有理Beta样条曲面拼接曲面拼接的新算法

第23卷第2期 齐 齐 哈 尔 大 学 学 报 Vol.23,No.2 2007年3月 Journal of Qiqihar University March,2007

有理Beta 样条曲面拼接曲面拼接的新算法

宋广军，丁春欣，王睿

（齐齐哈尔大学计算机系，黑龙江 齐齐哈尔 161006）

摘要：本文依据实际应用系统，介绍了有理Beta 样条曲面造型的概念，并根据该系统所运用的曲面边界的具体处

理方法，提出了一种新的曲面非连续拼接算法，并加以实现。

关键词：计算机辅助设计；有理Beta 样条；曲面片；拼接方法

中图分类号：TP391 文献标识码：A 文章编号：1007-984X(2007)02-0032-04

在飞机、船舶、汽车、模具制造，以及CAGA 的制造中，构造自由型曲线与曲面是很重要的一个方面。当前由于非均匀有理B 样条（NURBS）曲面在形状定义方面具有较强的功能与潜力，因此在CAD/CAM 与计算机图形学领域得到广泛应用。本文提及的造型系统是采用有理Beta 样条曲面，它兼有有利B 样条曲面的优点，并放松了对曲面光滑性的要求，从C 2连续性降为G 2

连续性，而且还引入了形状参量和权因子，因此具有更多的形状控制自由度。其形状既受形状参数取值的影响，又可用权因子进行调整，这就使几何形体的造型设计具有更大的灵活性。然而，由于工业产品实际形状的复杂性，用单一的曲面片往往是难以实现的，必须采用组合曲面的方式。这就遇到了曲面的拼接问题，其中包括曲面的连续拼接与非连续拼接。由于有理Beta 样条曲面表示形式的复杂性，给研究工作带来困难，因此有关其曲面拼接问题，研究成果甚

微。对于曲面的连续拼接，工程中一般应用切平面连续（G 1）

，曲率连续（G 2）条件进行光滑连接。然而为了设计的便利，局部修改的简单快捷，对其非连续拼接的研究也是十分必要的。鉴于我们在有理Beta 样条曲面进行造型的实践中对此类问题的研究，提出了一种解决有理Beta 样条曲面非连续拼接的方法，实践证明此方法方便实用，行之有效。 1 有理Beta 样条曲面的基本概念

给定空间n m ×个有序点j i V ,(i =0,1,…,1?m ；j =0,1,…,1?n )及n m ×个正数j i ,ω(i =0,1,…,1?m ；j = 0,1,…,1?n )，那么由双三次有理失值函数

∑∑∑∑?=?=++?=?=++++=1212,1212

,,,)

()()()(),(r s s r s j r i r s s

j r i s r s j r i j i v b u b V v b u b v u Q ωω （1） 确定的曲面称为有理双三次Beta 样条曲面，其中，u ≤0，1≤v ，)(u b r 和)(v b s 分别为u 向三次和v 向三次的规范Beta 样条基函数[1]

。u 向的表达式如下 Δ

?+?=Δ++++++??+++=Δ

+++?+++=Δ

=??/]2662[)(/])2222()663()66()44[()(/])2222()63(62[)(/2)(331231313123121312221312131121213121222121031u u u u b u u u u b u u u u b u u b ββββββββββββββββββββββ （2）

收稿日期：2006-11-29

作者简介：宋广军（1963-），男，硕士研究生，教授，主要从事图形学、信息安全和数据库等方面的研究。

第2期 有理Beta 样条曲面拼接曲面拼接的新算法 ?33? 这里：02444212121312≠+++++=Δβββββ，01>β，2β任意。

v 向三次Beta 样条基函数与上式形式相同。

有理三次Beta 样条曲面是一个受控制顶点阵列控制，逐块用双三次函数表示的曲面。这种曲面不一定通过控制顶点。周围16个控制顶点控制了一个曲面块的大体形状，并通过改变形状参数及权因子的值，可在此范围内对曲面片形状作进一步调整。有理双Beta 样条曲面可定义为

),(),(,,,v u Q v u Q n

m j i j i ∑= （3）

式（3）表示整个曲面),(v u Q 是一系列曲面块),(,v u Q j i 按几何连续性的原则拼接而成。有理三次Beta 样条曲面（1）的相邻两块曲面块在其公共边界上跨界为2G 连续。因为有理Beta 样条曲面并不经过曲面的边界点，为使曲面延伸到边界，需要采用一些特定方法来扩充控制顶点阵列。扩充的方法很多，如二重顶点法，三重顶点法，虚幻顶点法和封闭曲面的端点取值法等[2]

，在实际工作中我们采用的是三重顶点法，本文论述的曲面拼接方法，也是在此基础上提出的。 2 有理Beta 样条曲面的拼接方法

2.1 曲面的边界处理方法

有理Beta 样条曲面边界附近需附加曲面块，使曲面更接近于曲面边界。这些增加的曲面块不能够按常规方法求出，因为有不存在的控制点。确定这些曲面片的方法可分成两大类，一是重复顶点法，另一个是虚幻顶点法。不同的附加端点条件将使曲面边界有不同的几何特性。这里只讨论我们在实际中所使用的重复顶点法，其它方法可参阅有关的参考文献[3]

。

2.1.1 二重顶点法

为式（3）计算出来的一系列曲面块j i Q ,（i =2，3，…，1?m ；j =2，3，…，1?n ）增补周围的曲面块，新增的曲面块为 ),(,1v u Q j , j =1,2,…,1?n ；),(,v u Q n i ，i =1,2,…,1?m ；),(,v u Q j m ,j =2，3，…,n ；),(1,v u Q i ，i =2,3,…，m 为此定义周围不存在的控制顶点，即令

j j V V ,0,1=?，j m j m V V ,,1=+，j =0，1，…，m ; 0,1,i i V V =?，n i n i V V ,1,=+，i =0，1，…，n

2.1.2 三重顶点法

在二重顶点法的基础上，再增补一圈曲面块，其新增加的曲面块为

),(,0v u Q j ,j =0,1,…,n ;),(1,v u Q n i +，i =0,1,2, …，m ；),(,1v u Q j m +,j =1,2,3,…,1+n ；),(0,v u Q i ,i =1,2,3,…,1+m 因此需要在定义一层不存在的控制顶点：

j j V V ,0,2=?，j m j m V V ,,2=+，j =0，1，…，m ; 0,2,i i V V =?，n i n i V V ,2,=+，i =0，1，…，n

