动态图像逆透视映射方法在路面图像拼接中的应用
Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｄｙｎａｍｉｃ Ｉｎｖｅｒｓｅ Ｐｅｒｓｐｅｃｔｉｖｅ Ｍａｐｐｉｎｇ ｉｎ Ｒｏａｄ Ｓｕｒｆａｃｅ Ｉｍａｇｅ Ｍｏｓａｉｃ ＣＡＯ Ｙｕ ＦＥＮＧ Ｙｉｎｇ ＷＥＩ Ｌｉａｎ ＬＥＩ Ｂｉｎｇ ＷＡＮＧ Ｙａｎｈｕｉ
动态图像逆透视映射方法在路面图像拼接中的应用
曹毓冯莹魏立安雷兵王彦辉
国防科技大学光电科学与工程学院，长沙４１００７３
摘 要：目前广泛使用的车载路面图像逆透视映射方法均假定相机姿态角是恒定的。
车辆行进中的颠簸会使得相机姿态发生变化，由此导致现有方法获得的路面俯视图出现较大误差。
为此，本文使用姿态传感器实时测量相机姿态，利用相机姿态角数据计算出相机相对路面的逆透视映射关系矩阵，从而获得了高精度的路面俯视图。
实验测试结果表明，在相机任意姿态角下，由该方法获得的俯视图其逆透视映射误差不超过０．８％。
室外动态颠簸状况下的路面图像拼接实验表明，和传统方法相比，该方法获得的路面俯视图失真较小。
因此，改进后的方法可在相机处于颠簸条件下获得高精度的路面俯视图，可应用于机场跑道异物快速检测和公路路面病害勘测等领域。
图像拼接；逆透视映射；相机姿态测量；跑道异物检测；路面病害勘测
ＴＰ３９１．４Ａ１００４－１６９９ （ ２０１１ ） １１－１６５８－０５
总后勤部预研项目
２０１１－０７－０５２０１１－０８－２０
ＩＰＭ算法
表中并未
随后，根据
＠＠［１］郑榜贵，田炳香，段建民．基于Ｋａｌｍａｎ预测及逆投影的车道识 别技术［Ｊ］．计算机工程与设计，２００９，３０（６）：１５４８－１５５４．＠＠［２］袁启平，宋金泽，吴涛．基于逆透视映射的图像拼接方法［Ｊ］． 微计算机信息，２０１０，２６（７－３）：２０８－２１０．
＠＠［３］ Ｍａｓｓｉｍｏ Ｂｅｒｔｏｚｚｉ， Ａｌｂｅｒｔｏ Ｂｒｏｇｇｉ， ＧＯＬＤ： Ａ Ｐａｒａｌｌｅｌ Ｒｅａｌ－Ｔｉｍｅ Ｓｔｅｒｅｏ Ｖｉｓｉｏｎ Ｓｙｓｔｅｍ ｆｏｒ Ｇｅｎｅｒｉｃ Ｏｂｓｔａｃｌｅ ａｎｄ Ｌａｎｅ Ｄｅｔｅｃｔｉｏｎ［ Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，１９９８，７（ １ ） ：６２－８１．＠＠［ ４ ］ Ｍａｓｓｉｍｏ Ｂｅｒｔｏｚｚｉ，Ａｌｂｅｒｔｏ Ｂｒｏｇｇｉ，Ａｌｅｓｓａｎｄｒａ Ｆａｓｃｉｏｌｉ． Ｓｔｅｒｅｏ Ｉｎｖｅｒｓｅ Ｐｅｒｓｐｅｃｔｉｖｅ Ｍａｐｐｉｎｇ： Ｔｈｅｏｒｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ ［ Ｊ ］． Ｉｎａｇｅ ａｎｄ Ｖｉｓｉｏｎ Ｃｏｍｐｕｔｉｎｇ， １９９８，１６：５８５ －５９０．
＠＠［５］高德芝，郑榜贵，段建民．基于逆透视变换的智能车辆定位技 术［Ｊ］．计算机测量与控制，２００９，１７（９）：１８１０－１８１２．
＠＠［６］付梦印，李博，王美玲．一种基于逆投影变换的智能车道路识 别方法［Ｊ］．光学技术，２００８，３４（３）：３６８－３７１．
＠＠［７］曹毓，冯莹，杨云涛，等．基于灭点查找的姿态角测量方法在路而 三维重建中的应用［Ｊ］．传感技术学报，２０１１，２４（７）：１０８１－１０８６．＠＠［８］江泽民，杨毅，付梦印．基于平行线的室内视觉导航［Ｊ］．机器 人，２００７，２９（２）：１２８－１３２．
＠＠［９］戴斌，裘伟．逆透视投影下车道偏离时间的在线估计［Ｊ］．计算 机工程与应用，２００７，４３（１６）：２３５－２３８．
＠＠［１０］郭磊，徐友春，李克强，等．基于单目视觉的实时测距方法研究 ［Ｊ］．中国图像图形学报，２００６，１１（１）：７４－８１．
＠＠［１１］郭磊．基于定向二维插值的逆投影变换方法［Ｊ ］．清华大学学 报（自然科学版），２００６，４６（５）：７１２－７１５．
