CN112637519A - 多路4k准实时拼接视频的全景拼接算法 - Google Patents
多路4k准实时拼接视频的全景拼接算法 Download PDFInfo
- Publication number
- CN112637519A CN112637519A CN202011293276.5A CN202011293276A CN112637519A CN 112637519 A CN112637519 A CN 112637519A CN 202011293276 A CN202011293276 A CN 202011293276A CN 112637519 A CN112637519 A CN 112637519A
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- feature
- data
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 31
- 230000004927 fusion Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000009877 rendering Methods 0.000 claims abstract description 6
- 238000007499 fusion processing Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/2624—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects for obtaining an image which is composed of whole input images, e.g. splitscreen
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了多路4K准实时拼接视频的全景拼接算法，涉及一种全景拼接算法，属于实时视频拼接技术领域；通过多个采集终端进行视频图像的获取；通过数据解码模块将获取的视频图像进行视频帧的数据解码，并通过帧图像预处理模块对解码后的帧图像进行预处理；将处理后的帧图像数据发送至中央处理器进行帧图像配准，帧图像配准具体包括特征点检测、特征点描述以及特征点匹配；配准后的图像数据发送至图形处理器，在图形处理器得到配准后的图像数据后通过像素缓冲区对加速图像进行渲染与显示；中央处理器将处理第N帧配准后的数据传递给图像处理器后，捕获第N+1帧图像解码数据，并在中央处理器处理，同时，在图像处理器进行第N帧图像融合。
Description
技术领域
本发明涉及一种全景拼接算法，具体为多路4K准实时拼接视频的全景拼接算法，属于实时视频拼接技术领域。
背景技术
在日常生活中，时常需要获取宽视角、大场景的全景图像，但是由于摄像设备中物理因素的限制，一般只能得到大场景中的局部图像。一些硬件设备，如鱼眼摄像机和广角镜头虽然可以得到全景图像，但成本较高，不适合广泛使用。为了获取实时全局大尺度图像信息，在机场、码头、广场、交通路口等视野开阔的大型场景中，通常需要布设多台网络摄像机。这种方法虽然可以获得更多的监控范围，但是场景的显示被分割成多个子窗口，不能够自然全面地直接反映真实的场景。
近年来随着并行计算的发展，图像并行化处理受到广泛关注，实现了基于统一设备架构的实时拼接算法。但是在该算法中只是将图像的配准算法改为并行实现，由于显卡自身的限制，无法将配准与融合同时并行处理视频流中的每一帧图像。一种基于SURF和图像兴趣区的实时视频拼接解决方法，虽然有效解决了摄像机的抖动问题，滤除了鬼影，但是针对分辨率为320x240大小的图像，拼接平均耗时在130ms左右，实时性较差。
为了解决上述技术问题，本发明提供如下技术方案。
发明内容
本发明的目的在于提供多路4K准实时拼接视频的全景拼接算法，在ORB算法的基础上进行了改进，在配准的精度和速度上可以达到实时的需求。而在图像融合方面，由于大场景高清图像的数据计算量大，将融合算法修改为并行融合算法，使用CUDA技术将程序移植到具有大规模并行处理能力的显卡中执行，以满足系统的实时性需求。为了加速视频流中帧图像数据的显示，将CUDA计算后得到的图像数据使用OpenG1技术实现图像的渲染绘制，两者共享同一块帧缓冲区。
本发明的目的可以通过以下技术方案实现：
多路4K准实时拼接视频的全景拼接算法，传统的视频拼接的主要流程包括以下步骤：视频帧的数据解码，帧图像预处理，帧图像配准，建立变换模型，统一坐标变换，帧图像融合以及帧图像渲染；为了加快视频拼接的速度，达到实时的效果，在视频拼接的主要流程中加入两个并行模块，分别为图像融合并行模块与融合处理并行模块，所述图像融合并行模块是不同的采集终端间的并行执行，所述融合处理并行模块是内部多线程大规模的并行执行。
