实时全景监控视频拼接方法用于复杂的工业环境
Jiuteng Zhu1, Jianyu Guo1, Kailun Ding1
1College of Ocean Science, Shandong University of Science and Technology, Qingdao 266590, China.
Sensors (Basel, Switzerland)
|January 10, 2026
概括
本研究介绍了一种用于工业监控的新型实时视频拼接方法,增强特征提取和优化线,以克服具有挑战性的视觉条件并提高拼接视频质量.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 工业监控视频通常质量差 (光线低,纹理,重叠),妨碍了有效的视频拼接.
- 现有的视频拼接方法在复杂的工业环境中难以进行特征提取和准确的注册.
研究的目的:
- 开发适用于复杂工业监控场景的实时全景视频拼接方法.
- 为了增强特征提取和匹配精度,以改善图像注册.
- 优化线选择以避免移动的物体和提高视觉质量.
主要方法:
- 集成的高效通道注意力 (ECA) 和通道注意力 (CA) 模块与 ResNet 在UDIS算法中进行增强的特征提取.
- 开发了一种新的损失函数,将相似性损失 (Lsim) 和光滑性损失 (Lsmooth) 结合起来,以改进注册.
- 在能量函数中引入了梯度和运动术语,以实现最佳的接线选择,从而避免移动的物体.
主要成果:
- 拟议的注册方法实现了优异的性能,RMSE,PSNR和SSIM值分别为1.965,25.338和0.8366.
- 融合方法导致了更顺的过渡,有效地避免了移动的物体,显著提高了视觉质量.
- 该系统实现了23fps的实时拼接率,满足了工业要求.
结论:
- 拟议的方法显著提高了在具有挑战性的工业环境中全景视频拼接的准确性和视觉质量.
- 注意力机制和精细的损失函数的集成增强了特征提取和注册.
- 实时性能使该方法适合于实际的工业监控应用.