＠＠［ １２ ］ Ｓｏｖｉｒａ Ｔａｎ，Ｊａｓｏｎ Ｌ． Ｄａｌｅ， Ａｎｄｒｅｗ Ａｎｄｅｒｓｏｎ，ｅｔ ａｌ． Ｉｎｖｅｒｓｅ Ｐｅｒｓｐｅｃｔｉｖｅ Ｍａｐｐｉｎｇ ａｎｄ Ｏｐｔｉｃ Ｆｌｏｗ：Ａ Ｃａｌｉｂｒａｔｉｏｎ Ｍｅｔｈｏｄ ａｎｄ ａ Ｑｕａｎｔｉｔａｔｉｖｅ Ａｎａｌｙｓｉｓ［ Ｊ ］． Ｉｍａｇｅ ａｎｄ Ｖｉｓｉｏｎ Ｃｏｍｐｕｔｉｎｇ ，２００６， （２４） ： １５３－１６５．＠＠［１３］ ＳＨＵ Ｙ， Ｔａｎ Ａ． Ｖｉｓｉｏｎ Ｂａｓｅｄ Ｌａｎｅ Ｄｅｔｅｃｔｉｏｎ ｉｎ Ａｕｔｏｎｏｍｏｕｓ Ｖｅｈｉｃｌｅ［ Ｊ ］． ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ５ｔｈ ｗｏｒｌｄ Ｃｏｎｇｒｅｓｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ ａｎｄ Ａｕｔｏｍａｔｉｏｎ． ２００４， Ｈａｎｇｚｈｏｕ， Ｐ． Ｒ． Ｃｈｉｎａ．
＠＠［１４］邓剑文，安向京，贺汉根．基于道路结构特征的自主车视觉导 航［Ｊ］．吉林大学学报，２００４，２２（４）：４１５－４１９．
＠＠［１５］徐友春．基于机器视觉的汽车主动安全技术的研究［Ｄ］．北 京：清华大学，２００３．
＠＠［１６］于起峰，尚洋．摄像测量学原理与应用研究［Ｍ］．科学出版社， ２００９，２５－３４．
曹毓（１９８２－），男，现国防科技大学光电学院博士研究生，从事有关光学传感器领域的研究工作，ｗｅｉｇｕａｎｇ７９１０＠ｓｏｈｕ． ｃｏｍ：冯莹（１９５６－），女，教授，博士生导师，主要研究方向为宽带光纤光源技术、光纤激光器技术、光纤波导生物传感器技术以及光电测控技术。
动态图像逆透视映射方法在路面图像拼接中的应用
作者：曹毓， 冯莹， 魏立安， 雷兵， 王彦辉， CAO Yu， FENG Ying， WEI Lian， LEI Bing， WANG Yanhui 作者单位：国防科技大学光电科学与工程学院,长沙,410073
刊名：
传感技术学报
英文刊名：Chinese Journal of Sensors and Actuators
年，卷(期)：2011,24(11)
1.郑榜贵;田炳香;段建民基于Kalman预测及逆投影的车道识别技术[期刊论文]-计算机工程与设计 2009(06)
2.袁启平;宋金泽;吴涛基于逆透视映射的图像拼接方法[期刊论文]-微计算机信息 2010(7-3)
3.Massimo Bertozzi;Alberto Broggi GOLD:A Parallel Real-Time Stereo Vision System for Generic Obstacle and Lane Detection 1998(01)
4.Massimo Bertozzi;Alberto Broggi;Alessandra Fascioli Stereo Inverse Perspective Mapping:Theory and Applications 1998
5.高德芝;郑榜贵;段建民基于逆透视变换的智能车辆定位技术[期刊论文]-计算机测量与控制 2009(09)
6.付梦印;李博;王美玲一种基于逆投影变换的智能车道路识别方法[期刊论文]-光学技术 2008(03)
7.曹毓;冯莹;杨云涛基于灭点查找的姿态角测量方法在路而三维重建中的应用[期刊论文]-传感技术学报 2011(07)
8.江泽民;杨毅;付梦印基于平行线的室内视觉导航[期刊论文]-机器人 2007(02)
9.戴斌;裘伟逆透视投影下车道偏离时间的在线估计[期刊论文]-计算机工程与应用 2007(16)
10.郭磊;徐友春;李克强基于单目视觉的实时测距方法研究[期刊论文]-中国图象图形学报 2006(01)
11.郭磊基于定向二维插值的逆投影变换方法[期刊论文]-清华大学学报（自然科学版） 2006(05)
