An Accurate Multi-Row Panorama Generation Using Multi-Point Joint Stitching
An Accurate Multi-Row Panorama Generation Using Multi-Point Joint Stitching
复制标题
利用多点拼接生成准确的多行全景图
DOI：
10.1109/access.2018.2829082
复制
发表时间：
2018
期刊：
影响因子：
3.9
通讯作者：
Wang Yue
中科院分区：
文献类型：
--
作者：
Zheng Jin;Zhang Zhi;Shen Kai;Wang Yue;Zheng Jin;Tao Qiuhao;Wang Yue
大多数现有的全景生成工具需要沿一个方向捕获输入图像，并生成窄带全景。为了生成大视场全景图，本文提出了一种多行全景图生成（MRPG）方法。对于扫描路径覆盖大范围水平和垂直视角的云台相机来说，不同视角下的图像帧对应不同的坐标基准和不同的投影。并且图像帧不仅应该与时间轴上的连续帧对齐，而且即使时间间隔很长，也应该与空间邻域中的其他帧对齐。针对这些问题，MRPG首先设计一条覆盖大视场的最优扫描路径，并选择中心帧作为参考帧开始拼接。多帧拼接顺序按第一列第二行排列，保证对齐误差小。而且，MRPG提出了多点拼接的方法来消除接缝并校正扭曲，使得当前帧从各个方向准确地融入到全景画布中。实验结果表明，MRPG能够比其他最先进的图像拼接方法生成更精确的全景图，并为大视场全景图提供更好的视觉效果。
Most of the existing panorama generation tools require the input images to be captured along one direction, and yield a narrow strip panorama. To generate a large viewing field panorama, this paper proposes a multi-row panorama generation (MRPG) method. For a pan/tilt camera whose scanning path covers a wide range of horizontal and vertical views, the image frames in different views correspond to different coordinate benchmarks and different projections. And the image frame should not only be aligned with the continuous frames in timeline but also be aligned with other frames in spatial neighborhood even with long time intervals. For these problems, MRPG first designs an optimal scanning path to cover the large viewing field, and chooses the center frame as the reference frame to start to stitch. The stitching order of multi-frame is arranged in first-column and second-row to ensure a small alignment error. Moreover, MRPG proposes a multi-point joint stitching method to eliminate the seams and correct the distortions, which makes the current frame accurately integrated into the panoramic canvas from all directions. Experimental results show that MRPG can generate a more accurate panorama than other state-of-the-art image stitching methods, and give a better visual effect for a large viewing field panorama.
登录
查看更多内容
DOI：
10.1109/iccv.2005.87
发表时间：
2005-10
期刊：
Tenth IEEE International Conference on Computer Vision (ICCV'05) Volume 1
影响因子：
--
作者：
Jiaya Jia;Chi-Keung Tang
通讯作者：
Jiaya Jia;Chi-Keung Tang
DOI：
--
发表时间：
2007
期刊：
--
影响因子：
--
作者：
Jiaya Jia;Chi-Keung Tang
通讯作者：
Jiaya Jia;Chi-Keung Tang
同时拟合和分割具有异常值的多结构数据
DOI：
10.1109/tpami.2011.216
发表时间：
2012-06-01
影响因子：
23.6
作者：
Wang, Hanzi;Chin, Tat-Jun;Suter, David
通讯作者：
Suter, David
用于多结构模型拟合的统一假设生成框架
影响因子：
6
作者：
Lai Taotao;Wang Hanzi;Yan Yan;Zhang Liming
通讯作者：
Zhang Liming
DOI：
--
发表时间：
2016
期刊：
--
影响因子：
--
作者：
S. Pravenaa
通讯作者：
S. Pravenaa