动物体的鬼影和模糊等情况。

发明内容

本发明的目的就是提供一种针对AGV应用的大场景图像拼接方法，通过该方法可实现将相机平移拍摄得到的多幅图像进行自动拼接，可以应用于AGV大场景的构建，为地图构建、路径规划和小车定位打下的基础；通过该方法还能极大地去除人为因素或者设备条件限制等带来的相机拍摄所产生的两自由度偏差，提高图像拼接的鲁棒性。

本发明是这样实现的：一种针对AGV应用的大场景图像拼接方法，包括如下步骤：

a、输入待拼接图像；

b、采用ORB算法对每个待拼接图像进行特征点检测；