12.Sovira Tan;Jason L.Dale;Andrew Anderson Inverse Perspective Mapping and Optic Flow:A Calibration Method and a Quantitative Analysis 2006(24)
13.SHU Y;Tan A Vision Based Lane Detection in Autonomous Vehicle 2004
14.邓剑文;安向京;贺汉根基于道路结构特征的自主车视觉导航[期刊论文]-吉林大学自然科学学报 2004(04)
15.徐友春基于机器视觉的汽车主动安全技术的研究 2003
16.于起峰;尚洋摄像测量学原理与应用研究 2009
本文链接：/Periodical_cgjsxb201111028.aspx。
视频图像序列运动参数估计与动态拼接
视频图像序列运动参数估计与动态拼接汤庆阳;陆佩忠【期刊名称】《计算机科学》【年(卷),期】2004(031)006【摘要】本文采用多重分层叠代算法来估计全局运动参数,并提出应用于动态拼接的运动分割新方法,实现既有摄像机运动又有物体运动的视频图像序列自动拼接.我们的方法基本步骤如下:首先进行全局运动参数的初始估计,并且在分层叠代过程中进行区域分类,得到初始运动模板.接着空间分割原始图像,先根据图像的空间属性由底向上分层合并图像空间区域,再利用视频图像时间属性进一步向上合并,得到图像空间分割结果.然后结合初始运动模板和图像空间分割结果,采用区域分类新方法重新对图像空间分割结果的每个区域进行分类.然后根据分类结果逐步精确求解全局运动参数.最后进行图像合成,得到全景拼接图像.我们的方法利用了多重分层叠代的优点,并且充分考虑到视频图像空间和时间上的属性,实现了运动物体和覆盖背景的精确分割,避免了遮挡问题对全局运动参数估计精度的影响.而且在图像合成时我们解决了拼接图可能产生模糊或某些区域不连续等问题.实验结果表明我们的方法实现了劝态视频图像序列高质量的全景拼接.【总页数】5页(P189-193)【作者】汤庆阳;陆佩忠【作者单位】复旦大学计算机科学与工程系,上海,200433;复旦大学计算机科学与工程系,上海,200433【正文语种】中文【中图分类】TP391.41【相关文献】1.快速有效的视频图像序列拼接方法 [J], 林武;洪景新;张昊;李琳2.单目人体图像序列的运动及结构参数估计 [J], 汪亚明;汪元美;楼正国3.高动态范围视频的多曝光图像序列快速融合 [J], 朴永杰;徐伟;王绍举;陶淑苹4.基于动态树木图像序列的实时拼接系统及其深度信息检测 [J], 郑加强;贾志成;周博;周宏平;Zhu Heping5.基于视频图像序列的动态物体跟踪定位算法的研究 [J], 罗南;孙运强;洪少春因版权原因，仅展示原文概要，查看原文内容请购买。
基于相位相关模板匹配的全景图像拼接
现实技术 、遥感图像处理 、医学图像分 析等领域 ［ ］ １ｏ － ３ 通常 有两 种方法来 获得全 景图 ： 直接 的方法 和图像 拼接 的方法 。前一种方 法可 以很容 易地 进行 ，但 它需要
使 用全景相机 等特殊 的器材 ，而且这些 器材通常 是十分 昂贵的 ，因此 对后一种 方法 的研究便 十分普遍 了 。文 中 讲述 的全景视 图的生 成方法 正是采用后 一种方 法的思想 ，
Ａ ｓ ａ ｔ Ｔ ｉ ｐ ｐ ｒ ｎｒ ｄ ｃ ｓ ｗｏｍａ ｒ ｃｓ ｏ ｇ ｓ ｃ ｙｔｍ：ｍａ ｅｒｇ ｔ ｔ ｎ ａ ｄｉ ｇ ｓ ｎ Ｉ ｇ ｂ ｔ ｃ： ｈｓ ａ ｅ ｔ ｕ ｅ ｔ ｉ ｐ ｏ ｅ ｆ ｍａ ｅ ｒ ｉ ｏ ｎ ｓ ｉ ｍｏａ ｓ ｉ ｓ ｅ ｉ ｇ ｅ ｓ ａ ｏ ｉ ｒ ｉ ｎ ｍａ ｅ ｕ ｉ ．ｍａ ｅ ｆ ｏ
ｏ ｒａ ｏｖｅ ｔ ｍ ａ ｅ，ａ ｈｅ ｔ ｎｉｉｌｔａ ｆ ｍ ａ ａ ｅ ｅ ｉ ｉａｉ ａ ａ ｅ ｅ ｓｆ ｒ ａ ｆｎａ ｎ ｃ ｕ ａ ｅ ｖｅ ｐ ｍ ｌ ｈｅ ｉ ｇ ｎｄ ｔ ｎ ｈｅ ｉ ｔａ ｒ ｎｓｏｒ ｐ ｒ ｍ ｔ ｒｏｐｔｍ ｚ ｔｏｎ ｐ ｒ ｍ ｔ ｒ ｏ ｉ ｌａ ｄ ａ ｃ ｒ ｔ ｖ ｌ ，ａ ｄ ｃ ｏ ｄｉ ｏ ｔ ｒ ｍ ｅ ｅ ａｕｅ ａ ｏ ｓｔ ｅ ｓａ ｅ ｓＭ ｏｓｉ ｅ ｈ ｌ ｙ ｗ ｉ ｗ ｏ ｉ ａ ｅ ｏｓｉｓｕｐ，ａ ａｕｅ ｎ ａ ｃ ｒ ｎｇ ｔ ｈｅ ｐａａ ｔ ｒｖ ｌ ｄ ｐｔ ｈ ｅ ｍｌ ｓ ａｃ ｔ ｃ ｎｏ ｏｇ ｌ ｔ ｍ ｇ ｓｍ ａｃ ｌ ｎｄ
