论文部分内容阅读
随着汽车产业的蓬勃发展,汽车的安全驾驶成为世界范围内的热门话题,各种车载监控系统也应运而生。在车载监控系统中,监控人员往往需要对宽视角的场景进行观测,甚至是360度的全景观测。因此,本文设计出一种基于图像拼接技术的车载全视角观测器,并实现其实验装置。本课题利用基于特征点的图像拼接技术,设计了一个车载全视角观测器,实现对大视角场景的观测。Harris角点和尺度不变特征法(SIFT)是两种稳定、有效的特征点检测算法,Harris角点检测法具有计算简单和一定的旋转不变性优点,但容易受到图像尺度变化和噪声的影响;而尺度不变特征法对于旋转和尺度的不变性以及对于噪声、视角变化和光照变化等良好的鲁棒性,解决了Harris特征检测对于尺度变化敏感问题,但算法复杂,计算量大,不利于系统实时性的实现。本文针对SIFT算法提取特征点数量多、匹配耗时的问题,利用SIFT算法的可扩展性质,对SIFT特征点的提取进行改进,在SIFT尺度空间里检测Harris角点的极值点作为特征点,这样即兼顾两种算法的优点,又提高了系统匹配时间。同时,本文还针对SIFT特征描述符维数多的问题,在不影响SIFT特征的稳定性前提下,提出了一种改进方法,能有效地降低SIFT特征描述符的维数。本文主要的贡献是:(1)深入研究了Harris角点法和SIFT算法提取出的图像特征点,实现了对SIFT特征点提取的改进,提取出更稳定的图像特征点;(2)对SIFT特征描述符进行了改进,提出了一种低维度的SIFT特征描述符计算方法;(3)运用运动目标检测法标记出运动物体区域,实现了重叠区域内运动目标的融合,有效地消除了图像融合鬼影;(4)设计一个基于图像拼接技术的车载全视角观测器,并搭建了系统实验装置;(5)对软件系统进行优化,实现观测装置的实时性。