基于图像拼接的车载全视角观测器研究与实现

论文摘要

随着汽车产业的蓬勃发展,汽车的安全驾驶成为世界范围内的热门话题,各种车载监控系统也应运而生。在车载监控系统中,监控人员往往需要对宽视角的场景进行观测,甚至是360度的全景观测。因此,本文设计出一种基于图像拼接技术的车载全视角观测器,并实现其实验装置。本课题利用基于特征点的图像拼接技术,设计了一个车载全视角观测器,实现对大视角场景的观测。Harris角点和尺度不变特征法(SIFT)是两种稳定、有效的特征点检测算法,Harris角点检测法具有计算简单和一定的旋转不变性优点,但容易受到图像尺度变化和噪声的影响;而尺度不变特征法对于旋转和尺度的不变性以及对于噪声、视角变化和光照变化等良好的鲁棒性,解决了Harris特征检测对于尺度变化敏感问题,但算法复杂,计算量大,不利于系统实时性的实现。本文针对SIFT算法提取特征点数量多、匹配耗时的问题,利用SIFT算法的可扩展性质,对SIFT特征点的提取进行改进,在SIFT尺度空间里检测Harris角点的极值点作为特征点,这样即兼顾两种算法的优点,又提高了系统匹配时间。同时,本文还针对SIFT特征描述符维数多的问题,在不影响SIFT特征的稳定性前提下,提出了一种改进方法,能有效地降低SIFT特征描述符的维数。本文主要的贡献是:(1)深入研究了Harris角点法和SIFT算法提取出的图像特征点,实现了对SIFT特征点提取的改进,提取出更稳定的图像特征点;(2)对SIFT特征描述符进行了改进,提出了一种低维度的SIFT特征描述符计算方法;(3)运用运动目标检测法标记出运动物体区域,实现了重叠区域内运动目标的融合,有效地消除了图像融合鬼影;(4)设计一个基于图像拼接技术的车载全视角观测器,并搭建了系统实验装置;(5)对软件系统进行优化,实现观测装置的实时性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景和意义
• 1.2 国内外的研究现状
• 1.3 本文主要研究内容
• 1.4 本文的组织结构
• 第2章 图像拼接理论概述
• 2.1 图像拼接技术简介
• 2.1.1 图像拼接的关键技术
• 2.1.2 图像拼接的流程
• 2.1.3 图像拼接技术的特点
• 2.2 图像变换模型
• 2.3 图像配准
• 2.3.1 图像配准的关键要素
• 2.3.2 图像配准的分类
• 2.4 图像融合
• 2.4.1 图像融合算法的分类
• 2.4.2 图像融合中的鬼影消除
• 2.5 本章小结
• 第3章 基于特征点图像拼接算法的实现
• 3.1 Harris 角点法
• 3.1.1 Harris 角点的检测
• 3.1.2 Harris 角点算法的实验结果及性能分析
• 3.2 尺度不变特征变换（SIFT）法
• 3.2.1 SIFT 特征的检测
• 3.2.2 SIFT 算法的实验结果及性能分析
• 3.3 SIFT 算法改进
• 3.3.1 特征点提取的改进
• 3.3.2 SIFT 特征描述符的改进
• 3.4 特征点的匹配
• 3.4.1 特征点的粗匹配
• 3.4.2 特征点提纯及变换模型参数求解
• 3.5 图像融合
• 3.6 本章小结
• 第4章 重叠区域运动目标融合
• 4.1 运动目标检测法介绍
• 4.2 帧差法
• 4.2.1 变换区域的检测
• 4.2.2 运动目标检测
• 4.2.3 膨胀与腐蚀
• 4.3 重叠区域运动目标融合
• 4.4 本章小结
• 第5章 车载全视角观测器设计与实现
• 5.1 引言
• 5.2 硬件系统
• 5.3 软件系统
• 5.3.1 云台控制模块
• 5.3.2 图像采集模块
• 5.3.3 图像拼接模块
• 5.4 系统实时性
• 5.4.1 算法耗时分析
• 5.4.2 SIFT 算法优化
• 5.5 车载全视角观测器实验装置的实验结果
• 5.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间所发表的学术论文
• 致谢