【摘要】：如前所说，安防监控中的全景图片，一般是由具有重叠视野的摄像机同一时刻的画面拼接而成，如图3－3所示。在安防监控中，常常利用球机生成全景图片。图3－5基于单球机的全景照片生成机制在不同摄像机的画面全景拼接中，对于具有重叠区域的边缘部分的配准，一般采用特征点匹配方式来实现，常用的有基于SIFT特征点和基于SURF特征点的匹配。图3－7采用RANSIC校正前（左）和校正后（右）的效果对比
如前所说，安防监控中的全景图片，一般是由具有重叠视野的摄像机同一时刻的画面拼接而成，如图3－3所示。一般而言，摄像机在具有同一结构和一致的内外参数情况下，拼接效果最好。
图3－3 基于不同摄像机的全景图片拼接示意图
图3－4 特征点配准流程
特征点配准过程，如图3－4所示，一般最常用的是最近邻算法，计算向量之间的距离，距离值小于最大距离的3／5认为匹配。
在安防监控中，常常利用球机生成全景图片。如图3－5所示，球机保持水平状态，焦距调整到合适状态后保持不变（一般焦距取得较大，为长焦近景拍摄状态），然后自动控制球机的Pan和Tilt动作，按照水平“Z”型或者垂直“Z”型进行全画面的扫描拍摄，从而生成全景图像。这种方式生成的全景图像，由于采用了单一球机，在球机镜头平移过程中，球机的结构参数没有发生改变，因而子画面重叠处能够实现很好的配准，子画面原始画幅也一致，生成的全景图质量很高。
(www.xing528.com)
图3－5 基于单球机的全景照片生成机制
在不同摄像机的画面全景拼接中，对于具有重叠区域的边缘部分的配准，一般采用特征点匹配方式来实现，常用的有基于SIFT特征点和基于SURF特征点的匹配。图3－6所示为基于SURF特征点的匹配效果，可以看到，还存在一些匹配错误的地方。
图3－6 采用SURF特征点的图像配准
对于匹配错误这种情况，一般采用RANSIC方法来进行校正，图3－7为校正前后的对比情况。
图3－7 采用RANSIC校正前（左）和校正后（右）的效果对比
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
