Prinsip teknologi penjahitan gambar kamera multi-tampilan

Itu Multi-ruangan Teknologi penjahitan gambar bertujuan untuk menggabungkan gambar yang diambil dari berbagai perspektif menjadi bidang lebar yang lengkap dan koheren. Prinsip inti melibatkan langkah-langkah utama berikut:

Kamera dalam sistem multikamera dipicu secara serempak untuk menangkap gambar dari berbagai bagian pada saat yang bersamaan. Hal ini memerlukan sinkronisasi jam yang tepat di antara kamera untuk memastikan konsistensi temporal dari gambar yang ditangkap, mencegah ketidaksejajaran atau pengaburan objek dinamis dalam pemandangan karena perbedaan waktu dalam pengambilan gambar.

Untuk setiap gambar yang diambil oleh kamera, algoritma ekstraksi fitur digunakan untuk mengidentifikasi titik fitur yang menonjol di dalam. Algoritma ekstraksi fitur yang umum meliputi SIFT (Scale-Invariant Feature Transform) dan SURF (Speeded Up Robust Features). Algoritma ini dapat secara akurat mengidentifikasi fitur seperti sudut dan tepi pada gambar di bawah pencahayaan yang berbeda, skala, dan perubahan rotasi, yang menyediakan dasar untuk pencocokan gambar selanjutnya. Misalnya, SIFT membangun piramida perbedaan Gaussian untuk mendeteksi titik ekstrem dalam ruang multiskala, menetapkan arah dan deskriptor ke titik ekstrem ini, sehingga menjadikannya invarian terhadap skala dan rotasi.

Titik-titik fitur dalam gambar dari kamera yang berbeda dicocokkan secara berpasangan untuk menentukan korespondensi spasialnya. Langkah ini biasanya menggunakan metode pencocokan berbasis deskriptor fitur, seperti mengukur kesamaan dua deskriptor titik fitur menggunakan jarak Euclidean atau kesamaan kosinus. Jika kesamaan melebihi ambang batas yang ditetapkan, keduanya dianggap cocok. Selama proses tersebut, perlu juga mempertimbangkan kemungkinan kecocokan yang salah dan menghapus pasangan yang salah menggunakan algoritme seperti RANSAC (Random Sample Consensus) untuk memastikan kecocokan. Misalnya, menggunakan jarak Euclidean, jarak garis lurus antara dua vektor deskriptor titik fitur dalam ruang vektor dihitung, dengan yang lebih kecil menunjukkan kesamaan yang lebih tinggi.

Setelah menyelesaikan pencocokan titik fitur, hubungan transformasi geometrik antara gambar dihitung berdasarkan pasangan titik yang cocok. Model umum meliputi transformasi afin dan transformasi perspektif. Jika pemandangannya kira-kira planar, transformasi afin dapat menggambarkan hubungan pemetaan antara gambar; jika pemandangannya memiliki kedalaman, transformasi perspektif lebih tepat. Parameter model transformasi dipecahkan menggunakan algoritme pengoptimalan seperti kuadrat terkecil, meminimalkan kesalahan posisi titik yang cocok setelahnya. Misalnya, dalam transformasi perspektif, sistem persamaan dibangun menggunakan pasangan titik yang cocok yang diketahui untuk memecahkan 8 parameter yang mewakili transformasi perspektif, dengan demikian hubungan pemetaan yang tepat antara gambar.

Berdasarkan model transformasi terkomputasi, gambar dari berbagai kamera digabungkan bersama. Selama proses penggabungan, faktor-faktor seperti gambar dan kontras dipertimbangkan, dan algoritma penggabungan yang tepat, seperti rata-rata tertimbang dan penggabungan piramida Laplacian, digunakan untuk memastikan transisi antara gambar alami tanpa jahitan yang terlihat. Metode rata-rata tertimbang menetapkan bobot yang berbeda untuk setiap piksel berdasarkan area yang tumpang tindih dan posisi piksel, lalu menjumlahkan nilai piksel dalam tumpang tindih dengan bobot untuk mencapai transisi yang mulus. Metode penggabungan piramida Laplacian pertama-tama menguraikan gambar menjadi lapisan piramida resolusi yang berbeda, lalu menggabungkan setiap lapisan secara terpisah, akhirnya merekonstruksi gambar gabungan yang lengkap.

Melalui serangkaian langkah tepat dan rumit di atas, teknologi penggabungan gambar kamera multi-tampilan dapat mengubah gambar multi-perspektif menjadi gambar panorama, memberikan dukungan visual yang kuat untuk berbagai bidang seperti pengawasan keamanan, realitas virtual, dan pengemudian mandiri.