为了达到视频拼接的全覆盖，要求多个采集终端间实现采集视频的全包围，相邻两个采集终端间有一定的重合区域。
多路4K准实时拼接视频的全景拼接算法的具体实现方法包括以下步骤：
通过多个采集终端进行视频图像的获取；
将获取的视频图像进行视频帧的数据解码，并对解码后的帧图像进行预处理；
将处理后的帧图像数据发送至中央处理器进行帧图像配准，帧图像配准具体包括特征点检测、特征点描述以及特征点匹配；
配准后的图像数据发送至图形处理器，在图形处理器得到配准后的图像数据后通过OpenG1的像素缓冲区对加速图像进行渲染与显示，满足了高清图像帧拼接的实时性要求；
其中，中央处理器将处理第N帧配准后的数据传递给图像处理器后，立即捕获第N+1帧图像解码数据，并在中央处理器处理；同时，在图像处理器进行第N帧图像融合算法。
优选地，所述特征点检测的具体方法包括以下步骤：
步骤一：为了消除噪声对图像配准的影响，使用高斯核平滑滤波器对图像进行预处理；
步骤二：使用FAST算法检测图像的特征点；
步骤三：对检测到的特征点进行排序，选取前M个最大的特征点；
步骤四：对于获取到的M个特征点，计算角点的方向θ；
在特征点周围选取一个半径为R的圆形领域，选取领域像素对(x，y)，使得x，y∈[-R，R]；图像中一小块区域图像I(x，y)的(p+q)阶矩定义为：
角点所在小块区域的质心坐标C:
质心方向即为特征点的方向：
优选地，对图像中检测到的特征点进行特征描述的关键在于描特征的算子应同时具有鲁棒性和可区分性。鲁棒性指特征描述子不应受到视角、尺度、旋转和光照等变化的影响；而可区分性则是指所使用的描述算子能够在一定程度上反映特征区域的图像特征，并能够量化区分与之匹配的特征和非匹配的特征。
描述子为：
针对图像的特征点区域，选取48*48大小的图像块，对补丁块进行高斯滤波去噪，选取满足高斯分布的n个(x，y)像素位置对，p(x)为图像块在像素点x处的灰度值，p(y)为图像块在像素点y处的灰度值，则有：
通常，在特征点周围，选取n＝256对像素点对，通过这些点对构建一个具有256个二进制比特流的向量；对于任意特征点，序列在(x,y)像素位置的n个二进制位准则构建矩阵S；
使用关键点及周围邻域构成的图像小块的方向θ和对应的旋转矩阵Rθ,最后得到描述算子：gn(p，θ)＝fn(p)|(xi,yi)；
优选地，特征点匹配是在2个特征点集中搜索相互距离最近的特征点的过程。特征点匹配，常利用各种欧氏距离作为衡量特征点相似性的标准。为提高匹配成功率，还应消除错误匹配的特征点对，计算出特征点集合满足的模型，再通过此模型验证各个特征点对，去除误匹配。
与现有技术相比，本发明的有益效果是：
1、传统的视频拼接的主要流程包括以下步骤：视频帧的数据解码，帧图像预处理，帧图像配准，建立变换模型，统一坐标变换，帧图像融合以及帧图像渲染；为了加快视频拼接的速度，达到实时的效果，在视频拼接的主要流程中加入两个并行模块，分别为图像融合并行模块与融合处理并行模块，所述图像融合并行模块是不同的采集终端间的并行执行，所述融合处理并行模块是内部多线程大规模的并行执行。
2、本发明为了达到视频拼接的全覆盖，要求多个采集终端间实现采集视频的全包围，相邻两个采集终端间有一定的重合区域。
3、通过多个采集终端进行视频图像的获取；将获取的视频图像进行视频帧的数据解码，并对解码后的帧图像进行预处理；将处理后的帧图像数据发送至中央处理器进行帧图像配准，帧图像配准具体包括特征点检测、特征点描述以及特征点匹配；配准后的图像数据发送至图形处理器，在图形处理器得到配准后的图像数据后通过OpenG1的像素缓冲区对加速图像进行渲染与显示，满足了高清图像帧拼接的实时性要求；其中，中央处理器将处理第N帧配准后的数据传递给图像处理器后，立即捕获第N+1帧图像解码数据，并在中央处理器处理；同时，在图像处理器进行第N帧图像融合算法。
4、所述特征点检测的具体方法包括以下步骤：为了消除噪声对图像配准的影响，使用高斯核平滑滤波器对图像进行预处理；使用FAST算法检测图像的特征点；对检测到的特征点进行排序，选取前M个最大的特征点；对于获取到的M个特征点，计算角点的方向θ。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，多路4K准实时拼接视频的全景拼接算法，传统的视频拼接的主要流程包括以下步骤：视频帧的数据解码，帧图像预处理，帧图像配准，建立变换模型，统一坐标变换，帧图像融合以及帧图像渲染；为了加快视频拼接的速度，达到实时的效果，在视频拼接的主要流程中加入两个并行模块，分别为图像融合并行模块与融合处理并行模块，所述图像融合并行模块是不同的采集终端间的并行执行，所述融合处理并行模块是内部多线程大规模的并行执行。
为了达到视频拼接的全覆盖，要求多个采集终端间实现采集视频的全包围，相邻两个采集终端间有一定的重合区域。
多路4K准实时拼接视频的全景拼接算法的具体实现方法包括以下步骤：
通过多个采集终端进行视频图像的获取；
