当前位置: 首页 > news >正文

红外/可见光图像配准融合

红外/可见光图像配准融合

  根据文献【1】,对于平行光轴的红外可见光双目配置进行图像配准,主要的限制是图像配准只是对特定的目标距离(Dtarget)有效。并排配置的配准误差 δx(以像素表示)的数学表达式为:

在这里插入图片描述

   其中f为焦距,lpix为像素大小,dc为基线长度。Doptimal是目标距离,即图像对齐误差为0。如果光轴平行,即Doptimal=无穷远,只有目标物体在相对相机很远的位置将会精确对齐,对于距离较近(Dtarget<无穷远)将会出现配准误差。
图像融合流程:
   图像融合框架如下图:

在这里插入图片描述

  其中标定方法采用的是OpenCV中的标定方法,只是标定板有所不同。需要注意的是图像尺度因子及红外相对可见光图像的偏移。

(1)图像尺度因子
  由于红外和可见光的焦距不一样,导致空间物体在两种图像上成像大小不一样,同时,使用的红外/可见光硬件系统光心在Y方向上存在偏差,即使根据焦距大小对图像进行缩放也并不能使得同一物体在不同图像上的成像大小相同。

在这里插入图片描述

  本次采用的方法是计算标定板两两圆心之间的在红外和可见光图像间的像素差,得到图像的缩放比例,将空间物体在两种图像上的尺寸统一。

在这里插入图片描述

  其中ThermalPoint和VisiblePoint为圆心n红外和可见光图像上的x或者y像素坐标值。根据求得的缩放因子,即可将空间物体在红外和可见光图像的尺寸统一,测试结果将在融合部分给出。
在这里插入图片描述

(2)红外相对可见光图像的偏移
  本次红外和可见光的原始大小分别为:640512,19201080,将红外和可见光图像缩放到统一大小之后,将小尺寸的红外图像移动到可见光图像上需要知道偏移距离(x,y)。采用的方法为:根据标定板中圆形的坐标位置在红外和可见光图像的像素坐标位置,计算对应点的像素差,则可将红外与可见光像素对齐,公式如下。

在这里插入图片描述

  X和Y分别为同一个圆心分别在红外和可见光图像中的像素坐标值。但是由于缺少深度信息,上述求出的偏移数据只能将空间距离与标定板距离接近的物体对齐,即假设标定板是在1.5m处求出的偏移距离,则使用该参数对于处于同样距离的空间物体,对齐误差为0,而对于大于或小于1.5m距离的物体,存在偏差,根据参考文献,当最佳对齐(对齐误差为0)位置为50m时,位于其他位置的物体的对齐误差如下表所示:

在这里插入图片描述

  从表中可以看出,当在50m处的对齐误差为0时,对于物体在0~20m范围内,误差从4pixel到小于1piexl。而对于20m到无穷远处的物体,对齐误差始终在1piexl以内。
(3)对齐精度分析
硬件平台参数:

在这里插入图片描述

  对于该硬件平台,根据公式(1),当Doptimal=50m,对距离相机25m处的物体在图像上的对齐误差:

在这里插入图片描述

  即如果应用场景的可接受对齐误差为±1piexl,对于该设备的有效目标距离为25m到无限远。匹配误差的数学表达式(公式1)表明,除了目标距离和最佳匹配距离,匹配误差还与双目的基线(dc),像素大小(lpix)和焦距(f)有关。上述表明,对于相同的目标距离,将相机配置为大的视场角(短焦距)对齐误差将会变小。
(4)测试结果
  由于对于远距离下利用标定板求图像的偏移距离存在难度,为了简化测试,本次测试采集了一组人在相对相机不同距离下的一组图片,对其进行图像对齐,下表为测试结果:
在这里插入图片描述

  测试数据中,人与相机的距离从6m~48m之间,每6m采集一组图像,之后通过手动的方法将红外和可见光图像进行对齐,在通过反复调整偏移参数后,获取了在上述偏移距离参数。从中可以看出,当物体距离大于12m之后,x方向的偏移基本保持不变,而y方向上,偏移参数的变化区间为325,322。

实验结果:

  • 实验结果(1)
    在这里插入图片描述
  • 实验结果(2)

在这里插入图片描述

  • 实验结果(3)
    在这里插入图片描述

参考文献:

【1】St-Laurent L, Prévost D, Maldague X. Fast and accurate calibration-based thermal/colour sensors registration[J]. Quantitative Infrared Thermography QIRT, 2010.

