1.一种全景视频拼接方法,其特征在于,包括以下步骤:
获取一组图像并生成模板;
使用模板将视频每一帧进行空间映射;
将映射后的视频帧渲染成全景视频,
其中,生成模板包括以下步骤:
对图像进行畸变校正;
对校正后的图像进行特征点提取及特征点匹配;
使用优化算法以及特征点匹配结果估计空间映射参数,将映射参数保存成模板。
2.根据权利要求1所述的方法,其特征在于,所述对图像进行畸变校正,采用经纬度校正法,在一条确定的经度上,图像上一点的椭圆方程为:
经纬度校正后的坐标为(x1,y1),校正关系为:
3.根据权利要求1所述的方法,其特征在于,所述特征点提取包括以下步骤:
用高斯金字塔方法构建尺度空间,对校正后的图像进行若干次的卷积和下采样,得到尺度空间图像;
对构建好的尺度空间图像进行搜索,找到局部极大值点作为初步关键点,然后通过极大值抑制,确定最终的关键点,即特征点;
通过对特征点周围图像区域分块,计算每块内梯度直方图,再用这些直方图生成一个128维向量,即进行特征点描述。
4.根据权利要求3所述的方法,其特征在于,所述卷积,利用如下公式得到卷积后图像:
L(x,y,σ)=I(x,y)*G(x,y,σ),
其中I(x,y)为原图像,G(x,y,σ)为高斯函数,L(x,y,σ)为卷积后图像。
5.根据权利要求3所述的方法,其特征在于,所述特征点匹配,首先从一张图像中选择一个特征点,根据其特征点描述,从另一张图像中搜索出与该特征点描述最相似的特征点描述,即形成一对匹配的特征点。
6.根据权利要求1所述的方法,其特征在于,所述使用优化算法以及特征点匹配结果估计空间映射参数,为用若干对匹配的特征点,通过优化算法估计空间映射参数,包括旋转量、平移量、及畸变量,将这些参数保存成模板。
7.根据权利要求1所述的方法,其特征在于,所述优化算法为最小二乘法或LevenBerg-Marquardt算法。
8.根据权利要求1所述的方法,其特征在于,所述使用模板将视频每一帧进行空间映射,为根据所生成的模板中的空间映射参数,将视频的每一帧图像投影到全景平面上。
9.根据权利要求1所述的方法,其特征在于,所述将映射后的视频帧渲染成全景视频,是通过图像的线性融合,生成全景视频。
10.根据权利要求9所述的方法,其特征在于,所述线性融合,是对若干图像进行线性加权,包括以下步骤:
将图像映射到全景图像时,生成每个有效像素点的权重系数w,无效区的权重系数为0;
不同镜头间存在重合区域,即存在不同幅图像映射到全景图像中的同一个点,全景图像的像素值由如下公式得到:
其中,N为有N个图像映射到全景图像中的同一个点,In(x,y)为第n个图像的像素值,wn(x,y)为第n个图像在点(x,y)的权重。
11.根据权利要求1所述的方法,其特征在于,所述将映射后的视频帧渲染成全景视频,是通过图像的多重融合或无缝融合或泊松融合,生成全景视频。