一种基于多源数据的广域海洋全景融合方法及系统与流程

1.本技术涉及图像处理技术领域，具体涉及一种基于多源数据的广域海洋全景融合方法及系统。


背景技术：

2.全景图技术是虚拟实景的一种表现形式，一般意义的全景图是指现实世界的大视角图像表现，可以是绘画，摄影，视频或是场景的三维模型，本发明中提到的全景图是指基于摄影或视频的全景图像表示。全景图拼接技术是一种基于图像绘制技术生成真实感图形的虚拟现实技术，全景图拼接技术主要是通过对图像的拼接，实现对场景的环视。
3.近年来，全景图技术已被应用在海面环境的监测中。其中，相机参数标定是全景图像拼接的核心步骤，其精度对广域海面图像的融合效果有着至关重要的影响。此外，目标检测模块需融合可见光和热成像影响。因此，必须对加载在设备上的可见光相机、热成像相机进行联合标定。
4.相机设备同轴按一定的转速匀速转动扫描一圈，一个设备扫描周期即为一个全景图像的成像周期，周期时间可设置，一般小于100s，图像采集半径为3km，扫描面积为25km2。在逐圈扫描过程中，由于标定精度问题，每张图像的四个方位与其他图像重叠区域并不十分精确，如果简单叠加会导致较明显的鬼影和模糊现象。
5.鉴于此，设计一种能够修正变换矩阵以约束相机的整体几何结构，并且能够解决鬼影问题的广域海洋全景融合方法及系统具有十分重要的意义。


技术实现要素：

6.本技术实施例提出了一种基于多源数据的广域海洋全景融合方法及系统，来解决以上背景技术部分提到的技术问题。
7.第一方面，本技术实施例提供了一种基于多源数据的广域海洋全景融合方法，该方法包括以下步骤：
8.s110、获取多张图像并提取图像的标定点，计算相机的内参数、外参数，使用最小生成树法从图像中选取参考图像，以及对剩余图像进行排序；
9.s120、使用直接线性变换算法获得所有图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有剩余图像与参考图像之间的投影变换关系；
10.s130、使用光束平差法对内参数和外参数进行优化，获得标定后的相机参数；以及
11.s140、采用改进的图割算法对多张图像进行拼接融合处理，生成海面全景融合图像。
12.本技术使用光速平差法能够对多源传感器获取的标定点残差进行协同优化，获得标定后的相机参数，可以约束相机的整体几何结构。改进后的图割算法可以适用于海面的拼接应用场景，可以实现海面全景图像的融合。
13.在一些实施例中，在步骤s140中，采用改进的图割算法对多张图像进行拼接融合
处理，改进的图割算法中的数据项能量损失函数ed如下所示：
[0014][0015]
其中，l
p
表示在像素p的标签值，表示根据p
l
的值确定不同的端点，α为权重系数，σ为高斯距离的标准差。
[0016]
改进的图割算法采用图像坐标的高斯距离与像素梯度共同约束图割的分类结果，有助于寻找到分割线将重叠区域更平均的分开，且分割线趋向于垂直相机运动的方向，更加符合海面视频的拼接任务。
[0017]
在一些实施例中，在步骤s120，使用直接线性变换算法获得所有图像中具有重叠区域的图像ii和图像ij之间的变换矩阵h
ij
，以及获取所有剩余图像与参考图像之间的投影变换关系其中k表示总共k 张图像，投影变换关系包括内参数和外参数。
[0018]
通过该操作可以获取相机设备的内、外参数的初值，以便后续通过平差优化的方法得到内、外参数的准确值。
[0019]
在一些实施例中，在步骤s120，第k个标定点从图像ii变换到图像ii产生的误差由以下公式表示：
[0020][0021]
所有图像之间的特征点的误差值通过以下公式计算获得：
[0022][0023]
其中，i(i)表示所有与图像ii有重叠区域的图像的集合，k(i,j)表示图像ii和图像ij之间所有的同名特征点。
[0024]
在一些实施例中，在步骤s130，使用非线性最小二乘算法 levenberg-marquardt计算误差值，获得使投影变换关系值最小的参数矩阵将最小的参数矩阵作为标定后的相机参数。
[0025]
通过该操作可以获得经过全局光束平差法修正过的变换矩阵，进而约束相机的整体几何结构。
[0026]
在一些实施例中，在步骤s140中，采用改进的图割算法对多张所述图像进行拼接融合处理，还包括：
[0027]
将任意一对具有重叠区域的图像i0和图像i1的每个像素p的标签值标记为l
p
，其中标签值l∈{0,1}，判断像素p是否满足以下最小化能量函数e的公式：
[0028][0029]
若满足上述公式且最终标签值为1的像素点将出现在海面全景融合图像中；
[0030]
其中，ed表示标签值为l
p
的像素p在数据项上的能量损失函数，es 表示所有与像素p有关联的近邻像素之间的平滑项，λ是数据项与平滑项 es之间的重要因子，p、q表示不
同的像素。
[0031]