１ 基于相位相 关模板 的图像拼接
１１图像 配准 ．
图像 配准 是指依据 一些相似性 度量来决 定图像 间的
透视变换矫正算法c实例
透视变换矫正算法c实例全文共四篇示例，供您参考第一篇示例：## 引言透视变换矫正算法是计算机视觉领域中常用的技术，用于将图像中的透视畸变进行校正，常见于图像处理和计算机视觉的应用中。
本文将介绍透视变换矫正算法的原理，并给出一个简单的C语言实例，帮助读者更好地理解和应用透视变换矫正算法。
## 透视变换原理透视变换是将图像从一个视角投影到另一个视角的过程，透视畸变是由于观察角度和投影面不垂直造成的，常常在摄像头捕捉到的图片中出现。
透视变换矫正算法的原理是通过寻找透视变换矩阵，将原始图像中的四边形区域映射到矫正后的矩形区域，从而消除透视畸变。
透视变换矫正算法的核心是寻找透视变换矩阵。
通过已知的原始图像和目标图像中对应的四个点，可以使用OpenCV等图像处理库中的函数来计算出透视变换矩阵。
得到透视变换矩阵后，可以利用该矩阵对原始图像进行透视变换，从而实现透视畸变的矫正。
## 透视变换矫正算法C实例下面给出一个简单的C语言实例，演示如何使用OpenCV库来实现透视变换矫正算法。
在此之前，请确保已经安装好OpenCV库并配置好开发环境。
```c#include <opencv2/opencv.hpp>int main() {// 读入原始图像cv::Mat originalImage = cv::imread("original.jpg");// 原始图像中的四个顶点坐标std::vector<cv::Point2f> originalPoints;originalPoints.push_back(cv::Point2f(0, 0));originalPoints.push_back(cv::Point2f(originalImage.cols, 0));originalPoints.push_back(cv::Point2f(originalImage.cols, originalImage.rows));originalPoints.push_back(cv::Point2f(0, originalImage.rows));// 目标图像中的四个顶点坐标std::vector<cv::Point2f> targetPoints;targetPoints.push_back(cv::Point2f(0, 0));targetPoints.push_back(cv::Point2f(originalImage.cols, 0));targetPoints.push_back(cv::Point2f(originalImage.cols, originalImage.rows));targetPoints.push_back(cv::Point2f(0, originalImage.rows));// 计算透视变换矩阵cv::Mat perspectiveMatrix =cv::getPerspectiveTransform(originalPoints, targetPoints);// 应用透视变换矩阵cv::Mat correctedImage;cv::warpPerspective(originalImage, correctedImage, perspectiveMatrix, originalImage.size());// 保存矫正后的图像cv::imwrite("corrected.jpg", correctedImage);return 0;}```在以上C语言实例中，我们首先读入原始图像，定义原始图像中的四个顶点坐标和目标图像中的四个顶点坐标，然后利用OpenCV库中的`getPerspectiveTransform`函数计算出透视变换矩阵，最后利用`warpPerspective`函数应用透视变换矩阵，并保存矫正后的图像。
