基于改进ORB特征检测的全景视频拼接

针对全景视频拼接中算法复杂度高且拼接后的视频存在拼接裂缝和"GHOST"现象的问题,提出一种基于改进ORB特征检测的全景视频拼接方法。首先采用多尺度空间来检测特征点以及对检测参数进行设置,使得ORB算子具有尺度不变性且分布均匀;然后采用Hamming距离进行特征匹配并采用RANSAC算法去除误匹配点;最后通过采用复杂度较低的动态规划算法找到最佳缝合线,并对拼接后的图像采用泊松融合进行平滑处理。将Ladybug全景摄像机拍摄的1帧兰州西科站全景视频图像进行仿真实验。仿真结果表明,该全景视频拼接方法在实时性方面表现优异,对存在的拼接裂缝和"GHOST"现象有很好的抑制作用。     

GPU加速与L-ORB特征提取的全景视频实时拼接

全景视频是在同一视点拍摄记录全方位场景的视频.随着虚拟现实(VR)技术和视频直播技术的发展,全景视频的采集设备受到广泛关注.然而制作全景视频要求CPU和GPU都具有很强的处理能力,传统的全景产品往往依赖于庞大的设备和后期处理,导致高功耗、低稳定性、没有实时性且不利于信息安全.为了解决这些问题,首先提出了L-ORB特征点提取算法,该算法优化了分割视频图像的特征检测区域以及简化ORB算法对尺度和旋转不变性的支持;然后利用局部敏感Hash(Multi-Probe LSH)算法对特征点进行匹配,用改进的样本一致性(progressive sample consensus, PROSAC)算法消除误匹配,得到帧图像拼接映射关系,并采用多频带融合算法消除视频间的接缝.此外,使用整合了ARM A57 CPU和Maxwell GPU的Nvidia Jetson TX1异构嵌入式系统,利用其Teraflops的浮点计算能力和内建的视频采集、存储、无线传输模块,实现了多摄像头视频信息的实时全景拼接系统,有效地利用GPU指令的块、线程、流并行策略对图像拼接算法进行加速.实验结果表明,算法在图像拼接的特征提取、特征匹配等各个阶段均有很好的性能提升,其算法速度是传统ORB算法的11倍、传统SIFT算法的639倍;系统较传统的嵌入式系统性能提升了29倍,但其功耗低至10W.     

基于ORB特征的无人机遥感图像拼接改进算法

针对传统的SIFT算法运行速度较慢、不适合处理实时性要求高的无人机遥感图像的缺点,提出了一种基于ORB特征的快速遥感图像拼接改进算法。首先通过ORB算法快速得到特征点和特征描述,采用K最近邻算法（KNN）进行粗匹配,然后采用随机抽样一致性算法（RANSAC）进行精匹配,最后使用改进的加权平均方法对图像进行融合拼接。实验结果表明,该算法在保证匹配精度的基础上,处理速度较经典的SIFT算法提高了41倍。在图像融合时,该算法能有效地消除拼接重影错位现象。     

基于改进加速鲁棒特征的井下视频拼接算法

针对加速鲁棒特征算法用于井下视频拼接时实时性不高的问题,通过降低特征点维度和仅在感兴趣区域提取特征点来改进加速鲁棒特征算法,在此基础上提出了一种井下视频拼接算法。首先,利用改进的加速鲁棒特征算法提取视频图像特征点;然后,动态追踪特征点数量,若非首帧图像特征点数量变化超过阈值,则重新进行特征点配准、提纯,以及投影变换矩阵计算及存储处理,否则采用前一帧图像所得的投影变换矩阵;最后,采用渐入渐出加权平均法进行图像融合处理,完成视频拼接。实验结果表明,基于改进加速鲁棒特征的井下视频拼接算法实时性高,拼接效果较好。     