使用图割算法得到投影变换的拼接缝，并选择最佳拼接缝进行图像拼接融合。
[0032]
在一些实施例中，在步骤s140中，平滑项es的公式为：
[0033]es
(p,l
p
,q,lq)＝|l
p-lq|(d(p)+d(q))
[0034]
若l
p
＝lq，则平滑项es等于0，若l
p
不等于lq，则平滑项的大小依据公式d的大小决定，其中d为：
[0035][0036][0037]
其中，l
p
为像素p的标签值，lq为像素q的标签值，d表示重叠区域的图像被标记成不同的标签值的差异之和，α为重要因子，α＝2。
[0038]
在一些实施例中，获取多张图像并提取图像的标定点，计算相机的内参数、外参数，包括以下步骤：
[0039]
s111、获取多个视点下拍摄的相机标定用棋盘格图像；
[0040]
s112、对相机拍摄的棋盘格标定物图像进行角点提取；
[0041]
s113、根据获取的角点信息，计算相机的内参数和外参数。
[0042]
通过该操作可以快速获得相机的内参数和外参数，以便后续操作。
[0043]
第二方面，本技术提供了一种基于多源数据的广域海洋全景融合系统，该系统包括以下模块：
[0044]
获取模块，配置用于获取多张图像并提取所述图像的标定点，计算相机的内参数、外参数，使用最小生成树法从所述图像中选取参考图像，以及对剩余图像进行排序；以及
[0045]
投影模块，配置用于使用直接线性变换算法获得所有所述图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有所述剩余图像与所述参考图像之间的投影变换关系；以及
[0046]
优化模块，配置用于使用光束平差法对所述内参数和外参数进行优化，获得标定后的相机参数；以及
[0047]
拼接模块，配置用于采用改进的图割算法对多张所述图像进行拼接融合处理，生成全景融合图像。
[0048]
第三方面，本技术提供了一种计算机可读存储介质，该介质中存储有计算机程序，在计算机程序被处理器执行时，实施如上述中任一项的方法。
[0049]
本技术实施例提供的一种基于多源数据的广域海洋全景融合方法及系统通过全局光束平差法修正具有重叠区域的图像之间的变换矩阵，以约束相机的整体几何结构；以及采用改进的图割算法，通过图像坐标的高斯距离和像素梯度共同约束图割的分类结果，以助于寻找最佳拼接缝，使拼接缝趋向于垂直相机设备的方向，进而符合海面图像的拼接。
附图说明
[0050]
通过阅读参照以下附图，所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
[0051]
图1是根据本技术的基于多源数据的广域海洋全景融合方法的流程图；
[0052]
图2是根据本技术的基于多源数据的广域海洋全景融合系统的示意图；
[0053]
图3是适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0054]
下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
[0055]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
[0056]
图1示出了本技术的基于多源数据的广域海洋全景融合方法的流程图，如图1所示，该方法100包括以下步骤：
[0057]
s110、获取多张图像并提取图像的标定点，计算相机的内参数、外参数，使用最小生成树法从图像中选取参考图像，以及对剩余图像进行排序。
[0058]
在本实施例中，可以根据图像间的几何拓扑关系，使用最小生成树法选出参考图像ir，并对其它剩余的输入图像进行排序。图像间的几何拓扑关系可以使用相位相关法，粗略估计出平移和旋转参数。其中，相位相关法是一种基于频率域的图像配准算法，运算效率极高。
[0059]
在本实施例中，获取多张图像并提取图像的标定点，包括：通过给定的相机设备(如可见光相机、热成像相机)加载的一组传感器获得图像集ik{k＝1,...,k}，提取出这k张图像的标定点(如棋盘格角点信息)，进而计算相机的内参数、外参数，具体的还包括以下子步骤：
[0060]
s111、获取多个视点下拍摄的相机标定用棋盘格图像。其中，标定物选用方格系列菲林标定板，选取合适角度将相机固定，拍摄棋盘格标定物图像，通过调整标定物的方向，用相机拍摄多张不同方向的照片。
[0061]
s112、对相机拍摄的棋盘格标定物图像进行角点提取。其中，可以自动提取，也可以允许用户进行交互式的棋盘角点提取。
[0062]
s113、根据获取的角点信息，计算相机的内参数和外参数。其中，可以通过matlab标定工具箱进行快速计算。
[0063]
继续参考图1，该方法100还包括：
[0064]
