代码URL:https://mbd.pub/o/bread/mbd-YZyZlJY=
是什么:
大家都知道VR,能够看到360度全景图像,即每帧图像记录了360度的景色。而工业界是怎样拍摄这样的图像的呢?目前博主了解的主要有两种做法:
- A.使用多个正常摄像头,每个摄像头拍摄固定角度的图像,然后再拼接,博主2年前曾看过海康威视的由8个摄像头组成的全景拍摄器材
- B.使用两个视角>=180度的鱼眼摄像头,再拼接
在这里插入图片描述
| | 优点 |缺点|
| --- | --- |---|
|正常摄像头|畸变较少,矫正拼接时效果好|贵|
|双鱼眼摄像头|便宜,安装简单,目前米家/三星 Gear360都已很成熟|拼接还是有瑕疵|
能学习的知识::
初阶: - 双鱼眼图像拼接能考察非常全面的图像处理知识,在目前深度学习火的时候,掌握以前的图像处理知识还是很有帮助的。概括的知识点:
- 图像成像原理(世界坐标点到二维图像),
- 图像特征(sift/surf等,学习下前人在没有端对端网络怎么提的人工特征)
- 图像拼接融合,最佳缝合线
- 图像金字塔,高斯金字塔/拉普拉斯金字塔(deep cnn中FPN也是博主比较常用的结构去训分类或者检测的模型)
高阶:
- 提升效果:比我提供的解决方案效果好,能在什么方向优化效果
- 提升效率:怎么加速处理过程,SIMD/算法/并行???
1.需求
输入:给定两张鱼眼图像拍摄的图像,并且两个鱼眼镜头拍摄角度相向
输出:一张拼接好的矩形映射全景图(后续你可以根据这张全景图去做各种趣味剪辑）
2.我的解决方案
2.1 算法模块拆解
我先google网上的做法:发现类似的功能:
https://moonagic.com/dualfisheye-to-equirectangular/
- 1.圆形畸变鱼眼图转换为矩形展开图(如下图),代码位于libs/remap/remap.py
在这里插入图片描述
- 2.特征提取配对,代码位于libs/feature
- 3.矫正图像,代码位于libs/homography
-
4.图像融合,使用最佳缝合线(相对于线性融合无重影),支持拉普拉斯金字塔恢复细节,代码位于libs/fusion/
在这里插入图片描述
2.2 后期优化
由于时间有限,博主还有自己的工作,抽周末完成这些项目,有些可优化的方向未实现,但都比较简单大家可以自己实现
效果:
- 1.图像配对点,sift等一系列特征都受输入图像影响,如果输入图像都是低频信息,不存在梯度等变化也就没有办法找到这些特征了,工业界都会使用标定图去找到配对点,如果你要接入标定图输出坐标的化只需要把process.py[67-68行]输入进去[[x,y]]Z坐标
- 2.图像矫正,在project/paper文件夹里有三星GEAR360的一篇论文,大体方法类似,但他在矫正时加了模板匹配来左右对齐,大家也可以看看
- 3.图像融合,如果有明显的光照区别,可以试试光照补偿的一些算法
效率:
说实话python没什么能优化效率的,也可以把一些操作cython化但是也没什么意义，不如用c++写一遍用SIMD优化
分析各个阶段的效率: - 1.remap:已经生成xmap,ymap坐标映射图了,转换很快
- 2.sift是比较慢，这里已经做了优化（只对overlap提特征),如果是跑视频的化,只需要前几帧生成homography后面都不用提sift特征了
- 3.融合,只对overlap区域最佳缝合线也不耗时,但图像金字塔有卷积操作
代码风格(google python style):
1.代码框架
在这里插入图片描述
2.其中一个类格式
在这里插入图片描述