例如: )()()()]()()([),(1

2,112,0012,0t b V u b t b V u b u b u b v u Q s s s j i s s s j j ??+??++=∑∑?=+?=+??, 曲面),(,0v u Q j 经过控制顶点

j V ,0（j =0，1，…，m ）连接而成的边界性。

由于通过三重顶点法生成的曲面块经过由边界上的控制顶点连成的边界线，因此在不同曲面之间进行拼接时，三重顶点法为经常使用的边界处理方法。

2.2 曲面拼接方法

由于许多复杂的几何形体不能够由一个曲面构成，因此要构造复杂的形体，就必须用多个曲面进行拼接。通过对有理Beta 样条曲线和曲面边界处理方法的研究得知，经过三重顶点法处理的曲面经过其控制顶点，同时对这些控制顶点采用三重结点法，就可以使两个曲面在公共控制点处重合，从而达到曲面拼接的目的。根据造型的具体需要，两个曲面之间的拼接关系可以分成以下3种情况：

1）两个曲面在边界处拼接。这种情况要求两个曲面在相互拼接的边界处使用公共控制顶点，同时对相

?34? 齐 齐 哈 尔 大 学 学 报 2007年 应的边界采用三重顶点法进行边界处理。两个曲面在相应边界的控制顶点个数可以是相同的，也可以是不相同的，但必须保证欲拼接部分的控制顶点的个数相等。

2）一个曲面在边界处，另一个曲面在曲面的内部。假如拼接部分在边界的曲面为1Q ，拼接部分在曲面内部的曲面为2Q ，则要求曲面1Q 拼接的边界处理方法采用三重顶点法，而曲面2Q 在内部拼接处对公共控制顶点也应用三重顶点法，即将欲拼接部分的控制顶点重复使用3次。这样就使得两个曲面在公共控制点处实现拼接。

3）两个曲面的拼接部分均在曲面内部。这种情况要求两个曲面在拼接处对公共控制顶点采用三重顶点法，即可以实现两个曲面在公共控制顶点的连线重合。这种情况在实际中并不常见。

对于用有理Beta 样条曲面进行造型时所需要的数据，主要是输入曲面造型所必须的三维控制顶点阵列的数据坐标和相应的权因子值。其输入方式有两种：数据文件输入和鼠标输入。前者将三维控制点坐标及相关信息事先写入文件中，然后以文件形式将数据读入。在这种情况下，曲面拼接部分的控制顶点值能够被精确给出，不会出现误差。后者使用鼠标按具体曲面的形状，在屏幕提示的坐标系中直接交互式的输入。这就必然使得两曲面拼接部分的相应控制顶点不能精确到同一点，因此，控制顶点矩阵的调整是必要的。然而，这种调整如果用人工的方式进行，将会花费大量的时间和精力，给使用者带来许多不便。我们在实际应用中采用拼接控制点自适应搜索算法，让计算机自动地来完成这项工作，其算法描述如下：

Step 1. 判断任意两个拼接曲面属于上述3种拼接关系的哪一种，若为第1种，则转Step4。

Step 2. 判断两个拼接曲面属于第2种拼接关系还是第3种拼接关系，若为第2种，则转Step4。

Step 3. 对于第3种情况，较小拼接曲面控制点矩阵中的每个元素与另一拼接曲面控制点矩阵中的每个元素进行比较。然后根据拼接处公共控制点数，取其相应元素差的绝对值最小的元素，并对其相应元素求平均值作为公共控制顶点，转Step5。

Step 4. 由于至少一个曲面的拼接部分在边界处，所以一个曲面的公共控制顶点为已知，用已知的公共控制顶点逐个与另一拼接曲面控制点矩阵中的每个元素求差的绝对值，其最小者即为相应拼接控制点，用其平均值作为公共控制顶点。

Step 5. 结束。

例如图1所示的花瓶是上述第1种拼接方式，图2所示的茶杯为第2种拼接方式，图3所示的沙发造型为第三种拼接方式。

3 结束语

本文通过对有理Beta 样条曲面边界处理方法的分析，在曲面边界采用三重结点法的基础上，给出了有理Beta 样条曲面非连续性拼接的3种方法，并通过在有理Beta 样条曲面实际造型中的运用可知，此方法行之有效，并且具有很高的使用价值。

参考文献

[1] Barsky B.A .and Beatty J. Local Control of Bias and Tension in Beta-Splines[J]. ACCM Trans. On Graphics,1983,2(2):109-134.

[2] 杨名生, 宋广军, 丑成业, 毛国君. 有理Beta 样条曲面及实现[J]. 大连理工大学学报，1996,36(3):264-269.

[3] 施法中. 计算机辅助几何设计与非均匀有理B 样条[M]. 北京航空航天大学出版社，1994.

图1 花瓶造型 图2 茶杯造型 图3 沙发造型

第2期有理Beta样条曲面拼接曲面拼接的新算法 ?35?

A new algorithm between adjacent rational Beta spline surface patches

SONG Guang-jun

(Department of Computer Science ,Qiqohar University ,Heilongjiang Qiqihar 161006,China)

Abstract：In this paper , the conception of rational Beta-splines surface modeling is introduced according to real application system . On the basis of the conditions of the border process in the system , a new connecting method for rational Beta spline surface patches is give .

Key words：CAD；rational Beta-splines；connecting method；surface

延迟焦化装置先进过程控制的应用

大庆石化公司选择了Honeywell公司的先进控制软件包，对延迟焦化装置实施了先进控制。该先进控制系统可准确地处理所有的相关约束，因而能够在不超过生产过程和设备约束的前提下确保控制目标的实现。该先进控制项目的控制目标包括：预估并控制粗汽油的干点以保证产品质量；预估并控制柴油的95％点以保证产品质量；稳定装置操作，尤其是稳定在焦化塔切换期间的装置操作，主要受控变量和产品质量指标波动的方差比原来降低50%；平衡炉子之间以及支路之间的流量，满足炉子负荷和炉子温度约束；轻油收率(LPG+汽油+柴油)提高1%～2%，实现效益最大的优化目标。

1 先进控制系统的控制方案。对于延迟焦化装置的操作而言，最大的控制问题是克服焦炭塔切换时引起的干扰。当焦炭塔预热或切换时，进入分馏塔的油气量在短时间内明显减少，而后逐渐回升，整个分馏塔的操作开始波动。此时，首先要维持分馏塔各液位，而后恢复塔内温度并控制产品质量。先进控制控制器将焦炭塔切换事件作为前馈干扰变量来处理，在焦炭塔切换的同时开始调整分馏塔，使分馏塔操作比较稳定。产品质量由软仪表在线计算获得并作为先进控制控制器的被控变量。通过在线软仪表的使用，可实现产品质量的卡边控制，提高汽油和柴油收率。