s120、使用直接线性变换算法获得所有图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有剩余图像与参考图像之间的投影变换关系；
[0065]
s130、使用光束平差法对内参数和外参数进行优化，获得标定后的相机参数；
[0066]
在本实施例中，在步骤s120中，使用直接线性变换算法(dlt)计算获得所有图像中具有重叠区域的图像ii和图像ij之间的变换矩阵h
ij
，以及获取所有剩余图像与参考图像之间的投影变换关系其中，k表示总共获取的k张图像，该投影变换关系包括内参数和外参数。
[0067]
在步骤s120，进一步的，第k个标定点从图像ii变换到图像ii产生的误差由以下公式表示：
[0068][0069]
所有图像之间的特征点的误差值通过以下公式计算获得：
[0070][0071]
其中，i(i)表示所有与图像ii有重叠区域的图像的集合，k(i,j)表示图像ii和图像ij之间所有的同名特征点。
[0072]
进一步的，在步骤s130中，可以使用非线性最小二乘算法 levenberg-marquardt计算该误差值，最终获得使投影变换关系值最小的参数矩阵将该最小参数矩阵作为标定后的相机参数。
[0073]
使用直接线性变换算法进行计算具有以下显著的特点：首先，由像空间坐标直接变换到物空间坐标，不需要内外方位元素的初始值；其次，直接使用原始观测量像点坐标，可进行有效的系统误差补偿。与常规摄像机校验的不同之处主要体现在：考虑电学误差对标定的影响；算法上要求快速实时并且稳定可靠。
[0074]
相机参数的标定是全景图像拼接的核心步骤，其精度对广域海面图像的融合效果有着至关重要的影响。而且，目标检测模块需融合可见光和热成像影响。因此，必须对加载在设备上的可见光相机、热成像相机进行联合标定。由于光束平差法可以在标定过程中，对多源传感器获取的标志点残差进行协同优化。因此，本技术采用光束平差实现相机的标定。通过步骤s110-s130的操作可以获得经过全局光束平差法修正过的变换矩阵，进而约束相机的整体几何结构。
[0075]
继续参考图1，该方法100还包括：
[0076]
s140、采用改进的图割算法对多张图像进行拼接融合处理，生成海面全景融合图像。
[0077]
在本实施例中，采用改进的图割算法对多张图像进行拼接融合处理，具体包括：
[0078]
将任意一对具有重叠区域的图像i0和图像i1的每个像素p的标签值标记为l
p
，其中标签值l∈{0,1}，判断像素p是否满足以下最小化能量函数e的公式：
[0079][0080]
若满足上述公式且最终标签值为1的像素点将出现在海面全景融合图像中；
[0081]
其中，ed表示标签值为l
p
的像素p在数据项上的能量损失函数，es 表示所有与像素p有关联的近邻像素之间的平滑项，通常采用四邻域连接平滑项es是两幅图像的重叠区域的拼接缝处的损失函数，λ是数据项与平滑项es之间的重要因子，p、q表示不同的像素。
[0082]
其中，平滑项es表示像素p与领域中其它节点q不连续的惩罚，平滑项es公式如下所示：
[0083]es
(p,l
p
,q,lq)＝|l
p-lq|(d(p)+d(q))
[0084]
若l
p
＝lq，则平滑项es等于0，若l
p
不等于lq，则平滑项的大小依据公式d的大小决定，其中d为：
[0085][0086][0087]
其中，l
p
为像素p的标签值，lq为像素q的标签值，d表示重叠区域的图像被标记成不同的标签值的差异之和，α为重要因子，决定着两类损失函数对于能力的影响大小，α＝2。
[0088]
在本技术的实施例中，海面图像只有水平或垂直方向的平移变换，故根据图像帧之间的平移方向，动态选择端点的位置。选择图像中垂直于位移方向的两条边界的中点作为图割模型的两个端点。因此，对传统的图割算法中的数据项能量损失函数进行改进。具体的，改进后的图割算法中的数据项能量损失函数ed如下所示：
[0089][0090]
其中，l
p
表示在像素p上的标签值，表示根据的p
l
值确定不同的端点，α为权重系数，σ为高斯距离的标准差。若l
p
＝0，则使用像素p在图像i0的梯度。反之选择图像i1的梯度，即两张图像中比较像素p的梯度值，梯度越大，损失函数就越小，该条边被切割的概率就越大。
[0091]
其中，表示根据p
l
的值确定不同的端点，p0为s端点，p1为t端点，α为一个权重系数，σ为高斯距离的标准差。图像分割(graph cuts) 图是在普通图的基础上多了2个顶点，这2个顶点分别用符号”s”和
”ꢀ
t”表示，称为终端顶点。改进的图割算法采用图像坐标的高斯距离与像素梯度共同约束图割的分类结果。有助于寻找到分割线将重叠区域更平均的分开，且分割线趋向于垂直相机运动的方向，更加符合海面视频的拼接任务。
[0092]