基于改进ORB的无人机航拍图像拼接算法

为满足无人机航拍对图像拼接实时性和鲁棒性的要求,提出一种基于改进ORB的无人机航拍图像拼接算法。首先,特征检测引入SURF算法中的海森检测算子,解决尺度不变性问题;其次,用ORB算法进行特征描述,使其具备旋转不变性;接着采用汉明距离进行准确高效的图像特征粗匹配;然后,用KNN算法去除误差较大的匹配,缩小搜索范围,用RANSAC算法再次提纯;最后,使用泊松融合进行图像无缝融合拼接。实验表明,改进ORB算法实时性好、鲁棒性强,处理速度是SURF算法的5倍,具有抗噪性、旋转不变性和尺度不变性。     

一种大视差场景下的实时视频拼接系统

随着虚拟现实技术和视频直播技术的发展,全景视频直播受到广泛的关注。传统的全景产品在处理大视差场景时易发生图像畸变,且难以兼顾实时性要求。为了解决这些问题,设计一种两路视频拼接系统。首先建立拼接背景模型。然后结合ORB(Oriented FAST and Rotated BRIEF)和基于移动DLT(Direct Linear Transformation)的APAP（As-Projective-As-Possible）算法完成图像配准,并改进一种基于最小能量检测的方法寻找最优接缝以避免移动前景引起的鬼影和错位。最后通过拼接模型计算阶段所得的参数索引表,对重叠区域进行融合完成视频帧的实时拼接。实验结果表明该系统可以处理大视差场景,具有良好的实时拼接效果。     

基于改进ORB算法的虚实注册方法

针对增强现实(AR)中虚实注册的精度和实时性易受图像纹理和不均匀光照影响的问题,提出一种改进的ORB算法予以解决。首先,设置ORB特征点数量和距离阈值对图像特征点稠密区域进行优化,利用并行算法保留特征值较大的N个特征点;然后,采用离散差异特征增强光照不均匀变化时的稳定性,将改进的ORB与词袋(BOF)模型结合,实现基准图像的快速检索;最后,利用图像间的单应性关系实现虚实注册。从准确性和实时性两方面对提出的改进ORB算法与原始ORB算法、尺度不变特征变换(SIFT)算法和加速稳健特征(SURF)算法进行了对比实验分析,结果显示改进ORB算法的注册时间平均降低了约40%,准确性达到了95%以上。实验结果表明,所提出的算法在不同纹理和不均匀光照的情况下,具有更高的实时性、准确性。     

一种基于CUDA的快速宽视频拼接的方法

在视频拼接过程中,需要进行大量的图像处理计算,高复杂度的拼接算法很难满足实时性要求。因此,为了实现多视频源快速拼接,不仅要求拼接算法具有较强的鲁棒性,同时还需要具有较低的复杂度。文中提出了一种新的快速宽视频拼接方法,此方法首先利用SURF算子提取图像特征点并进行匹配,接着使用多分辨率融合算法进行全景图融合,然后利用基于路径的方法结合光流实现低复杂度的视频插帧,同时整个宽视频拼接过程使用CUDA进行并行加速,最后用一个双目拼接系统对文中提出的方法进行可行性验证。     

矿井车载视频图像稳像算法研究

针对矿井车载摄像系统拍摄的视频因含有前景运动目标及高噪声造成的全局运动矢量估计误匹配率高、实时性较差等问题,提出了一种基于ORB特征匹配与改进粒子滤波的矿井车载视频图像稳像算法。在运动矢量估计阶段,采用ORB算法提取图像特征点;采用基于图像块的连续3帧间差分法,联合时空一致性准则快速剔除前景运动区域的特征点;结合前景标记区域,对特征点位置进行初次筛选,对保留下来的背景特征点进行配准;利用仿射变换模型实现帧间运动矢量的估计。在运动滤波阶段,采用基于估计窗的实时粒子滤波算法滤除抖动分量,获得补偿参数。实验结果表明,该算法有效避免了前景运动目标对稳像精度的影响,且具有较快的处理速度。     