2 技术关键。1）根据装置的特点和生产的要求，精心设计阶跃试验计划，并保证试验的成功，从而为过程模型的辩识提供理想的数据。RMPCT辩识器通过装置的试验数据来建立过程的数学模型。为了能得到比较符合对象特性的模型，必须加激励信号。该实验信号的选择很严格，第一是幅度大小，如果幅度过大，则会对生产造成不良影响；但如果幅度太小，会增加辩识的难度，甚至得不到有用的模型。第二是每次阶跃保持的时间，要保持足够的时间让过程稳定下来，并且在保持过程中不要做有关联的调整操作，以保证过程响应的确定性。2）满足软硬件要求。原DCS系统软件版本和硬件环境都不能满足RMPCT控制器的需求。为此，更新了DCS的软硬件。利用检修时间，一次成功对DCS进行了全面升级，满足了先进控制的需要。其它的先进控制系统组态和应用组态都是在线进行的。3）把自动建模技术与专家的知识和经验有机地结合起来，使最后得到的过程模型能真实地反映控制对象的动态特性。

在预测控制中，过程的内部模型占有相当重要的地位，虽然对它与实际控制对象的拟合精度不是要求特别高，但是，大致的结构、稳态增益、时间常数和纯滞后如果比较准确，则预测结果一定比较理想，预估控制器就有了良好的基础。该控制利用了具有模型自动辨识功能的辨识器，但在模型辨识过程中发现，不同的阶跃试验情况(阶跃的幅度、试验时的工况、数据收集的时间、范围等等)、通过对试验数据的处理(数据截取的方法)和参数的不同选择，得到的模型结构和参数会有比较明显的差别。要想获得较好的过程模型，必须充分吸收现场工艺专家的经验。从而保证了所建立的每一个CV-MV/DV对模型基本上都能真实地反映出实际的过程特性。

3 应用效果

增强了装置的抗干扰能力，改善了原控制系统的控制质量，提高了生产的平稳性, 控制质量的指标波动方差减少一半以上。提高了控制水平，实现了主要生产指标和质量指标的卡边控制。以柴油95%点为例，按生产质量指标的期望值应在365℃，而在RMPCT控制器优化功能作用下，柴油95%点统计平均值原来的356.6℃提高到为362.2℃，实现了卡边控制。投用前后轻油收率由原来的55. 8%提高到57.7%，提高了1.9%。工艺参数的计算比较准确，能为操作人员和技术人员提供装置运行情况的参考。先进控制系统的操作比较简单，人—机界面可以由用户自由制作，启动/停止比较灵活，参数的修改也比较容易。鲁棒性比较好，运行比较稳定，在线投用率高，能达到98%的指标。

（张立丽，郑国庆；大庆石化总厂信息技术中心，黑龙江 大庆 163714）

全景拼接算法简介

全景拼接算法简介 罗海风 2014.12.11 目录 1.概述 (1) 2.主要步骤 (2) 2.1. 图像获取 (2) 2.2鱼眼图像矫正 (2) 2.3图片匹配 (2) 2.4 图片拼接 (2) 2.5 图像融合 (2) 2.6全景图像投射 (2) 3.算法技术点介绍 (3) 3.1图像获取 (3) 3.2鱼眼图像矫正 (4) 3.3图片匹配 (4) 3.3.1与特征无关的匹配方式 (4) 3.3.2根据特征进行匹配的方式 (5) 3.4图片拼接 (5) 3.5图像融合 (6) 3.5.1 平均叠加法 (6) 3.5.2 线性法 (7) 3.5.3 加权函数法 (7) 3.5.4 多段融合法（多分辨率样条） (7) 3.6全景图像投射 (7) 3.6.1 柱面全景图 (7) 3.6.2 球面全景图 (7) 3.6.3 多面体全景图 (8) 4.开源图像算法库OPENCV拼接模块 (8) 4.1 STITCHING_DETAIL程序运行流程 (8) 4.2 STITCHING_DETAIL程序接口介绍 (9) 4.3测试效果 (10) 5.小结 (10) 参考资料 (10) 1.概述 全景视图是指在一个固定的观察点，能够提供水平方向上方位角360度，垂直方向上180度的自由浏览（简化的全景只能提供水平方向360度的浏览）。 目前市场中的全景摄像机主要分为两种：鱼眼全景摄像机和多镜头全景摄像机。鱼眼全景摄像机是由单传感器配套特殊的超广角鱼眼镜头，并依赖图像校正技术还原图像的鱼眼全景摄像机。鱼眼全景摄像机

最终生成的全景图像即使经过校正也依然存在一定程度的失真和不自然。多镜头全景摄像机可以避免鱼眼镜头图像失真的缺点，但是或多或少也会存在融合边缘效果不真实、角度有偏差或分割融合后有"附加"感的缺撼。 本文档中根据目前所查找到的资料，对多镜头全景视图拼接算法原理进行简要的介绍。 2.主要步骤 2.1. 图像获取 通过相机取得图像。通常需要根据失真较大的鱼眼镜头和失真较小的窄视角镜头决定算法处理方式。单镜头和多镜头相机在算法处理上也会有一定差别。 2.2鱼眼图像矫正 若相机镜头为鱼眼镜头，则图像需要进行特定的畸变展开处理。 2.3图片匹配 根据素材图片中相互重叠的部分估算图片间匹配关系。主要匹配方式分两种： A．与特征无关的匹配方式。最常见的即为相关性匹配。 B．根据特征进行匹配的方式。最常见的即为根据SIFT，SURF等素材图片中局部特征点，匹配相邻图片中的特征点，估算图像间投影变换矩阵。 2.4 图片拼接 根据步骤2.3所得图片相互关系，将相邻图片拼接至一起。 2.5 图像融合 对拼接得到的全景图进行融合处理。 2.6 全景图像投射 将合成后的全景图投射至球面、柱面或立方体上并建立合适的视点，实现全方位的视图浏览。

360°全景拼接技术简介

本文为技术简介，详细算法可以参考后面的参考资料。 1.概述 全景图像(Panorama)通常是指大于双眼正常有效视角(大约水平90度，垂直70度)或双眼余光视角(大约水平180度，垂直90度)，在一个固定的观察点，能够提供水平方向上方位角360度，垂直方向上180度的自由浏览（简化的全景只能提供水平方向360度的浏览），乃至360度完整场景范围拍摄的照片。 生成全景图的方法，通常有三种：一是利用专用照相设备，例如全景相机，带鱼眼透镜的广角相机等。其优点是容易得到全景图像且不需要复杂的建模过程，但是由于这些专用设备价格昂贵，不宜普遍适用。二是计算机绘制方法，该方法利用计算机图形学技术建立场景模型，然后绘制虚拟环境的全景图。其优点是绘制全景图的过程不需要实时控制，而且可以绘制出复杂的场景和真实感较强的光照模型，但缺点是建模过程相当繁琐和费时。三是利用普通数码相机和固定三脚架拍摄一系列的相互重叠的照片，并利用一定的算法将这些照片拼接起来，从而生成全景图。 近年来随着图像处理技术的研究和发展，图像拼接技术已经成为计算机视觉和计算机图形学的研究焦点。目前出现的关于图像拼接的商业软件主要有Ptgui、Ulead Cool 360及ArcSoft Panorama Maker等，这些商业软件多是半自动过程，需要排列好图像顺序，或手动点取特征点。 2.全景图类型： 1)柱面全景图 柱面全景图技术较为简单，发展也较为成熟，成为大多数构建全景图虚拟场景的基础。这种方式是将全景图像投影到一个以相机视点为中心的圆柱体内表面，