本技术使用光速平差法能够对多源传感器获取的标定点残差进行协同优化，获得标定后的相机参数，可以约束相机的整体几何结构。使用改进后的图割算法寻找到最佳分割线，适用于海面的拼接应用场景，实现海面全景图像的融合。
[0093]
进一步参考图2，作为对上述所述方法的实现，本技术提供了基于多源数据的广域海洋全景融合系统的一个实施例，该系统实施例与图1所示的方法实施例相对应，该系统具体可以应用于各种电子设备中。该系统200包括：
[0094]
获取模块210，配置用于获取多张图像并提取所述图像的标定点，计算相机的内参数、外参数，使用最小生成树法从所述图像中选取参考图像，以及对剩余图像进行排序；以及
[0095]
投影模块220，配置用于使用直接线性变换算法获得所有所述图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有所述剩余图像与所述参考图像之间的投影变换关系；以及
[0096]
优化模块230，配置用于使用光束平差法对所述内参数和外参数进行优化，获得标定后的相机参数；以及
[0097]
拼接模块240，配置用于采用改进的图割算法对多张所述图像进行拼接融合处理，生成全景融合图像。
[0098]
在本技术的实施例中，该系统以无人岛礁周边的海面环境、入侵目标监测需求为出发点，该系统可通过在竖直方向上的多个图像采集设备，同时采集不同景深的图像，并且
无缝拼接融合成一张全景图像。系统具有成像直观、实时预警、性能稳定的特点。图像采集设备同轴按一定的转速匀速转动扫描一周，一个设备扫描周期即为一个全景图像的成像周期，周期时间可设置，一般小于100s，图像采集半径为3km，扫描面积为25km2。该系统具体包括多源传感器联合标定系统，基于快速图割的全景图像融合系统，可广泛应用于边防、海防、岛礁的广域海面无人值守，实现实时广域全景与入侵目标检测，推动无人岛礁智能监测技术的革新。
[0099]
本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序在被处理器执行时实施如上述中任一项方法。
[0100]
如图3所示，计算机系统300包括中央处理单元(cpu)301，其可以根据存储在只读存储器(rom)302中的程序或者从存储部分308加载到随机访问存储器(ram)303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有系统300操作所需的各种程序和数据。cpu 301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o) 接口305也连接至总线304。
[0101]
以下部件连接至i/o接口305：包括键盘、鼠标等的输入部分306；包括液晶显示器(lcd)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器 310也根据需要连接至i/o接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。
[0102]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质 311被安装。在该计算机程序被中央处理单元(cpu)301执行时，执行本技术的方法中限定的上述功能。需要说明的是，本技术所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0103]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0104]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0105]
描述于本技术实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、分析模块和输出模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
[0106]
以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

技术特征：
1.一种基于多源数据的广域海洋全景融合方法，其特征在于，包括以下步骤：s110、获取多张图像并提取所述图像的标定点，计算相机的内参数、外参数，使用最小生成树法从所述图像中选取参考图像，以及对剩余图像进行排序；s120、使用直接线性变换算法获得所有所述图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有所述剩余图像与所述参考图像之间的投影变换关系；s130、使用光束平差法对所述内参数和外参数进行优化，获得标定后的相机参数；以及s140、采用改进的图割算法对多张所述图像进行拼接融合处理，生成海面全景融合图像。2.根据权利要求1所述的基于多源数据的广域海洋全景融合方法，其特征在于，在步骤s140中，采用改进的图割算法对多张所述图像进行拼接融合处理，所述改进的图割算法中的数据项能量损失函数e
