计算机视觉 全景拼接

前言

在学习计算机视觉的课程当中，我们会接触到有关于全景图的知识。
在生活当中，我们使用手机摄像功能时会时常使用到全景摄像。然而我们会经常遇到全景图拍摄失败。例如我们拍摄一个场景的时候，人会被拉扯成两个人的宽度，或是被压缩成一条线的宽度，或是建筑物被扭曲等等诡异画面。这是由于全景拼接算法不完善或是有问题的表现。例如：

全景图拼接算法现在仍是一个世人需要解决和完善的难题。

全景拼接原理

本次学习研究的全景拼接算法是RANSAC（随机一致性），该算法的基本思想是，数据中包含正确的点和噪声点，合理的模型应该能够在描述正确数据点的同时摒弃噪声点。
全景照片的拼接的简述步骤：
1、特征点匹配：找到图片之间的共有部分。
2、图片匹配：将匹配的特征点连接起来。

特征点匹配
在合成全景图时，我们特征点匹配选取的方法是SIFT方法。
SIFT是具有很强稳健性的描述子，能够比其它描述子例如Harris角点，产生更少的错误匹配。然而SIFT方法仍然远非完美。
提取SIFT特征有两方面：侦测、描述。
SIFT算法的原理在我的前几篇博客中有介绍

SIFT兴趣点管理&