[发明专利]用于智能交通的双摄像机实时全景视频融合方法及系统

说明书

技术领域

本发明涉及智能交通领域，尤其涉及一种用于智能交通的双摄像机实时全景视频融合方法及系统。

背景技术

在智能交通领域中，要满足图像的大视角范围，同时又保证高分辨率，现有的方法可以利用较大视角的镜头如鱼眼镜头、广角镜头等获取高分辨大视场的图像以满足实际的要求。

但是这些设备价格比较昂贵，且拍摄的图像有较大的形变，在许多场合应用时必须进行变换和校正。目前，全景技术主要是针对图片的拼接，而针对视频且是高分辨的全景视频融合技术尚无出现。

发明内容

本发明的目的在于提供一种用于智能交通的双摄像机实时全景视频融合方法及系统，以实现通过普通的摄像机来生成宽视角高分辨的全景视频，且能满足实时监控的性能需求。

本发明的目的是通过以下技术方案实现的。

一种用于智能交通的双摄像机实时全景视频融合方法，包括以下步骤：

a：输入视频图像，对视频图像进行特征提取及匹配；

b：对提取到的特征匹配点对进行RANSAC提纯，并计算出投影变换矩阵；

c：通过投影变换矩阵将视场投影变换到参考坐标系下；

d：计算生成全景视频图像，实现全景视频融合。

优选的，步骤b中还包括判断当前两路视频是否有公共区域，如果有，进入步骤c；否则，调整摄像机位置，让两路视频有重叠区域。

优选的，步骤d具体包括：

对公共区域内的像素点，计算出它在每个视场中的权重系数，计算权重系数公式如下：

ωA(O)=dAdA+dB,]]>ωB(O)=dBdA+dB;]]>

然后进行加权求和，最后得到全景图像中的真实像素值，计算全景融合公式如下：

I(x，y)＝ω_A(x，y)*I_A(x，y)+ω_B(x，y)*I_B(x，y)。

优选的，所述步骤a具体包括：

从视频图像提取出对旋转，尺度缩放，亮度变化无关的特征向量；

根据特征向量进行匹配。

优选的，所述特征向量提取包括以下步骤：

s1：检测尺度空间极值；

s2：精确定位特征点位置与特征点描述信息；

s3：生成特征向量。

一种用于智能交通的双摄像机实时全景视频融合系统，包括：

输入单元，用于输入视频图像；

特征处理单元，用于对视频图像进行特征提取及匹配；

计算分析单元，用于对提取到的特征匹配点对进行RANSAC提纯，并计算出投影变换矩阵；

投影变换单元，用于通过投影变换矩阵将视场投影变换到参考坐标系下；

视频融合单元，用于计算生成全景视频图像，实现全景视频融合。

优选的，所述计算分析单元还用于判断当前两路视频是否有公共区域，对于没有公共区域的，调整摄像机位置，让两路视频有重叠区域。

优选的，所述提特征处理单元具体包括：

提取单元，用于从视频图像提取出对旋转，尺度缩放，亮度变化无关的特征向量；