从博客园搬运过来,以更好的记录所学。
博客园参考

相关文章:

红外/可见光图像配准融合

红外/可见光图像配准融合 根据文献【1】&#xff0c;对于平行光轴的红外可见光双目配置进行图像配准&#xff0c;主要的限制是图像配准只是对特定的目标距离&#xff08;Dtarget&#xff09;有效。并排配置的配准误差 δx&#xff08;以像素表示&#xff09;的数学表达式为&…...

更高效稳定 | 基于ACM32 MCU的编程直流电源应用方案

随着电子设备的多样化发展&#xff0c;面对不同的应用场景&#xff0c;需要采用特定的供电电源。因此&#xff0c;在电子产品的开发测试过程中&#xff0c;必不可少使用编程直流电源来提供测试电压&#xff0c;协助完成初步的开发测试过程。 编程直流电源概述 编程直流电源结构…...

postgresql创建一个只读账户指定数据库

要在 PostgreSQL 中创建一个只读账户&#xff0c;您可以按照以下步骤进行操作&#xff1a; 1. **登录到 PostgreSQL&#xff1a;** 使用具有足够权限的管理员账户&#xff08;通常是 "postgres" 用户&#xff09;连接到 PostgreSQL 数据库。 2. **创建只读账户&…...

CSDN编程题-每日一练(2023-08-25)

CSDN编程题-每日一练&#xff08;2023-08-25&#xff09; 一、题目名称&#xff1a;影分身二、题目名称&#xff1a;小鱼的航程(改进版)三、题目名称&#xff1a;排查网络故障 一、题目名称&#xff1a;影分身 时间限制&#xff1a;1000ms内存限制&#xff1a;256M 题目描述&am…...

前端面试:【前端工程化】构建工具Webpack、Parcel和Rollup

嗨&#xff0c;亲爱的前端开发者&#xff01;在现代Web开发中&#xff0c;前端工程化变得愈发重要。构建工具如Webpack、Parcel和Rollup帮助我们自动化任务、管理依赖、优化性能等。本文将深入探讨这三个前端构建工具&#xff0c;帮助你了解它们的优点和用途。 1. Webpack&…...

大型企业是否有必要进行数字化转型?

在数字化、信息化、智能化蓬勃发展的今天&#xff0c;初创公司可以很轻易的布局规划数字化发展的路径。而对于大型企业而言&#xff0c;其已经形成了较为成熟稳固的业务及组织架构&#xff0c;是否还有必要根据自身行业发展特点寻求数字化转型&#xff1f;&#xff08;比如制造…...

05有监督学习——神经网络

线性模型 给定n维输入&#xff1a; x [ x 1 , x 1 , … , x n ] T x {[{x_1},{x_1}, \ldots ,{x_n}]^T} x[x1​,x1​,…,xn​]T 线性模型有一个n维权重和一个标量偏差: w [ w 1 , w 1 , … , w n ] T , b w {[{w_1},{w_1}, \ldots ,{w_n}]^T},b w[w1​,w1​,…,wn​]T,b 输…...

JavaWeb_LeadNews_Day7-ElasticSearch, Mongodb

JavaWeb_LeadNews_Day7-ElasticSearch, Mongodb elasticsearch安装配置 app文章搜索创建索引库app文章搜索思路分析具体实现 新增文章创建索引思路分析具体实现 MongoDB安装配置SpringBoot集成MongoDB app文章搜索记录保存搜索记录思路分析具体实现 查询搜索历史删除搜索历史 搜…...

redux中间件理解,常见的中间件,实现原理。

文章目录 一、Redux中间件介绍1、什么是Redux中间件2、使用redux中间件 一、Redux中间件介绍 1、什么是Redux中间件 redux 提供了类似后端 Express 的中间件概念&#xff0c;本质的目的是提供第三方插件的模式&#xff0c;自定义拦截 action -> reducer 的过程。变为 actio…...

