通过分割引导的多单应性变换,实现容忍视差的图像拼接
本文提出了一个实时系统,将多个视频序列拼接成全景视频,该系统基于 GPU 加速的颜色校正和帧变换,无需准确的相机参数。我们扩展了传统的 2D-Matrix (2D-M) 颜色校正方法和一种基于时空 3D-Matrix (3D-M) 的颜色校正方法进行局部区域的重叠处颜色平衡,并使用粗糙相机标定给出的成对单应矩阵进行全局变形,然后根据光流进行准确的局部变形。实验结果表明,我们的系统能够实时生成高质量的全景视频。
Aug, 2023
该研究论文提出了一种独特且综合的图像拼接流程,利用 OpenCV 的拼接模块,通过集成基于特征匹配、变换估计和融合技术,实现了无论图像间的光照、尺度或方向差异如何,都能产生顶级质量的全景视图,并在多种数据集上进行测试,发现其在增强场景理解和找到实际应用方面非常有效。
Dec, 2023
本篇论文提出了一种基于线特征引导的局部映射的图像拼接方法,并采用全局相似性约束来减少透视失真,实验结果表明该方法具有令人信服的拼接性能并且优于当前主流方法。
Feb, 2017
本文提出了一种新型准同(quasi-homography)变形方案,通过全局相似性变形有效平衡了透视畸变和投影畸变。对于非重叠区域,该方案使全景图更自然展现。实验结果表明,相比于同源性(homography)、自动拼接(AutoStitch)和 SPHP 等算法,准同变形在城市场景中表现更优,并且在用户调查中获得了大多数用户的青睐。
Jan, 2017
本文提出两种自然图像拼接方法,分别是一个参数化变形与基于网格的变形,综合评估结果显示,这两种方法优于一些现有的方法,包括全息图、APAP、AutoStitch、SPHP 和 GSP。
Feb, 2018
该论文提出了一种改进的全景图创建算法,采用多重图像配准的方法,提高了深度差异和物体运动场景下的图像拼接的精度,实验结果表明该算法在存在较大运动或视差时能够生成明显更好的全景图。
Nov, 2020
提出了一种新的方法,StabStitch,用于同时实现视频拼接和视频稳定化,通过整合空间和时间变形,优化拼接轨迹,解决了视频拼接中的抖动问题,提高了场景稳定性和实时性。
Mar, 2024
我们提出一种新颖的方法来实现细粒度的跨视图地理定位,通过使用单应性估计将畸变的地面图像与相同区域的带 GPS 标记的卫星图像对齐,将地面和航拍图像置于同一视图和同一平面上,减少了任务的复杂性,通过映射变换后地面图像的中心点到卫星图像并确定地面相机的方向来实现亚像素和米级的 GPS 精度定位。
Aug, 2023