将获取的视频图像进行视频帧的数据解码，并对解码后的帧图像进行预处理；
将处理后的帧图像数据发送至中央处理器进行帧图像配准，帧图像配准具体包括特征点检测、特征点描述以及特征点匹配；
配准后的图像数据发送至图形处理器，在图形处理器得到配准后的图像数据后通过OpenG1的像素缓冲区对加速图像进行渲染与显示，满足了高清图像帧拼接的实时性要求；
其中，中央处理器将处理第N帧配准后的数据传递给图像处理器后，立即捕获第N+1帧图像解码数据，并在中央处理器处理；同时，在图像处理器进行第N帧图像融合算法。
所述特征点检测的具体方法包括以下步骤：
步骤一：为了消除噪声对图像配准的影响，使用高斯核平滑滤波器对图像进行预处理；
步骤二：使用FAST算法检测图像的特征点；
步骤三：对检测到的特征点进行排序，选取前M个最大的特征点；
步骤四：对于获取到的M个特征点，计算角点的方向θ；
在特征点周围选取一个半径为R的圆形领域，选取领域像素对(x，y)，使得x，y∈[-R，R]；图像中一小块区域图像I(x，y)的(p+q)阶矩定义为：
角点所在小块区域的质心坐标C:
质心方向即为特征点的方向：
对图像中检测到的特征点进行特征描述的关键在于描特征的算子应同时具有鲁棒性和可区分性。鲁棒性指特征描述子不应受到视角、尺度、旋转和光照等变化的影响；而可区分性则是指所使用的描述算子能够在一定程度上反映特征区域的图像特征，并能够量化区分与之匹配的特征和非匹配的特征。
描述子为：
针对图像的特征点区域，选取48*48大小的图像块，对补丁块进行高斯滤波去噪，选取满足高斯分布的n个(x，y)像素位置对，p(x)为图像块在像素点x处的灰度值，p(y)为图像块在像素点y处的灰度值，则有：
通常，在特征点周围，选取n＝256对像素点对，通过这些点对构建一个具有256个二进制比特流的向量；对于任意特征点，序列在(x,y)像素位置的n个二进制位准则构建矩阵S；
使用关键点及周围邻域构成的图像小块的方向θ和对应的旋转矩阵Rθ,最后得到描述算子：gn(p，θ)＝fn(p)|(xi,yi)；
特征点匹配是在2个特征点集中搜索相互距离最近的特征点的过程。特征点匹配，常利用各种欧氏距离作为衡量特征点相似性的标准。为提高匹配成功率，还应消除错误匹配的特征点对，计算出特征点集合满足的模型，再通过此模型验证各个特征点对，去除误匹配。
上述公式均是去量化取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：多路4K准实时拼接视频的全景拼接算法，包括采集终端、数据解码模块，帧图像预处理模块，中央处理器，图形处理器、图像融合并行模块以及融合处理并行模块，所述图像融合并行模块是不同的采集终端间的并行执行，所述融合处理并行模块是内部多线程大规模的并行执行；所述中央处理器包括特征点检测单元、特征点描述单元以及特征点匹配单元；
多路4K准实时拼接视频的全景拼接算法的具体实现方法包括以下步骤：
通过多个采集终端进行视频图像的获取；通过数据解码模块将获取的视频图像进行视频帧的数据解码，并通过帧图像预处理模块对解码后的帧图像进行预处理；将处理后的帧图像数据发送至中央处理器进行帧图像配准，帧图像配准具体包括特征点检测、特征点描述以及特征点匹配；配准后的图像数据发送至图形处理器，在图形处理器得到配准后的图像数据后通过像素缓冲区对加速图像进行渲染与显示；其中，中央处理器将处理第N帧配准后的数据传递给图像处理器后，捕获第N+1帧图像解码数据，并在中央处理器处理，同时，在图像处理器进行第N帧图像融合。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.多路4K准实时拼接视频的全景拼接算法，其特征在于，包括采集终端、数据解码模块，帧图像预处理模块，中央处理器，图形处理器、图像融合并行模块以及融合处理并行模块，所述图像融合并行模块是不同的采集终端间的并行执行，所述融合处理并行模块是内部多线程大规模的并行执行；所述中央处理器包括特征点检测单元、特征点描述单元以及特征点匹配单元；
多路4K准实时拼接视频的全景拼接算法的具体实现方法包括以下步骤：
通过多个采集终端进行视频图像的获取；
通过数据解码模块将获取的视频图像进行视频帧的数据解码，并通过帧图像预处理模块对解码后的帧图像进行预处理；
将处理后的帧图像数据发送至中央处理器进行帧图像配准，帧图像配准具体包括特征点检测、特征点描述以及特征点匹配；
配准后的图像数据发送至图形处理器，在图形处理器得到配准后的图像数据后通过像素缓冲区对加速图像进行渲染与显示；
其中，中央处理器将处理第N帧配准后的数据传递给图像处理器后，捕获第N+1帧图像解码数据，并在中央处理器处理，同时，在图像处理器进行第N帧图像融合。
2.根据权利要求1所述的多路4K准实时拼接视频的全景拼接算法，其特征在于：
所述特征点检测单元的具体方法包括以下步骤：
步骤一：使用高斯核平滑滤波器对图像进行预处理；
步骤二：使用FAST算法检测图像的特征点；