麒麟系统上安装 MySQL 8.0.24

我介绍一下在麒麟系统上安装 MySQL 8.0.24 的详细步骤&#xff0c;前提是您已经下载了 mysql-8.0.24-linux-glibc2.12-x86_64.tar.xz 安装包。其实安装很简单&#xff0c;但是有坑&#xff0c;而且问题非常严重&#xff01;由于麒麟系统相关文章博客较少&#xff0c;导致遇到了…...

vue 展开和收起

效果图 代码块 <div><span v-for"(item,index) in showHandleList" :key"item.index"><span>{{item.emailFrom}}</span></span><span v-if"this.list.length > 4" click"showAll !showAll">{…...

限制立方样条(RCS)中的P for overall和P for nonlinear的计算

最近不少人私信我&#xff0c;说有些SCI文章报了两个P值一个是P for overall,一个是P for nonlinear,就像下图这样&#xff0c;问我P for overall怎么计算。 P for overall我也不清楚是什么&#xff0c;有些博主说这个是总效应的P值&#xff0c;但是我没有找到相关出处。但是怎…...

vue3+ts引入echarts并实现自动缩放

第一种写法&#xff08;不支持随页面大小变化而缩放&#xff09; 统一的HTML页面 <div class"content_box" ref"barChart" id"content_box"></div>TS语法 <script setup lang"ts">import * as echarts from echar…...

Compressor For Mac强大视频编辑工具 v4.6.5中文版

Compressor for Mac是苹果公司推出的一款视频压缩工具&#xff0c;可以将高清视频、4K视频、甚至是8K视频压缩成适合网络传输或存储的小文件。Compressor支持多种视频格式&#xff0c;包括H.264、HEVC、ProRes和AVC-Intra等&#xff0c;用户可以根据需要选择不同的压缩格式。 …...

maven工程的目录结构

https://maven.apache.org/guides/introduction/introduction-to-the-standard-directory-layout.html maven工程的目录结构&#xff1a; 在maven工程的根目录下面&#xff0c;是pom.xml文件。此外&#xff0c;还有README.txt、LICENSE.txt等文本文件&#xff0c;便于用户能够…...

5.1 webrtc线程模型

那从今天开始呢&#xff1f;我们来了解一下y8 tc线程相关的内容&#xff0c;那在开始之前呢&#xff1f;我们先来看一下&#xff0c;我们本章都要讲解哪些知识&#xff1f; 那第一个呢&#xff1f;是线程的基础知识&#xff0c;这块内容呢&#xff1f;主要是为大家做一下回顾&a…...

【Linux网络】Cookie和session的关系

目录 一、Cookie 和 session 共同之处 二、Cookie 和 session 区别 2.1、cookie 2.2、session 三、cookie的工作原理 四、session的工作原理 一、Cookie 和 session 共同之处 Cookie 和 Session 都是用来跟踪浏览器用户身份的会话方式。 二、Cookie 和 session 区别 2.…...

android 硬编码保存mp4

目录 java imagereader编码保存 java NV21toYUV420SemiPlanar 编码保存视频用&#xff1a; imageReader获取nv21 代码来自博客&#xff1a; 【Android Camera2】彻底弄清图像数据YUV420_888转NV21问题/良心教学/避坑必读!_yuv420888转nv21_奔跑的鲁班七号的博客-CSDN博客 …...

gitlab合并分支

我的分支为 cheng 第一步&#xff1a; 增加新的代码 第二步&#xff1a;提交并推送 第三步&#xff1a;打开gitlab&#xff0c;找到对应项目 这样就成功把cheng分支合并到dev-test分支了...

手撕 `np.transpose` : 三维数组的循环转置

手撕 np.transpose : 三维数组的循环转置 手撕 np.transpose 2D 何为transpose ? 如上图: 二维的例子, 直观地理解就是沿着对角线拉平(对角关系左上右下依旧), 其他位置依次填充. 2. 2D数组中0,1 为原始参, 1,0 为转置参 - 原始参即数组的原始形态: 比如&#x1f446;&#x…...

