公开(公告)号：CN118154417B

公开(公告)日：2024-09-03

申请号：CN202410079474.3

申请日：2024-01-19

Applicant: 中国矿业大学

Inventor： 缪燕子 ,  徐辰伟 ,  魏薇 ,  卜冉 ,  刘润翌

IPC: G06T3/4038 ,  G06T3/4046 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/0455 ,  G06V10/74 ,  G06F17/16 ,  G06N3/08

Abstract: 一种基于SIFT与深度学习联合优化的铁塔天线全景图像拼接方法，先将相邻两帧图像分别输入进基于几何特征匹配网络、基于SIFT特征匹配网络以及回环检测网络得到图像多模态特征匹配关系；再将特征匹配关系输入进RANSAC的单应性估计器得到多模态单应性变换矩阵以及表示矩阵估计确定性协方差矩阵；再使用基于位姿图的联合优化方式，优化多模态单应性变换矩阵；最后使用优化后的矩阵进行图像拼接得到全景图像。本发明能够将SIFT的不变性以及效率高的优势与深度学习能捕捉更丰富的特征信息的优势结合起来，在保证图像拼接效率的同时，更准确地估算单应性矩阵，提升了整体铁塔天线全景图像拼接的准确性和稳定性。

公开(公告)号：CN118154417A

公开(公告)日：2024-06-07

申请号：CN202410079474.3

申请日：2024-01-19

Applicant: 中国矿业大学

Inventor： 缪燕子 ,  徐辰伟 ,  魏薇 ,  卜冉 ,  刘润翌

IPC: G06T3/4038 ,  G06T3/4046 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/0455 ,  G06V10/74 ,  G06F17/16 ,  G06N3/08

Abstract: 一种基于SIFT与深度学习联合优化的铁塔天线全景图像拼接方法，先将相邻两帧图像分别输入进基于几何特征匹配网络、基于SIFT特征匹配网络以及回环检测网络得到图像多模态特征匹配关系；再将特征匹配关系输入进RANSAC的单应性估计器得到多模态单应性变换矩阵以及表示矩阵估计确定性协方差矩阵；再使用基于位姿图的联合优化方式，优化多模态单应性变换矩阵；最后使用优化后的矩阵进行图像拼接得到全景图像。本发明能够将SIFT的不变性以及效率高的优势与深度学习能捕捉更丰富的特征信息的优势结合起来，在保证图像拼接效率的同时，更准确地估算单应性矩阵，提升了整体铁塔天线全景图像拼接的准确性和稳定性。