点击下方卡片，关注“新机器视觉”公众号

重磅干货，第一时间送达

基于FPGA的视频图像拼接融合

本项目简单来说，就是实时生成视频全景图，该架构经过优化，可以实时视频输出。

算法

下图说明了描述算法每个步骤的系统框图

该系统大致可以分为三个子系统：

• 预处理

• 基于 SIFT 的特征提取

• 框架拼接融合

预处理

系统的输入视频流为 8 位 RGB 格式。输入的 8 位图像如下图所示。

视频流的每个单独帧将具有对应于红色、绿色和蓝色的三个通道。视频帧中的颜色信息不会增强特征检测。此外，与单通道 8 位图像相比，3 通道 8 位图像的计算需要更多时间。因此，RGB 视频帧被转换为 8 位灰度图像。生成的灰度图像噪声更小，阴影细节更多，计算效率更高，如下图所示。

基于SIFT的特征提取

使用SIFT算法从灰度图像中提取特征。SIFT算法可以分为两个主要步骤：

关键点检测

SIFT 操作从输入图像与不同高斯滤波器的离散卷积开始。高斯滤波器是一种广泛使用的图像平滑算法，定义为：

上式中，G为(x,y)点的高斯核，σ为高斯参数。使用较大的 σ 值会对图像产生更大的平滑效果。图像与高斯核的离散卷积生成具有较少噪声和较少细节的图像。在 SIFT 中，高斯核的离散卷积是用四个不同的 σ 值完成的。逐渐增大的 σ 值用于生成一组模糊图像或八度音阶（意思频率减半，低频部分对应灰度图中变化平缓的部分，高频部分对应灰度图中变化剧烈的部分）。

对于给定的 σ 值，卷积核中所有系数的总和应该等于 1。因此，核的大小随着 σ 值的增加而增加。

一旦生成了八度音阶，就会根据八度音阶中的四个图像构建一个 DoG 空间。DoG 代表高斯差分。DoG 是高斯拉普拉斯算子 (LoG) 的计算效率非常高的近似值。DoG 空间是通过逐像素计算两个相邻高斯尺度图像之间的差异来构建的。八度音阶中四个图像的DoG空间将具有三个级别。

通过查找局部最大值或最小值，从 DoG 空间中提取关键点。如果一个像素是由顶层 9 个像素、中间层 8 个像素和底层 9 个像素组成的 26 像素邻域内的局部最大值或最小值，则该像素被认为是关键点。

描述符生成

关键点描述符是特定关键点的唯一标识符。SIFT 使用关键点的梯度幅度和方向作为描述符的基础。一个点的梯度大小和方向可以通过图像与 Sobel 滤波器的离散卷积来计算。

为了生成关键点描述符，计算每个关键点周围 16x16 窗口内每个点的梯度幅度和方向。16x16 窗口的梯度幅度与高斯核卷积。将每个 4x4 单元格中的梯度幅度组合起来，使 16x16 窗口减少到 4x4 窗口和 16 个梯度方向。最后，这 16 个梯度方向被转移到 8 个 bin 中。因此，构建了一个 128 个元素的向量，作为关键点描述符。

框架拼接融合

框架拼接是将两个帧组合成单个图像的过程。框架拼接分两步完成：

关键点匹配

比较来自两个相机传感器的视频帧中关键点的关键点描述符。如果两个关键点（每个相机传感器一个）的关键点描述符之间的差异低于误差阈值，则将它们视为关键点对。将它们的关键点描述符之间差异最小的关键点对作为参考关键点。

图像融合

加权平均方法用于将两个帧混合成单个图像。重叠区域的像素值等于两帧像素的加权平均值。根据重叠像素和相应帧的边界之间的距离选择权重。

FPGA程序顶层设计

顶层架构的框图如下图所示。

顶层设计分为五个阶段：

• 预处理阶段

为了模拟相机传感器的工作，使用了 image.v 和 image2.v，它们分别输入对应于左和右相机传感器的图像。RWM_1.v 是一个读写存储器，用于存储 8 位 RGB 图像。WRITE 模式时，RGB 图像像素数据写入内存。存储完所有像素值后，将存储器置于 READ 模式。在 READ 模式下，每个像素值从内存中顺序读取.

• 过滤阶段

• 关键点阶段

• 关键点匹配阶段

• 帧混合阶段

项目地址

https://github.com/AugustinJose1221/FPGA-Build

https://github.com/AugustinJose1221/Video-Stitching