Google Earth Engine(GEE)——将两个不同影像系列的影像通过join联合在一起并获取统一的时间

想组合 2 个从 Modis 数据中填补空白的图像集合。但是它们没有相同的系统时间或相同的系统索引。像下面的照片是 2 个图像集合的不同属性。 才能给每个图像一个系统时间,它可以匹配 2 个图像集合? 本次用到的函数: 代码: 联接函数 ee.Join.inner(primaryKey, secondary…...

tensorrt_demos性能对比分析:FP16 vs INT8 vs DLA核心的优劣对比

tensorrt_demos性能对比分析&#xff1a;FP16 vs INT8 vs DLA核心的优劣对比 【免费下载链接】tensorrt_demos TensorRT MODNet, YOLOv4, YOLOv3, SSD, MTCNN, and GoogLeNet 项目地址: https://gitcode.com/gh_mirrors/te/tensorrt_demos tensorrt_demos是一个支持MODN…...

百度网盘直链解析终极指南:3分钟实现高速下载的完整教程

百度网盘直链解析终极指南&#xff1a;3分钟实现高速下载的完整教程 【免费下载链接】baidu-wangpan-parse 获取百度网盘分享文件的下载地址 项目地址: https://gitcode.com/gh_mirrors/ba/baidu-wangpan-parse 还在为百度网盘下载速度慢而烦恼吗&#xff1f;每次下载大…...

从U盘到高端SSD:一文搞懂FTL映射表(块/页/混合)的演进与实战选择

从U盘到高端SSD&#xff1a;一文搞懂FTL映射表&#xff08;块/页/混合&#xff09;的演进与实战选择 存储设备的性能差异往往隐藏在底层算法的设计哲学中。当你在电商平台对比两款SSD时&#xff0c;是否思考过为什么同样标称1TB容量的产品&#xff0c;价格能相差数倍&#xff…...

别再点那个小箭头了!手把手教你用自定义按钮控制ElementUI表格展开行(Vue3 + Element Plus版)

用文字按钮重构Element Plus表格交互&#xff1a;让展开行操作更符合用户直觉 后台管理系统中最常见的交互痛点之一&#xff0c;就是默认的表格展开箭头设计。当用户面对密密麻麻的数据表格时&#xff0c;那个小小的三角形图标往往成为操作盲区。我曾参与过一个电商后台系统的用…...

手把手教你用LwIP RAW API在STM32上实现一个能自动重连的TCP客户端

基于LwIP RAW API的STM32 TCP客户端自动重连实战指南 在物联网终端设备开发中&#xff0c;网络连接的稳定性直接决定了产品的可靠性。想象一下&#xff0c;一个部署在工厂车间的环境监测设备&#xff0c;如果因为Wi-Fi信号波动导致数据中断&#xff0c;可能让整个生产线失去关键…...

英雄联盟LCU工具集LeagueAkari:终极自动化游戏助手完整指南

英雄联盟LCU工具集LeagueAkari&#xff1a;终极自动化游戏助手完整指南 【免费下载链接】League-Toolkit An all-in-one toolkit for LeagueClient. Gathering power &#x1f680;. 项目地址: https://gitcode.com/gh_mirrors/le/League-Toolkit LeagueAkari是一款基于…...

独立开发者如何利用Taotoken以更低成本体验全球主流大模型

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 独立开发者如何利用Taotoken以更低成本体验全球主流大模型 对于预算有限的独立开发者或个人研究者而言&#xff0c;探索不同的大模…...

保姆级教程:用QGIS的SRTM-Downloader插件,5分钟搞定中国区域地形图下载与渲染

5分钟极速出图&#xff1a;QGIS地形图制作全流程实战指南 当你在凌晨三点赶制项目报告&#xff0c;或是课程作业截止前两小时突然需要一张专业地形图时&#xff0c;传统GIS软件的复杂操作流程往往让人抓狂。本文将带你用QGIS的SRTM-Downloader插件&#xff0c;像点外卖一样简单…...

2026届必备的五大降AI率神器推荐榜单

Ai论文网站排名&#xff08;开题报告、文献综述、降aigc率、降重综合对比&#xff09; TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 人工智能技术不断深入发展着&#xff0c;学术领域对于原创性以及学术诚信的要求愈发严格起来…...