视线的旋转运动即转化为柱面上的坐标平移运动。这种全景图可以实现水平方向360度连续旋转，而垂直方向的俯仰角度则由于圆柱体的限制要小于180度。柱面全景图有两个显著优点：一是圆柱面可以展开成一个矩形平面，所以可以把柱面全景图展开成一个矩形图像，而且直接利用其在计算机内的图像格式进行存取；二是数据的采集要比立方体和球体都简单。在大多数实际应用中，360度的环视环境即可较好地表达出空间信息，所以柱面全景图模型是较为理想的一种选择。 2)立方体全景图 立方体全景图由六个平面投影图像组成，即将全景图投影到一个立方体的内表面上。这种方式下图像的采集和相机的标定难度较大，需要使用特殊的拍摄装置，依次在水平、垂直方向每隔90度拍摄一张照片，获得六张可以无缝拼接于一个立方体的六个面上的照片。这种方法可以实现水平方向360度旋转、垂直方向180度俯仰的视线观察。 3)球面全景图 球面全景图是指将源图像拼接成一个球体的形状，以相机视点为球心，将图像投影到球体的内表面。与立方体全景图类似，球面全景图也可以实现水平方向360度旋转、垂直方向180度俯仰的视线观察。球面全景图的拼接过程及存储方式较柱面全景图大为复杂，这是因为生成球面全景图的过程中需要将平面图像投影成球面图像，而球面为不可展曲面。因此这是一个平面图像水平和垂直方向的非线性投影过程，同时也很难找到与球面对应且易于存取的数据结构来存放球面图像。目前国内外在这方面提出的研究算法较其他类型全景图少，而且在可靠性和效率方面也存在一些问题。 3.主要内容

PS全景拼接六大步骤

https://www.wendangku.net/doc/4a1226364.html, PS全景拼接六大步骤 全景拼接的原理是将多张连续的照片拼接成一张全景照片。目前许多无反相机、便携数码相机和智能手机都内置有这种功能。若是使用没有全景拼接功能的单反相机拍摄，我们也可以利用后期软件自行制作高画质、高像素的全景拼接照片。制作时只要遵守一些拍摄法则与拼接步骤，一样可以轻松达成。 其实全景拼接功能非常实用，可以大幅扩展镜头的表现能力，但在技术上，单张照片的拍摄质量会直接影响后期合成的效果。拍摄要点简要列举如下，做到了这些，就能获得理想的全景拼接效果。 使用三脚架，确保证拍摄位置固定和水平。 使用标准或中焦镜头，以维持最小的镜头畸变和变形。 使用手动曝光、手动白平衡、手动对焦，使画面均一。 每两张画面之间有1/3的区域是重迭的。 照片拼接步骤 Photoshop CS3之后的版本让全景拼接变得非常容易，在此以Photoshop CS5版为例来进行讲解。本例中一共要用到五张照片。 第一步 用Photoshop打开需要拼接的照片。 第二步 选择“文件”→“自动”→“Photomerge”，进入“自动拼接”。 第三步 选择已打开的图片。

https://www.wendangku.net/doc/4a1226364.html, 第四步 在拼接方式中选择“自动”。 第五步 等待软件自动合成，一张全景照片就拼接完成了。 第六步 裁剪拼接完成的照片为长条状，合并图层后储存文件，全景拼接的照片就可使用了。 云南碧沽天池。使用50mm镜头拍摄再进行全景拼接，很容易就可以得到较好的效果。EF 50mm f/1.8，f/11，1/200s，ISO 100(摄影/杜永乐) 强大的软件功能提供了很多帮助，使摄影师创作时更得心应手，这也是摄影能够在数字时代蓬勃发展的原因之一。善用这些软件，就能为拍摄增加许多乐趣，也能让工作成果更完美。

图像拼接算法及实现(一).

图像拼接算法及实现（一） 论文关键词：图像拼接图像配准图像融合全景图 论文摘要：图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。首先改进Harris角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度NCC(normalized cross correlation——归一化互相关),通过用双向最大相关系数匹配的方法提取出初始特征点对,用随机采样法RANSAC(Random Sample Consensus)剔除伪特征点对,实现特征点对的精确匹配。最后用正确的特征点匹配对实现图像的配准。本文提出的算法适应性较强,在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准。 Abstract：Image mosaic is a technology that carries on the spatial matching to a series of image which are overlapped with each other, and finally builds a seamless and high quality image which has high resolution and big eyeshot. Image mosaic has widely applications in the fields of photogrammetry, computer vision, remote sensing image processing, medical image analysis, computer graphic and so on. 。In general, the process of image mosaic by the image acquisition, image registration, image synthesis of three steps, one of image registration are the basis of the entire image mosaic. In this paper, two image registration algorithm: Based on the characteristics and transform domain-based image registration algorithm. In feature-based registration algorithm based on a robust feature-based registration algorithm points. First of all, to improve the Harris corner detection algorithm, effectively improve the extraction of feature points of the speed and accuracy. And the use of a similar measure of NCC (normalized cross correlation - Normalized cross-correlation), through the largest correlation coefficient with two-way matching to extract the feature points out the initial right, using random sampling method RANSAC (Random Sample Consensus) excluding pseudo-feature points right, feature points on the implementation of the exact match. Finally with the correct feature point matching for image registration implementation. In this

