我们有从一架飞机上拍摄的图片,覆盖范围为50%,并使用OpenCV拼接算法将它们拼接在一起。这对于我们的版本1来说很好用。在下一个迭代中,我们想要研究一些额外的东西,希望您能提供一些建议。
目前,拼接算法会估计相机参数。我们确实有相机参数和关于相机角度、位置(GPS)等方面的大量信息可用。与仅基于匹配的特征点让算法估计所有内容相比,我们是否能够从这些信息中获得任何好处呢?
这些图像是高分辨率的,目前算法所需的 RAM 占用量相当大,这不是什么大问题,因为我们只需要在云端启动大型机器即可。但是,在下一个迭代中,我想从下采样的图像中获取单应性,并将其应用于稍后的大型图像中。这也将为我们提供更多选项来操作和可视化原始图像上的其他信息,并能够在原始和拼接图像之间来回切换。
如果在第1个问题中,我们要拆开拼接算法以加入已知信息,那么我们是否只使用
我对OpenCV有基本的理解,并且熟练掌握C++编程,因此编写自己定制的拼接器不是问题,但在这里理论有点生疏。
目前,拼接算法会估计相机参数。我们确实有相机参数和关于相机角度、位置(GPS)等方面的大量信息可用。与仅基于匹配的特征点让算法估计所有内容相比,我们是否能够从这些信息中获得任何好处呢?
这些图像是高分辨率的,目前算法所需的 RAM 占用量相当大,这不是什么大问题,因为我们只需要在云端启动大型机器即可。但是,在下一个迭代中,我想从下采样的图像中获取单应性,并将其应用于稍后的大型图像中。这也将为我们提供更多选项来操作和可视化原始图像上的其他信息,并能够在原始和拼接图像之间来回切换。
如果在第1个问题中,我们要拆开拼接算法以加入已知信息,那么我们是否只使用
findHomography
方法来获取信息,或者有更好的选择来创建单应性,当我们实际知道飞机位置和角度以及相机参数吗?我对OpenCV有基本的理解,并且熟练掌握C++编程,因此编写自己定制的拼接器不是问题,但在这里理论有点生疏。