rpc正射校正原理
rpc正射校正原理rpc正射校正原理远距离测量中，采用光电探测器得到的目标影像存在一定程度的变形，导致像素在不同位置上采样到的越来越不同。
此问题在大尺度测量的场景下更为明显。
RPC（Rational Polynomial Coefficient，有理多项式系数）参数描述了像素坐标系与世界坐标系之间的映射关系，包括了平移、旋转、缩放、非线性透视畸变等各种因素。
在将影像像元坐标转换成地面坐标时，必需先根据RPC参数对像素坐标进行逆变换，以得到不带畸变的图像。
RPC校正过程中，正对着相片影像采集内容中光学中心的卫星就称之为“正射卫星”。
RPC正射校正原理即为在正射影像中，图像像素的行列方向与地面坐标系的经纬方向一一对应。
RPC正射校正旨在改变图像像元坐标系与地面坐标系之间的映射关系，使地面上任意一点的投影像元坐标可以通过像元坐标系中相应像元的位置和亮度值得到。
RPC正射校正是一项常见的数据处理技术，其处理流程大致可以分为三个步骤。
首先，通过经纬度坐标和高程数据，将三维空间中的地面位置与二维影像中的像素点坐标建立对应关系。
然后，根据RPC模型中所包含的旋转、缩放和透视畸变等参数，将影像像素的坐标转换为具有几何意义的平面坐标系。
最后，对于该场景下的每个卫星从每个被观测位置计算计算。
而在实际的处理过程中，还需要融合高精度的地面控制点数据，对误差进行预测和校正，并使用多项式拟合方法减小影像中由于噪声等因素造成的影响。
RPC正射校正旨在消除由于透视畸变、尺度变化等导致的影响，保证图像上的每一个像素均与地面上的对应位置一一对应。
通过RPC正射校正，可以为各种遥感图像的分析和处理提供一个更加可靠和准确的基础，尤其对于需要对大尺度遥感影像进行地理信息提取和精细分析的任务，正射校正是不可或缺的处理技术之一。
在实际应用中，RPC正射校正可以应用于遥感影像拼接、三维建模、地物分类等诸多领域。
除了遥感影像处理领域外，RPC正射校正还被应用于航空摄影制图中，对于大面积测量数据的处理提供了较为理想的解决方案。
一种基于拼接线和动态基准的影像拼接方法
； 何敬等选取航带中间 4 幅
图1 算法流程图
0719 收稿日期： 2013基金项目： 国家科技支撑项目（ 2012BAH34B02 ； 2011BAH12B04 ） 作者简介： 徐景中（ 1980 —） ， 男， 江苏淮安人， 博士， 副教授， 主要研究方向为 LiDAＲ 数据分析与处理。
接影像的变形程度， 本文利用透视变换参数和同名 点确定最终基准影像。 （ 1 ） 判定基准影像的准则 以水平方向上的两幅相邻影像为例， 两幅相邻 影像上同名点间的关系式可以表示为 h h1 h2 x' x 0 x' h0 h1 h2 y = h3 h4 h5 · y' = y' + h3 h4 h5 1 h6 h7 1 1 1
关键词： 无人机序列影像； 拼接线； 动态基准； 最终基准影像； 影像拼接 中图分类号： P23 文献标识码： B 0911 （ 2014 ） 09003404 文章编号： 0494-
一、 引
言
再从中选择地物最为丰富、 与邻 影像作为备选影像， 近影像匹配特征点最多的影像作为最佳影像 ， 该算 法比较适用于影像数目较少的拼接
； 王军等根据重叠区域像素点间的相关
性计算各像素点的准则值， 但是采用复杂度很高的 Dijkstra 算 法 查 找 最 佳 拼 接 线， 该算法速度比较 慢 ； 党建武等提出搜索拼接线时优先考虑影像特 征点， 以此减少拼接线上可能出现的误差点 ， 但重叠 ， 区域的特征点数量有限 对减少误差的作用不是很
S k －1 T k +1
（ 6）
Ｒk =
∑ i
(a
1
x i + b1 y i