图像拼接算法及实现.doc

图像拼接算法及实现（一） 来源：中国论文下载中心 [ 09-06-03 16:36:00 ] 作者：陈挺编辑：studa090420 论文关键词：图像拼接图像配准图像融合全景图 论文摘要：图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。首先改进Harris角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度NCC(normalized cross correlation——归一化互相关),通过用双向最大相关系数匹配的方法提取出初始特征点对,用随机采样法RANSAC(Random Sample Consensus)剔除伪特征点对,实现特征点对的精确匹配。最后用正确的特征点匹配对实现图像的配准。本文提出的算法适应性较强,在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准。 Abstract：Image mosaic is a technology that carries on the spatial matching to a series of image which are overlapped with each other, and finally builds a seamless and high quality image which has high resolution and big eyeshot. Image mosaic has widely applications in the fields of photogrammetry, computer vision, remote sensing image processing, medical image analysis, computer graphic and so on. 。In general, the process of image mosaic by the image acquisition, image registration, image synthesis of three steps, one of image registration are the basis of the entire image mosaic. In this paper, two image registration algorithm: Based on the characteristics and transform domain-based image registration algorithm. In feature-based registration algorithm based on a robust feature-based registration algorithm points. First of all, to improve the Harris corner detection algorithm, effectively improve the extraction of feature points of the speed and accuracy. And the use of a similar measure of NCC (normalized cross correlation - Normalized cross-correlation), through the largest correlation coefficient with two-way matching to extract the feature points out the initial right, using random sampling method RANSAC (Random Sample Consensus) excluding pseudo-feature points right, feature points on the implementation of the exact match. Finally with the correct feature point matching for image registration implementation. In this paper, the algorithm adapted, in the repetitive texture, such as relatively large rotation more difficult to automatically match occasions can still achieve an accurate image registration. Key words: image mosaic, image registration, image fusion, panorama 第一章绪论

图像拼接原理及方法

第一章绪论 1.1 图像拼接技术的研究背景及研究意义 图像拼接(image mosaic)是一个日益流行的研究领域，他已经成为照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热点。图像拼接解决的问题一般式，通过对齐一系列空间重叠的图像，构成一个无缝的、高清晰的图像，它具有比单个图像更高的分辨率和更大的视野。 早期的图像拼接研究一直用于照相绘图学，主要是对大量航拍或卫星的图像的整合。近年来随着图像拼接技术的研究和发展，它使基于图像的绘制（IBR）成为结合两个互补领域——计算机视觉和计算机图形学的坚决焦点，在计算机视觉领域中，图像拼接成为对可视化场景描述（Visual Scene Representaions）的主要研究方法：在计算机形学中，现实世界的图像过去一直用于环境贴图，即合成静态的背景和增加合成物体真实感的贴图，图像拼接可以使IBR从一系列真是图像中快速绘制具有真实感的新视图。 在军事领域网的夜视成像技术中，无论夜视微光还是红外成像设备都会由于摄像器材的限制而无法拍摄视野宽阔的图片，更不用说360 度的环形图片了。但是在实际应用中，很多时候需要将360 度所拍摄的很多张图片合成一张图片，从而可以使观察者可以观察到周围的全部情况。使用图像拼接技术，在根据拍摄设备和周围景物的情况进行分析后，就可以将通过转动的拍摄器材拍摄的涵盖周围360 度景物的多幅图像进行拼接，从而实时地得到超大视角甚至是360 度角的全景图像。这在红外预警中起到了很大的作用。 微小型履带式移动机器人项目中，单目视觉不能满足机器人的视觉导航需要，并且单目视觉机器人的视野范围明显小于双目视觉机器人的视野。利用图像拼接技术，拼接机器人双目采集的图像，可以增大机器人的视野，给机器人的视觉导航提供方便。在虚拟现实领域中，人们可以利用图像拼接技术来得到宽视角的图像或360 度全景图像，用来虚拟实际场景。这种基于全景图的虚拟现实系统，通过全景图的深度信息抽取，恢复场景的三维信息，进而建立三维模型。这个系统允许用户在虚拟环境中的一点作水平环视以及一定范围内的俯视和仰视，同时允许在环视的过程中动态地改变焦距。这样的全景图像相当于人站在原地环顾四周时看到的情形。在医学图像处理方面，显微镜或超声波的视野较小，医师无法通过一幅图像进行诊视，同时对于大目标图像的数据测量也需要把不完整的图像拼接为一个整体。所以把相邻的各幅图像拼接起来是实现远程数据测量和远程会诊的关键环节圆。在遥感技术领域中，利用图像拼接技术中的图像配准技术可以对来自同一区域的两幅或多幅图像进行比较，也可以利用图像拼接技术将遥感卫星拍摄到的有失真地面图像拼接成比较准确的完整图像，作为进一步研究的依据。 从以上方面可以看出，图像拼接技术的应用前景十分广阔，深入研究图像拼接技术有着很重要的意义 1.2图像拼接算法的分类 图像拼接作为这些年来图像研究方面的重点之一，国内外研究人员也提出了很多拼接算法。图像拼接的质量，主要依赖图像的配准程度，因此图像的配准是拼接算法的核心和关键。根据图像匹配方法的不同仁阔，一般可以将图像拼接算法分为以下两个类型：（1) 基于区域相关的拼接算法。 这是最为传统和最普遍的算法。基于区域的配准方法是从待拼接图像的灰度值出发，对