基于改进SURF的实时视频拼接方法

视频拼接在现实生活中具有十分重要的意义。文中实现的功能是实时地将多路视频进行拼接以形成一个大视野的视频。为了使系统具有良好的实时性,先用DirectShow分离视频流、提取图像帧,然后提出了一种改进的SURF算法进行图像配准,最后采用渐入渐出法进行图像融合。改进的算法在特征点提取时对范围作了限制,同时改进了原有特征描述符,这样可以大大加快提取速度。在特征匹配时采用基于最近邻和次近邻距离比值的方法进行粗匹配,然后采用RANSAC方法进行提纯和求取变换矩阵,最后在视频拼接中,不是对每一帧图像进行配准和融合,而是只对首帧图像进行图像配准,之后的每帧图像利用第一帧计算出的变换矩阵进行图像拼接,这样可以加快视频拼接的速度。实验结果表明,该方法可以实时地生成无缝清晰的宽场景视频。     

一种多路快速视频拼接系统设计与实现

针对当前高分辨率的多路视频拼接系统速度慢、实时性能低的问题,提出一种基于CPU和GPU并行架构的多路高清视频拼接算法。该算法在传统基于方向的快速特征点检测和旋转不变的特征描述算法上进行改进,删除针对尺度不变性应用的图像金字塔模块,并使用基于重叠区的局部配准方法,将配准后的图像数据在GPU设备端进行并行融合。在GPU与CPU异步执行的原则上,实现CPU端当前帧图像的配准,与其前帧图像融合,且以并行方式执行。通过显卡端图像数据计算与图像渲染之间的共享缓冲区,完成帧图像的快速渲染。实验结果表明,在4路200万像素的网络相机环境下,该算法实现的全景拼接系统的视频帧率达到17 f/s,可满足大场景的实时性需求。     

基于圆形感兴趣区域多路视频实时拼接

针对视频拼接过程中面临的许多挑战,如实时性、有动态物体产生鬼影现象等,提出了一种基于圆形感兴趣区域（ROI）图像配准结合简化处理及图形处理器（GPU）加速的方法。首先,仅在ROI内提取特征点,提高了特征检测效率和匹配准确率。其次,为进一步降低时间开销,满足视频处理实时性需求,采用了两种策略：一方面,通过简化处理仅对首帧作图像配准,后续帧利用得到的单应性矩阵进行图像融合;另一方面,利用GPU多核实现并行化硬件加速。此外,当视场中有动态物体时,采用图形分割和多频带图像融合算法,有效地消除了鬼影。实验对两路640×480的视频进行拼接,该方法的处理速度可达27.8帧/秒。相对于基于加速鲁棒特征（SURF）算法的视频拼接方法,效率提高了26.27倍;相对于基于带方向的加速分段测试特征提取结合旋转的二进制鲁棒独立元素特征描述（ORB）算法的视频拼接方法,效率提高了11.57倍。实验结果表明,该方法可将多路视频实时地拼接为高质量的大场景视频。     

基于改进ORB的抗视角变换快速图像匹配算法

针对快速定向二进制描述（ORB）算法误点率高、像素点对对比易受噪声影响同时抗视角变换能力弱等问题,本文提出基于改进ORB的抗视角变换快速图像匹配算法。该算法在ORB算法的架构下利用加速分割检测算法进行特征提取,并提出特征点加速检测策略,利用改进的二进制鲁棒独立基本特征算法进行特征点描述,同时结合透视变换模型进行图像采样和汉明距离作为相似度量准则进行图像匹配,初匹配后利用网格运动统计算法去除误匹配点。实验表明,本文算法在保持实时性的同时,能够获得较高的匹配精度,和较强的抗视角变换能力,具备较好的工程意义。     

基于RGB-D的移动机器人三维视觉SLAM

针对移动机器人三维视觉SLAM中存在的实时性不高,匹配误差较大的问题,提出了一种改进的特征匹配算法,提取ORB特征进行特征匹配,并采用基于最小距离与RANSAC结合的方法剔除误匹配。针对位姿估计不准确的问题,将传统的ICP算法与PNP算法结合提高配准成功率,并通过RANSAC与g^2 o优化位姿估计。实验结果表明该方法能有效提高SLAM系统的实时性和位姿估计的准确性     

