本文档介绍了一个实现全景图像拼接的项目，主要采用SIFT特征提取、RANSAC图像匹配、束调整（bundle adjustment）等步骤。通过VS2008和OpenCV1.0实现，特别强调了bundle adjustment的重要性以及在up-vector估计上的挑战。相比于原始方法，省略了panorama recognize和multi-blend，以适应实时拼接的需求。实验结果显示，up-vector估计对于提高拼接质量至关重要。
简介：
本项目主要是为了实现多幅图像之间的拼接，以实现类似全景图的效果。在静态图像上实现以后，计划应用于摄像机上，进行实时拼接。主要参考了文献 [1] 和文献 [2] ，根据实际情况，对其算法有所省略，主要省略在 panorama recognize 和 multi-blend 部分。主要实现有以下几步： 1 ） SIFT 特征提取， 2 ）特征匹配， 3 ）基于 RANSAC 的图像匹配， 4 ） bundle adjustment ， 5 ） up-vector 估计， 6 ）纹理映射。其实在全景图拼接方面，有许多方法，在 2000 年之前微软研究院的两位大牛 Richard Szeliski 和 Heung-Yeung Shum （沈向洋）就已经发表相关论文，之所以选择了 Matt Brown
最低0.47元/天 解锁文章
扫一扫
1162
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