d
如下所示：其中，l
p
表示在像素p上的标签值，p
lp
表示根据p
l
的值确定不同的端点，α为权重系数，σ为高斯距离的标准差。3.根据权利要求1所述的基于多源数据的广域海洋全景融合方法，其特征在于，在步骤s120，使用直接线性变换算法获得所有所述图像中具有重叠区域的图像i
i
和图像i
j
之间的变换矩阵h
ij
，以及获取所有所述剩余图像与所述参考图像之间的投影变换关系其中k表示总共k张图像，所述投影变换关系包括所述内参数和外参数。4.根据权利要求3所述的基于多源数据的广域海洋全景融合方法，其特征在于，在步骤s120，第k个标定点从图像i
i
变换到图像i
i
产生的误差由以下公式表示：所有图像之间的特征点的误差值通过以下公式计算获得：其中，i(i)表示所有与图像i
i
有重叠区域的图像的集合，k(i,j)表示图像i
i
和图像i
j
之间所有的同名特征点。5.根据权利要求4所述的基于多源数据的广域海洋全景融合方法，其特征在于，在步骤s130，使用非线性最小二乘算法levenberg-marquardt计算所述误差值，获得使投影变换关系值最小的参数矩阵将所述最小的参数矩阵作为标定后的相机参数。6.根据权利要求2所述的基于多源数据的广域海洋全景融合方法，其特征在于，在步骤s140中，采用改进的图割算法对多张所述图像进行拼接融合处理，还包括：将任意一对具有重叠区域的图像i0和图像i1的每个像素p的标签值标记为l
p
，其中标签值l∈{0,1}，判断所述像素p是否满足以下最小化能量函数e的公式：
若满足上述公式且最终标签值为1的像素点将出现在所述海面全景融合图像中；其中，e
d
表示标签值为l
p
的像素p在数据项上的能量损失函数，es表示所有与像素p有关联的近邻像素之间的平滑项，λ是数据项与平滑项es之间的重要因子，p、q表示不同的像素。7.根据权利要求6所述的基于多源数据的广域海洋全景融合方法，其特征在于，在步骤s140中，所述平滑项es的公式为：e
s
(p,l
p
,q,l
q
)＝|l
p-l
q
|
·
(d(p)+d(q))若l
p
＝l
q
，则平滑项es等于0，若l
p
不等于l
q
，则平滑项的大小依据公式d的大小决定，其中d为：中d为：其中，l
p
为像素p的标签值，l
q
为像素q的标签值，d表示重叠区域的图像被标记成不同的标签值的差异之和，α为重要因子，α＝2。8.根据权利要求1所述的基于多源数据的广域海洋全景融合方法，其特征在于，在步骤s110，获取多张图像并提取所述图像的标定点，计算相机的内参数、外参数，包括以下步骤：s111、获取多个视点下拍摄的相机标定用棋盘格图像；s112、对相机拍摄的棋盘格标定物图像进行角点提取；s113、根据获取的角点信息，计算相机的内参数和外参数。9.一种基于多源数据的广域海洋全景融合系统，其特征在于，包括以下模块：获取模块，配置用于获取多张图像并提取所述图像的标定点，计算相机的内参数、外参数，使用最小生成树法从所述图像中选取参考图像，以及对剩余图像进行排序；以及投影模块，配置用于使用直接线性变换算法获得所有所述图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有所述剩余图像与所述参考图像之间的投影变换关系；以及优化模块，配置用于使用光束平差法对所述内参数和外参数进行优化，获得标定后的相机参数；以及拼接模块，配置用于采用改进的图割算法对多张所述图像进行拼接融合处理，生成全景融合图像。10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实施如权利要求1-8中任一项所述的方法。

技术总结
本申请提供了一种基于多源数据的广域海洋全景融合方法及系统，该方法包括：获取多张图像并提取图像的标定点，计算相机的参数，使用最小生成树法从图像中选取参考图像，以及对剩余图像进行排序；使用直接线性变换算法获得所有图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有剩余图像与参考图像之间的投影变换关系；使用光束平差法对参数进行优化，获得标定后的相机参数；以及采用改进的图割算法对多张图像进行拼接融合处理，生成海面全景融合图像。使用光速平差法对标定点残差进行协同优化，获得标定后的相机参数，进而约束相机的整体几何结构。改进后的图割算法可以适用于海面的拼接应用场景以实现海面全景图像的融合。的融合。的融合。


技术研发人员：林丽真 彭鹭斌 江文涛 林育良
受保护的技术使用者：罗普特（厦门）系统集成有限公司
技术研发日：2021.12.02
技术公布日：2022/3/8