基于图像增强的ORB匹配算法研究

ORB匹配算法具有匹配效果好,速度快等特点,应用于智能交通系统中能够达到实时性要求。然而,当天气较为恶劣或视频光线较暗时,匹配效果并不是很理想,容易出现较多的误匹配点。为了解决ORB匹配存在的问题,在ORB匹配前,对序列视频图像进行逐帧的MSR增强处理,并引入模糊概念改善由于MSR引起的色彩失真,然后再对增强后的图像进行ORB匹配,将该算法应用于云南省某高速公路的隧道监控视频中取得了较好的效果,证明了该算法的有效性。     

全景视频增强现实系统设计与研究

提出一种全景视频增强现实系统的建设方案。将全景视频采集装置放置在真实世界中采集视频,然后通过计算机处理生成全景视频并显示出来,使观光者通过佩戴显示设备,在其他地方观看向全景视频中添加了虚拟信息的场景。解决了系统中全景视频拼接中算法复杂度高且拼接后的视频存在拼接裂缝和"GHOST"现象,以及三维注册易受环境与目标跟踪检测算法耗时严重影响的技术难点。通过对ARToolKit二次开发,将3DMax生成的虚拟信息叠加到Ladybug拍摄后拼接的兰州市金城关全景视频中进行仿真实验。仿真结果表明,全景视频拼接方法在实时性方面表现优异,有效地抑制了拼接裂缝和"GHOST"现象,增强现实三维注册方法对于全景视频的局部增强效果表现优异。     

基于ORB算法和OECF模型的快速图像拼接研究

为了增加移动机器人视觉导航中的成像范围,提出了一种基于ORB算法和OECF模型的图像拼接算法,获取的图像进行预处理后,先利用SIFT算法提取特征点,再用ORB算法获取特征点的二进制码串描述子进行匹配,而后通过投影变换模型获取参数,最后估计摄像机的光电转换函数OECF（Opto-Electronic Conversion Function）,利用Laguerre OECF模型参数对拼接图像进行色彩调整,解决了多幅图像拼接中颜色不一致的问题。实验结果表明,该算法能有效地对图像进行拼接,配准速度和拼接视觉效果和优于其他算法。     

基于APAP模型的大视差图像拼接算法

针对待拼接图像具有大视差时,重叠区域会出现重影和拼接效率较低等问题,提出一种基于改进ORB算法的大视差图拼接模型.首先构建尺度空间,借助FAST算法提取特征点并建立主方向,再对特征采样区域建立MLDB描述符,然后采用向量场一致性算法筛选内点,最后通过APAP模型完成配准拼接.实验表明,与ORB算法相比,改进ORB算法的...     

非线性尺度配准NLORB和亮度模板融合的方法

视频场景的图像拼接方法需要拥有实时性、尺度旋转不变性和较好的融合效果。ORB尺度不变性较差,SIFT时间复杂度高,并且没有充分保持边缘细节,因此在非线性尺度与ORB的基础上,介绍改进的配准方法NLORB和基于YUV亮度模板的均值坐标融合法。NLORB采用非线性尺度消除噪声并保持边缘,使用图像熵确定尺度参数,设置合适的关键点间距,多尺度空间搜寻极值点,构造稳定的ORB特征和描述向量,采用RANSAC进行匹配。通过仿真实验对比,NLORB能改善ORB尺度不变性和分布均匀性,提高匹配的成功率,亮度模板的均值坐标法加强了融合效果。     

特定场景大视角视频拼接技术研究与实现

本文对视频拼接设计了一个简单的框架,主要是采用三路固定摄像进行实时拼接,在Uuntu16.04 系统安装 OpenCV开源库和CUDA8.0 软件包,并使用该系统搭建视频拼接框架系统。利用GPU编程技术,对视频拼接技术中最耗时 的特征匹配算法、细缝估计、多波段融合和扭曲映射算法进行加速。在计算资源足够的情况下,利用CUDA进行在线实时视 频流拼接。