基于比值法图像拼接的等比例改进算法

收稿日期:2009-06-26;修回日期:2009-09-10 作者简介:冉柯柯(1982-),女,河南人,硕士研究生,研究方向为数字图像处理和模式识别;王继成,教授,研究员,研究方向为模式识别与智能系统、数字图像和语音处理。 基于比值法图像拼接的等比例改进算法 冉柯柯,王继成 (同济大学电子与信息工程学院,上海201804) 摘　要:图像拼接技术是通过将一组具有部分重叠的图像或视频图像进行无缝拼接后而得到的具有高分辨率的图像或全景图,是图像处理技术的一个重要内容。主要介绍了图像拼接技术的主要步骤、比值匹配法的基本原理和优缺点,然后针对此算法容易出现误匹配的问题,提出了一种改进的算法。通过引用等比例数列的思想增加区域像素信息,与传统方法相比,这种方法可以更快更准地找到最佳匹配位置,从而提高了算法的准确性。实验结果证明了此算法可以有效的消除误匹配。 关键词:图像拼接;图像匹配;比值匹配法;图像融合 中图分类号:TP391 文献标识码:A 文章编号:1673-629X (2010)02-0005-04 An Improved Mosaic Algorithm B ased on R atio Matching Using G eometric Proportion RAN Ke 2ke ,WAN G Ji 2cheng (Department of Electronics and Information Engineering ,Tongji University ,Shanghai 201804,China ) Abstract :Image stitching is normally used to make up a seamless and high resolution with a set of the overlap parts of images and videos.It is one of important technologies for image processing.Presented the main step of the image mosaics ,basic principle and advantages and disadvantages of the ration matching algorithm ,based on the ratio matching algorithm ,an improved algorithm of image stitching is pre 2sented in order to resolve the pseudo https://www.wendangku.net/doc/4a1226364.html,ing the theory of geometric proportion ,comparing with traditional methods ,the algo 2rithm can find the optimal position more quickly and more exactly.The experiments show that this method can eliminate false matches validly. K ey w ords :image stitching ;image registration ;ratio matching ;image fusion 0　引　言 随着数码照相设备的广泛普及,越来越多的数码图像被应用于各个方面的研究中。在实际的科学研究和工程项目中,经常会用到超过人眼视角的高分辨率图像。为了得到大视角的高分辨率图像,人们往往利用广角镜头和扫描式相机来解决部分问题。但这些设备都有价格昂贵和使用复杂等缺点,另外,在一幅低分辨率的图像中得到超宽视角会损失景物中物体的分辨率,而且,广角镜头的图像边缘会产生难以避免的扭曲变形。所以为了在不降低图像分辨率的条件下获取大视野范围的场景照片,人们采用了图像拼接技术来将多幅照片拼接成一幅大的照片。 研究图像拼接技术的目的就是利用计算机进行自 动匹配,将具有重叠区域的多幅图片合成为一幅宽角度图片,以此来扩大视区的范围。现在图像拼接技术已经成为数字图像处理领域的一个研究热点,被广泛应用于虚拟现实、计算机视觉、遥感图像处理、医学图像分析、计算机图形学、视频的索引和检索以及数字视频压缩等领域。 图像拼接技术主要包括图像配准和图像融合两个关键环节。图像配准是图像拼接的核心部分,它直接关系到图像拼接算法的成功率和执行速度。图像配准算法大体可分为基于特征的图像配准和基于区域的图像配准两类[1]。基于特征的图像拼接是利用图像的明显特征(角点或轮廓等)来估算图像之间的变换,从而确定匹配位置。基于区域的方法是利用图像的像素值之间的相关性来寻找最佳匹配点的。常用的方法[2]有点匹配法、线匹配法、面积匹配法[3]、网格匹配法[4]和比值匹配法[5]。比值匹配法具有计算速度快等特点,广泛应用于图像拼接技术中。但是这种方法由于其自 第20卷　第2期2010年2月 计算机技术与发展COMPU TER TECHNOLO GY AND DEV ELOPMEN T Vol.20　No.2Feb.　2010

高清图像全景拼接

高清图像全景拼接 Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998

全景拼接白皮书

目录

1 方案概述 1.1 市场需求 全景拼接系统，是以画面拼接技术为基础，将周围相邻的若干个摄像机画面拼接成一幅画面。传统视频监控系统，用户如果要实时监控一片连续的大范围区域，最常见的做法是，安装多个摄像机，每个负责一小片区域，该方案的主要缺陷是，用户没有画面整体感，很难连续追踪整个区域内的某个目标。全景拼接系统，能很好的解决上述问题。 传统意义上的全景拼接系统，虽然解决了“看的广”、“看的画面连续”的问题，但并没有解决“看的清”的问题。因此宇视的全景拼接系统中，增加了球机联动功能，以解决“看的清”的问题，一台10倍以上光学放大的球机可以看清100米甚至更远的目标。球机联动功能，是以枪球映射技术为基础，将全景画面坐标系和球机画面坐标系关联映射起来，用户只要在全景画面中拉框，球机就自动转动和变倍到指定位置，对用户来说这是一个设备，而不是孤立的两个设备。 全景拼接系统，主要应用于大范围监控，如广场、公园、景区、机场停机坪、机场大厅、物流仓库、大型生产车间、交通枢纽等。 1.2 方案特点 ●画面拼接：支持3个高清相机（最高1080P）的拼接。 ●画面拼接：拼接后最高分辨率可以达到5760×1080。 ●球机联动：支持1个球机（最高1080P）的联动。 ●球机联动：支持在全景画面中拉框放大，自动联动球机转动和变倍到指定位置。 2 组网模型 2.1 全景拼接 2.1.1 逻辑框图（或拓扑图） 2.1.2 原理描述 拼接原理： 拼接前提：用于拼接的摄像机，在图像内容上，两两相交。

图像拼接方法总结

图像拼接方法总结 图像拼接方法总结 (1) 引言 (1) 1 基于网格的拼接 (3) 2基于块匹配的拼接（也叫模板匹配） (4) 3基于比值法拼接 (6) 4 基于FFT的相位相关拼接 (7) 基于特征的图像配准方法 (9) 5 Harris角点检测算法 (10) 6基于SIFT尺度不变特征的图像拼接 (15) SIFT主要思想及特点 (16) SIFT算法详细过程 (16) SIFT匹配算法实现 (20) 7 基于surf 的图像配准 (22) SURF算法介绍 (22) 算法详细过程 (23) 8 基于最大互信息的图像配准 (24) 9 基于小波的图像拼接 (27) 10 基于轮廓特征的图像拼接技术 (27) 引言 首先研究了图像拼接的基本技术，包括图像预处理、图像配准、图像融合， 图像的预处理包括：图像预处理的主要目的是为了：降低图像配准的难度，提高图像配准精度。图像 预处理包括：图像投影、图像去噪、图像修正等。 图像配准采用的算法主要有两类： 一类是基于区域的算法，是指利用两张图像间灰度的关系来确定图像间坐标变化的参数，其中包括基于空间的像素配准算法包括（1基于块匹配，2基于网格匹配，3基于比值匹配），基于频域的算法（4既是基于FFT的相位相关拼接）等。 另一类是基于特征拼接的算法，是利用图像中的明显特征（点，线，边缘，轮廓，角点）来计算图像之间的变换，而不是利用图像中全部的信息，其中包括5 Harris角点检测算法，6 SIFT（角点）尺度不变特征转换算法，7 surf（角点，这种方法是sift方法的改进，速度提高）特征算法， 第三类是8 基于最大互信息的拼接，9 基于小波（将拼接工作由空间域转向小域波，即先对要拼接的图像进行二进小波变换，得到图像的低频、水平、垂直三个分量，然后对这

地图拼接

一、实验目的 1、学会使用ArcGIS将经过几何纠正后的图像进行地图拼接，以实现数据的统一和完整； 2、掌握在ArcMap中使用裁剪和镶嵌等进行地图拼接的具体操作； 3、通过实验，理解地图拼接的目的和操作步骤。 二、实验准备 1、实验数据：校正后重新生成的采样数据“地图左2”，“地图右1”； 2、软件准备：ArcGIS Desktop ---ArcMap，ArcCatalog。 三、实验内容及步骤 1、新建一个文件夹，取名为“地图拼接”，并打开ArcCatalog，连接到此文件夹，建立一个文件地理数据库，不妨取名为“t4”。 图1 新建文件地理数据库 （建立文件地理数据库的是为了存放重采样的数据图像，并且地图拼接也需要在地理数据库中进行。） 2、重新采样数据，输出到数据库中。 打开实验三图像纠正后的文件，在”影像配准”菜单下，点击“矫正”，对配准的影像根据设定的变换公式重新采样，另存为一个新的影像文件。在输出位置选择刚才建立好的“t4”文件地理数据库中，得到重新生成的采样数据“地图左2”。

图2 重新生成采样数据 按照相同方法，将校正后的“地图右”图像重采样输出到“t4”文件地理数据库中，得到重新生成的采样数据“地图右1”。 3、在ArcMap中新建一个空白地图文档，将“地图左2”和“地图右1”拖入到内容列表中，如图3。 图3 拼接前图像 观察拼接前图像，不难发现“地图左2”和“地图右1”具有重叠部分，所以在进行图像拼接前应将两个图像进行裁剪。 4、进行图像的裁剪。 先在两张图像的重叠区域内找到一条直线，作为裁剪边界，记录下此时x 轴坐标，为18608500.000。

图像拼接算法及实现(二).