步骤三：对检测到的特征点进行排序，选取前M个最大的特征点；
步骤四：对于获取到的M个特征点，计算角点的方向θ；
在特征点周围选取一个半径为R的圆形领域，选取领域像素对(x，y)，使得x，y∈[-R，R]；图像中一小块区域图像I(x，y)的(p+q)阶矩定义为：
角点所在小块区域的质心坐标C:
质心方向即为特征点的方向：
3.根据权利要求1所述的多路4K准实时拼接视频的全景拼接算法，其特征在于：
所述特征点描述单元用于对图像中检测到的特征点进行特征描述，特征描述在于描述特征的描述子，描述子具有具有鲁棒性和可区分性；鲁棒性指特征描述子不受到视角、尺度、旋转和光照变化的影响；可区分性则是指所使用的描述算子在一定程度上反映特征区域的图像特征，并量化区分与之匹配的特征和非匹配的特征；描述子为：
针对图像的特征点区域，选取48*48大小的图像块，对补丁块进行高斯滤波去噪，选取满足高斯分布的n个(x，y)像素位置对，p(x)为图像块在像素点x处的灰度值，p(y)为图像块在像素点y处的灰度值，则有：
在特征点周围，选取n＝256对像素点对，通过这些点对构建一个具有256个二进制比特流的向量；对于任意特征点，序列在(x,y)像素位置的n个二进制位准则构建矩阵S；使用关键点及周围邻域构成的图像小块的方向θ和对应的旋转矩阵Rθ，得到描述算子：gn(p，θ)＝fn(p)|(xi,yi)。
4.根据权利要求1所述的多路4K准实时拼接视频的全景拼接算法，其特征在于：所述特征点匹配单元用于匹配特征点，特征点匹配是在两个特征点集中搜索相互距离最近的特征点的过程；特征点匹配，利用各种欧氏距离作为衡量特征点相似性的标准；消除错误匹配的特征点对，计算出特征点集合满足的模型，再通过此模型验证各个特征点对，去除误匹配。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011293276.5A CN112637519A (zh) | 2020-11-18 | 2020-11-18 | 多路4k准实时拼接视频的全景拼接算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011293276.5A CN112637519A (zh) | 2020-11-18 | 2020-11-18 | 多路4k准实时拼接视频的全景拼接算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112637519A true CN112637519A (zh) | 2021-04-09 |
Family
ID=75303345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011293276.5A Pending CN112637519A (zh) | 2020-11-18 | 2020-11-18 | 多路4k准实时拼接视频的全景拼接算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112637519A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538461A (zh) * | 2021-07-14 | 2021-10-22 | 深圳市点购电子商务控股股份有限公司 | 一种视频图像处理方法和装置 |
| CN113645443A (zh) * | 2021-07-16 | 2021-11-12 | 南京理工大学 | 基于fpga的环绕视频拼接显示方法及系统 |
| CN115294748A (zh) * | 2022-09-08 | 2022-11-04 | 广东中科凯泽信息科技有限公司 | 一种基于视觉数据分析的固定目标消失预警方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105100640A (zh) * | 2015-01-23 | 2015-11-25 | 武汉智源泉信息科技有限公司 | 一种局部配准并行视频拼接方法及系统 |
| EP3246871A1 (en) * | 2016-05-20 | 2017-11-22 | Shenyang Neusoft Medical Systems Co., Ltd. | Image splicing |
| CN109040701A (zh) * | 2018-09-10 | 2018-12-18 | 合肥巨清信息科技有限公司 | 一种基于大场景多gpu模式的视频拼接方法 |
-
2020
- 2020-11-18 CN CN202011293276.5A patent/CN112637519A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105100640A (zh) * | 2015-01-23 | 2015-11-25 | 武汉智源泉信息科技有限公司 | 一种局部配准并行视频拼接方法及系统 |
