基于魚眼鏡頭的圖像拼接技術(shù)研究.pdf

1、魚眼鏡頭具有視場范圍大、焦距短等優(yōu)勢，利用魚眼鏡頭構(gòu)建全景立體球視覺系統(tǒng)，能夠在單一視覺系統(tǒng)中，通過一次拍攝同時獲取360°×360°全球域無盲區(qū)信息，實現(xiàn)了全景視覺與立體視覺的優(yōu)勢互補，在安全監(jiān)控、機器人導航、大尺寸測量、醫(yī)學臨床等領(lǐng)域都有著廣泛的應用前景。
　　 魚眼鏡頭圖像在具有視場范圍大等優(yōu)點的同時，還存在畸變較大等不足，在所建立的全景球視覺系統(tǒng)中，會影響全球圖像拼接和展現(xiàn)質(zhì)量，同時會增加系統(tǒng)誤差。本文針對魚眼鏡頭特點，

2、開展圖像拼接技術(shù)的研究，在分析魚眼圖像畸變特性的基礎(chǔ)上，探索出一種基于不變量特征的魚眼圖像拼接方法，實現(xiàn)了魚眼圖像的無縫拼接。
　　 圖像拼接的過程包括圖像獲取、圖像預處理、圖像配準和圖像融合等幾個基本步驟。魚眼鏡頭能夠獲取較大范圍的視角和完整的球面圖像，但采集的魚眼圖像存在嚴重的畸變，在進行圖像的配準之前需要先對其進行畸變矯正，本文構(gòu)建了一種環(huán)形標定模型，根據(jù)建立的環(huán)形標定模型，采用基于支持向量機SVM(SupportVect

3、orMachine)訓練的方法來進行魚眼圖像的矯正。
　　 魚眼圖像矯正后，提出一種基于SIFT不變量特征的圖像拼接方法，SIFT特征點提取方面，在構(gòu)建高斯金字塔時選擇3個圖像采樣組以提高提取速度和精度，在SIFT特征點匹配方面，采用Kd-Tree算法作為特征點的相似性度量策略來搜索匹配點，極大的提高了關(guān)鍵點的搜索效率，同時采用隨機采樣一致性算法RANSAC(RandomSampleConsensus)去除特征匹配過程中出現(xiàn)的誤