图像拼接算法及实现（二） 3.3.2 特征点匹配法 比值匹配法利用图像特征较少，而且在图像发生小角度旋转的时候容易发生误匹配。基于特征点的匹配法可以很好的解决这类问题。特征点主要指图像中的明显点，如房屋角点、圆点等。用于点特征提取得算子称为有利算子或兴趣算子。自七十年代以来出现一系列各不相同、各有特色的兴趣算子，较知名的有Moravec算子、Hannah算子与Foistner等。 本文采用Moravec算子进行特征点提取: Moravec算子的基本思想是，以像素点的四个主要方向上最小灰度方差表示该像素点与邻近像素点的灰度变化情况，即像素点的兴趣值，然后在图像的局部选择具有最大的兴趣值得点(灰度变化明显得点)作为特征点，具体算法如下: （1）计算各像素点的兴趣值IV (interest value)，例如计算像素点(c,r)的兴趣值，先在以像素点((cr)为中心的n n的影像窗口中(如图3.3.2所示的 5 5的窗口)，计算四个主要方向相邻像元灰度差的平方和。 图3.3.2 Moravec 算子特征点提取示意图 V = V = V = V = 其中k=INT(n/2)。取其中最小者为像元((c,r)的兴趣值: IV(c,r)=V=min{ V , V , V , V } (2)根据给定的阂值，选择兴趣值大于该阐值的点作为特征点的候选点。设V 为事先设定好的闭值，如果V V ，则V为特征点的候选点。 阑值得选择应以候选点中包括需要的特征点，而又不含过多的非特征点。

(3)在候选点中选取局部极大值点作为需要的特征点。在一定大小的窗口内(可不同于兴趣值计算窗口)，去掉所有不是最大兴趣值的候选点，只留下兴趣值最大者，该像素即为一个特征点。 在有了以上的特征点提取的基础上，基于特征点匹配算法主要步骤如下: (1)在参考图像T的重叠部分中选取4个区域，每个区域利用Moravec算子找出特征点。 (2)选取以特征点为中心的区域，本文大小选择7X7的区域，在搜索图S 中寻找最相似的匹配。因为有4个特征点，故有4个特征区域，找到相应的特征区域的匹配也有4块。 (3)利用这4组匹配的特征区域的中心点，也就是4对匹配的特征点，代入方程式(3-2-2)求解，所求的解即为两幅图像间的变换系数。 (3-2-2) 该算法的主要优点: (1)图像的特征信息得到了利用，能够有的放矢，不是在盲目的搜索。 (2)误匹配发生的概率小，因为利用了参考图像T包含特征点的特征区域来寻找相应匹配，因此在搜索图S中相应的特征区域容易确认。 该算法的主要缺点: (1)计算的代价高，计算量大。该算法需要计算出特征点以及特征点的匹配点，同时还要将所有4对特征点带入式3-2-2求解变换系数，计算量大。 3.4 本章小结 本章分析了现有的多种图像配准算法以及图像配准中的难点。 第四章图像融合技术 4.1 图像融合技术的基本概念 数字图像融合（Digital Image Fusion）是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。由于不同模式的图像传感器的成像机理不同，工作电磁波的波长不同，所以不同图像传感器获得的同一场景的多幅图像之间具有信息的冗余性和互补性，经图像融合技术得到的合成图像则可以更全面、更精确地描述所研究的对象。正是由于这一特点，图像融合技术现已广泛地应用于军事、遥感、计算机视觉、医学图像处理等领域中。

基于改进RANSAC算法的图像拼接方法

基于改进RANSAC算法的图像拼接方法 文章提出了一种基于改进RANSAC算法的图像拼接方法。在提取图像的SIFT特征点后，根据阈值法对特征点进行初始匹配，然后采用改进的RANSAC 算法对初始匹配对筛选，再计算图像间单应性矩阵，最后使用加权平均的融合方法实现图像的无缝拼接。实验结果表明，改进后的RANSAC算法进一步提纯了匹配对，使得图像拼接获得了高质量的效果。 标签：图像拼接；尺度不变特征变换算法；随机抽样一致算法 引言 在计算机视觉领域，图像拼接[1]就是将相互重叠的多幅图像通过匹配对准、图像融合，最终形成包含各个图像信息的一幅新图像。图像配准就是根据两幅图像重叠区的一致性求解图像之间的投影变换，即平面单应性矩阵。目前图像配准方法研究最多，应用最为广泛的是基于特征点的图像配准方法[2]。在特征点的提取方面一般使用性能稳定、鲁棒性好的SIFT提取算法[3]，在图像的精确匹配方面，最常用的是RANSAC算法[4]。但是由于初始特征点对的数量往往较多，匹配特征点对的内点比例相对较少，使得RANSAC算法执行效率较低。 文献[5]中，RANSAC算法被应用到图像拼接中，利用RANSAC提纯数据并估算图像间的变换矩阵，采用RANSAC方法在粗匹配点集中估算矩阵，为图像的自动拼接融合提供了强有力的保证。文献[6]针对特征点匹配中出现的大量冗余特征点对，提出了一种改进的RANSAC算法，但该方法对于中值滤波器处理的特征点并没有判断其是否符合RANSAC算法迭代要求。文献[7]提出了一种改进的全景图自动拼接算法，利用RANSAC算法去除误匹配，矩阵估算不精确，拼接效果一般。文献[8]重复采用两次RANSAC算法引导匹配，降低了估算变换矩阵的效率。 从以上文献可知，当前对于RANSAC算法的在图像拼接中的应用，传统RANSAC算法效率低并且不能很有效的去除误匹配，因此越来越多的关于改进的RANSAC算法被提出，文章在此基础上通过研究，提出了一种新的图像自动拼接算法。首先采用SIFT算法提取出具有尺度不变性的特征点，其次根据阈值法对特征点进行初始匹配，然后采用改进的RANSAC算法对初始匹配对进行筛选，并计算出图像间准确的单应性矩阵，最后使用加权平均的融合方法实现图像的无缝拼接。实验结果表明，改进后的RANSAC算法可以实现高质量的图像拼接。 1 RANSAC算法思想 RANSAC基本思想描述如下：（1）设n为初始化模型参数所需的最小样本数，P为一个样本集，P的样本数>n，从P中随机抽取包含n个样本的子集S，并由这个子集初始化模型M；（2）从P中去掉S后的余集SC中与模型M的误

