复眼相机阵列动态全景图像合成技术(特邀)

在光电成像系统中,多相机/孔径的计算成像技术正逐渐成为实现宽视场高分辨率图像重建的关键手段,以突破单一成像系统空间带宽积受限的固有瓶颈。然而,多孔径图像合成通常涉及子眼图像间特征点提取、描述子匹配和对齐等步骤,重建计算量大,面临着实时性不足的挑战。尤其是当场景中存在运动物体时,重建图像通常会出现伪影和错位等“鬼影”现象,影响成像质量。针对上述成像问题,提出了一种基于多孔径复眼相机阵列的动态全景图像合成技术,采用统一计算架构(CUDA)对基于加速鲁棒特征(SURF)配准算法进行优化加速,并结合帧差法降低多帧配准过程中冗余的信息量,将合成图像的配准精度提升了15.91%,配准时间减少了91.23%。同时在接缝线的能量函数中引入基于视觉背景提取(VIBE)算法并建立相应的接缝线更新准则,从而实现多帧运动图像的无错位、伪影的全景图像合成。基于上述算法,构建了5×5多孔径复眼相机阵列成像系统,实现横向90°视场合成。与传统的接缝线算法相比,本文方案在无参考图像空间质量评估指标(BRISQUE)与基于感知的图像质量评估指标(PIQE)上分别实现了1.96与1.85的优化降低。此外,该系统能够在交互帧速率13 frame/s下,完成25张子图的拼接、重建及合成工作,相较于非CUDA加速的拼接算法重建时间减少99.7%。

基于点线特征的单目同步定位与建图初始化方法

针对目前单目同步定位与建图(SLAM)初始化方法鲁棒性差、精度低的问题,提出了一种基于点线特征的单目SLAM初始化方法。首先,在两帧图像之间提取线特征,并进行特征匹配。然后,通过最大化投影线特征的重叠长度优化两帧图像之间的初始旋转和平移矩阵。最后,用滑动窗口增加初始化的图像帧数,利用多帧图像的信息和约束关系以及全局光束平差法优化初始地图和估计的相机关键帧位姿。在TUM和OpenLORIS数据集上的测试结果表明,相比传统初始化方法,本方法的鲁棒性更好、精度更高,能在具有挑战性的场景中快速完成高精度初始化。