| EP3246871A1 (en) * | 2016-05-20 | 2017-11-22 | Shenyang Neusoft Medical Systems Co., Ltd. | Image splicing |
| CN109040701A (zh) * | 2018-09-10 | 2018-12-18 | 合肥巨清信息科技有限公司 | 一种基于大场景多gpu模式的视频拼接方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113538461A (zh) * | 2021-07-14 | 2021-10-22 | 深圳市点购电子商务控股股份有限公司 | 一种视频图像处理方法和装置 |
| CN113645443A (zh) * | 2021-07-16 | 2021-11-12 | 南京理工大学 | 基于fpga的环绕视频拼接显示方法及系统 |
| CN115294748A (zh) * | 2022-09-08 | 2022-11-04 | 广东中科凯泽信息科技有限公司 | 一种基于视觉数据分析的固定目标消失预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104685513B (zh) | 根据使用阵列源捕捉的低分辨率图像的基于特征的高分辨率运动估计 | |
| US8848035B2 (en) | Device for generating three dimensional surface models of moving objects | |
| CN112637519A (zh) | 多路4k准实时拼接视频的全景拼接算法 | |
| WO2016095192A1 (en) | Optical-flow imaging system and method using ultrasonic depth sensing | |
| CN106920210B (zh) | 一种基于球面展开模型的鱼眼视频实时全景校正方法 | |
| CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控系统及存储介质 | |
| CN103902953B (zh) | 一种屏幕检测系统及方法 | |
| WO2021136386A1 (zh) | 数据处理方法、终端和服务器 | |
| CN108717704B (zh) | 基于鱼眼图像的目标跟踪方法、计算机装置及计算机可读存储介质 | |
| CN102497539A (zh) | 基于改进sift特征匹配的全景监控系统及其监控方法 | |
| Xu et al. | Dynamic obstacle detection based on panoramic vision in the moving state of agricultural machineries | |
| CN114119739A (zh) | 一种基于双目视觉的手部关键点空间坐标获取方法 | |
| TW202244680A (zh) | 位置姿勢獲取方法、電子設備及電腦可讀儲存媒體 | |
| CN109089048B (zh) | 多镜头全景联动装置及方法 | |
| CN108737743A (zh) | 基于图像拼接的视频拼接装置及视频拼接方法 | |
| WO2023280082A1 (zh) | 一种手柄inside-out视觉6自由度定位方法及系统 | |
| CN112351181A (zh) | 基于cmos芯片和zynq体系的智能相机 | |
| CN111696143A (zh) | 一种事件数据的配准方法与系统 | |
| Li et al. | Panorama video stitching system based on VR Works 360 video | |
| CN107274449B (zh) | 一种光学照片对物体的空间定位系统及方法 | |
| CN114184127B (zh) | 一种基于单相机无标靶的建筑物全局位移监测方法 | |
| CN113850905B (zh) | 一种用于周扫型光电预警系统的全景图像实时拼接方法 | |
| CN115880643A (zh) | 一种基于目标检测算法的社交距离监测方法和装置 | |
| CN109272445A (zh) | 基于球面模型的全景视频拼接方法 | |
| CN115984124A (zh) | 一种神经形态脉冲信号去噪和超分辨方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |
|
| RJ01 | Rejection of invention patent application after publication |