高清图像全景拼接

全景拼接白皮书

目录 1 方案概述 (3) 1.1 市场需求 (3) 1.2 方案特点 (3) 2 组网模型 (4) 2.1 全景拼接 (4) 2.1.1 逻辑框图（或拓扑图） (4) 2.1.2 原理描述 (4) 2.1.3 功能介绍 (5) 2.1.4 方案特点 (7) 2.1.5 典型应用 (7) 3 摄像机安装要求 (7) 3.1 安装指导（这一部分由于我不太了解，希望达到的效果是：说清楚在什么位置装，覆 盖哪些范围，摄像机要求） (7) 3.1.1 覆盖范围 (7) 3.1.2 摄像机要求 (7) 3.1.3 摄像机安装要求 (7) 3.2 全景拼接客户端要求 (14) 3.2.1 硬件要求 (14) 3.2.2 操作系统要求 (14) 4 典型应用 (15) 4.1 应用场景1 (15) 4.1.1 应用原理图 (15) 5 限制与约束 (15)

1 方案概述 1.1 市场需求 全景拼接系统，是以画面拼接技术为基础，将周围相邻的若干个摄像机画面拼接成一幅画面。传统视频监控系统，用户如果要实时监控一片连续的大范围区域，最常见的做法是，安装多个摄像机，每个负责一小片区域，该方案的主要缺陷是，用户没有画面整体感，很难连续追踪整个区域内的某个目标。全景拼接系统，能很好的解决上述问题。 传统意义上的全景拼接系统，虽然解决了“看的广”、“看的画面连续”的问题，但并没有解决“看的清”的问题。因此宇视的全景拼接系统中，增加了球机联动功能，以解决“看的清”的问题，一台10倍以上光学放大的球机可以看清100米甚至更远的目标。球机联动功能，是以枪球映射技术为基础，将全景画面坐标系和球机画面坐标系关联映射起来，用户只要在全景画面中拉框，球机就自动转动和变倍到指定位置，对用户来说这是一个设备，而不是孤立的两个设备。 全景拼接系统，主要应用于大范围监控，如广场、公园、景区、机场停机坪、机场大厅、物流仓库、大型生产车间、交通枢纽等。 1.2 方案特点 ●画面拼接：支持3个高清相机（最高1080P）的拼接。 ●画面拼接：拼接后最高分辨率可以达到5760×1080。 ●球机联动：支持1个球机（最高1080P）的联动。 ●球机联动：支持在全景画面中拉框放大，自动联动球机转动和变倍到指定位置。

利用PHOTOSHOP制作平面地图

利用PHOTOSHOP制作平面地图我们可以利用google与photoshop相互协作制作平面地图。可以省去很多实地测绘的时间与辛劳，而且更为准确。 不过在之前，请先看一下后面的备注，可以给大家的操作带来许多方便。 下面我就这个方法给大家介绍一下。 一、我们要确定我们需要绘制平面地图的区域，例如这里我给大家示范的例子是安徽电子信息职业技术学院的平面地图。我们的目标区域就是安徽电子信息职业技术学院。 我们知道了目标之后，还要确定目标所在地，我们就从卫星地图上找到安徽省蚌埠市东郊，找到这所学校。 这个过程需要你对所要找的学校比较熟悉，确切知道其具体方位。 二、从卫星地图上找到了这个学校后我们要做的就是把这个学校的卫星地图准确的拓下来，以供后面使用。由于我们要做的工作要以这个地图为模板，来绘制平面地图，所以要大小合适方便我们使用，故而不可太小。一个屏幕包括不了这整个区域地图，我们需要分块将之截下。 （卫星地图我们可以使用在线的卫星地图网站，也可以下载GoogleEarth中文在线版安装到电脑上用，GoogleEarth安装后下载更好用，省时省力。在线卫星地图网站，当然也可以用国内的天地图。） 三、我们第一步要在卫星地图上找到这个区域，找到之后再来下一步。 四、为了把卫星地图完整的截下来，首先我们要打开photoshop,新建一个文件，可以使用【文件】－【新建】，也可以用ctrl+N快捷键，也可以按住ctrl在空白处双击鼠标左键来新建文件。我最常用的是最后一种方法。新建文件的设置如下： 即预设里选择A4，分辨率选择300像素/英寸，由于我们要用于出版，所以我们最好在任何时候都把色彩模式设为CMYK。 （注：普通我们电脑上图片使用的分辨率是72像素/英寸，用于印刷品的分辨率一般都不低于300像素/英寸，我们这里使用300像素/英寸是为了以后可以把从电脑屏幕上截下来的多张图放在一个文件里，方便编辑。） 建好后，我们从网上把这个地图分块截取，如下面方法截取。 把整个屏幕都截取下来的按键是print screen sysRq,.在某个界面时按下printscreen sysRq 键，这个界面就自动保存在了剪贴板里，这时我们就把它粘贴在photoshop新建的文件里面，按下ctrl+v快捷键即可。然后我们在网上卫星地图里面移动地图，使下一块暴露，按printscreen sysRq键复制这个界面，粘贴到photoshop里，一直重复这个过程到将整个卫星地图全部截完为止，如图所示。 五、将图截完之后，我们所要作的就是将这个凌乱的卫星图拼成一副完整的卫星地图。这时，我们首先要做的就是将这些地图单独截出来。 我们把网上截图复制粘贴在photoshop上的时候，每粘贴一次就是一个新的图层，每次粘贴的截图都独自占有一个图层。我们想处理哪个截图，就需要在它所属的图层上处理。 图层前边的那个小眼睛，代表可见，如果将它点击一下，这个图层就隐藏了。 我们要处理哪一副图，我们就右键单击它，选择最上面的图层，这个图层就是这副图所在的图层。当然我们也可以使用右边的图层工具框，在里面选择要处理的图层。 选择之后我们就可以处理它了，我们要做的使把这个地图单独挖出来。首先，我们要使用矩形选择工具。 右键单击它，里面一共有四种图形选择工具。我们就用这个矩形选择工具就行了，其他的以后会用到。