技術(shù)特征：

1.一種全景視頻拼接方法，其特征在于，包括：

獲取目標區(qū)域內(nèi)相鄰兩個視頻傳感器采集的兩個視頻單幀圖像；

提取所述兩個視頻單幀圖像的重疊區(qū)域；

在所述重疊區(qū)域選取預設數(shù)量對種子點；

將所述兩個視頻單幀圖像的坐標由屏幕坐標轉(zhuǎn)換為柱面坐標；

基于轉(zhuǎn)換后的柱面坐標，根據(jù)選取的種子點，提取所述兩個視頻單幀圖像的特征點；

將所述兩個視頻單幀圖像的所有特征點進行匹配，進而將所述兩個視頻單幀圖像進行匹配；

將所述目標區(qū)域內(nèi)所有相鄰兩個視頻傳感器采集的兩個視頻單幀圖像進行匹配，獲取所述目標區(qū)域的單幀全景圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在所述重疊區(qū)域選取預設數(shù)量對種子點，包括：

將所述重疊區(qū)域劃分為預設數(shù)量個子區(qū)域，每一子區(qū)域選取一對種子點。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述每一子區(qū)域選取一對種子點，包括：

通過第一公式計算每一子區(qū)域的最大方差來得到每一子區(qū)域的一對種子點q_i；

其中，所述第一公式為：

$q_i=\arg {\max }_k\[{\mathrm{\σ}}_{k,i}^2\],0\≤i\≤3$

其中，為第i塊子區(qū)域第k塊的方差，是通過第二公式計算得到的，k為正整數(shù)，所述第二公式為：

${\mathrm{\σ}}_{k,i}^2=\underset{g}{\overset{G_{MAX}}{\mathrm{\Σ}}}{g}^2\·h_g-M_{k,i}^2$

其中，為第i塊子區(qū)域第k塊的平均值，g為灰度值，h_g表示灰度值g的直方圖，G_MAX表示最大灰度值。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述兩個視頻單幀圖像的坐標由屏幕坐標轉(zhuǎn)換為柱面坐標，包括：

通過第三公式，將所述兩個視頻單幀圖像的坐標由屏幕坐標(x,y)轉(zhuǎn)換為柱面坐標(θ,v)；

其中，所述第三公式為：

$\mathrm{\θ}={\tan }^{-1}(x/f),v=y/\sqrt{x^2+f^2}$

其中，f為視頻傳感器的焦距。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于轉(zhuǎn)換后的柱面坐標，根據(jù)選取的種子點，提取所述兩個視頻單幀圖像的特征點，包括：

基于轉(zhuǎn)換后的柱面坐標，通過第四公式匹配圖像塊d_x，d_y的種子點，獲得所述兩個視頻單幀圖像的特征點E(d_x,d_y)；

其中，所述第四公式為：

$E(d_x,d_y)=\underset{(i,j)\∈B}{\mathrm{\Σ}}|I(x+i,y+j,k)-I(x+i+d_x,y+j+d_y,k+1)|\·w_{i,j}$

其中，d_x，d_y為圖像塊的位移；I(x+i,y+j,k)為第k幅圖像的坐標為(x+i,y+j)像素的灰度值，I(x+i+d_x,y+j+d_y,k+1)為第k+1幅圖像的坐標為(x+i+d_x,y+j+d_y)像素的灰度值；w_i,j是通過第五公式計算得到的，所述第五公式為：

w_i,j＝d_i,j/D

其中，D為所有像素至圖像塊中心的最大距離；d_i,j為坐標為(i,j)的像素距離圖像塊中心的距離，是通過第六公式計算得到的，所述第六公式為：

$d_{i,j}=\sqrt{i^2+j^2}.$

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述兩個視頻單幀圖像的所有特征點進行匹配，包括：

通過第七公式，分別計算所述兩個視頻單幀圖像中第一幅圖像的每一個特征點與所述兩個視頻單幀圖像中第二幅圖像的各個特征點的預設大小鄰域的像素值差的平方和SSD；

選取最小的SSD，所述最小的SSD所對應的所述第二幅圖像的特征點與所述最小的SSD所對應的所述第一幅圖像的特征點相匹配；

其中，所述第七公式為：

$SSD=\underset{x,y\∈w}{\mathrm{\Σ}}{\[I_1(x,y)-I_2(x,y)\]}^2$

其中，w為鄰域的預設大小，I₁為所述兩個視頻單幀圖像中第一幅圖像的特征點的預設大小鄰域內(nèi)像素的灰度值，I₂為所述兩個視頻單幀圖像中第二幅圖像的特征點的預設大小鄰域內(nèi)像素的灰度值。

7.一種全景視頻拼接裝置，其特征在于，包括：

獲取模塊，用于獲取目標區(qū)域內(nèi)相鄰兩個視頻傳感器采集的兩個視頻單幀圖像；

第一提取模塊，用于提取所述兩個視頻單幀圖像的重疊區(qū)域；

選取模塊，用于在所述重疊區(qū)域選取預設數(shù)量對種子點；

轉(zhuǎn)換模塊，用于將所述兩個視頻單幀圖像的坐標由屏幕坐標轉(zhuǎn)換為柱面坐標；

第二提取模塊，用于基于轉(zhuǎn)換后的柱面坐標，根據(jù)選取的種子點，提取所述兩個視頻單幀圖像的特征點；

第一匹配模塊，用于將所述兩個視頻單幀圖像的所有特征點進行匹配，進而將所述兩個視頻單幀圖像進行匹配；

第二匹配模塊，用于將所述目標區(qū)域內(nèi)所有相鄰兩個視頻傳感器采集的兩個視頻單幀圖像進行匹配，獲取所述目標區(qū)域的單幀全景圖像。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述選取模塊，具體用于

將所述重疊區(qū)域劃分為預設數(shù)量個子區(qū)域，每一子區(qū)域選取一對種子點。

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述選取模塊，具體用于

將所述重疊區(qū)域劃分為預設數(shù)量個子區(qū)域，通過第一公式計算每一子區(qū)域的最大方差來得到每一子區(qū)域的一對種子點q_i；

其中，所述第一公式為：

$q_i=\arg {\max }_k\[{\mathrm{\σ}}_{k,i}^2\],0\≤i\≤3$

其中，為第i塊子區(qū)域第k塊的方差，是通過第二公式計算得到的，k為正整數(shù)，所述第二公式為：

${\mathrm{\σ}}_{k,i}^2=\underset{g}{\overset{G_{MAX}}{\mathrm{\Σ}}}{g}^2\·h_g-M_{k,i}^2$

其中，為第i塊子區(qū)域第k塊的平均值，g為灰度值，h_g表示灰度值g的直方圖，G_MAX表示最大灰度值。

10.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述轉(zhuǎn)換模塊，具體用于

通過第三公式，將所述兩個視頻單幀圖像的坐標由屏幕坐標(x,y)轉(zhuǎn)換為柱面坐標(θ,v)；

其中，所述第三公式為：

$\mathrm{\θ}={\tan }^{-1}(x/f),v=y/\sqrt{x^2+f^2}$

其中，f為視頻傳感器的焦距；

和/或，

所述第二提取模塊，具體用于

基于轉(zhuǎn)換后的柱面坐標，通過第四公式匹配圖像塊d_x，d_y的種子點，獲得所述兩個視頻單幀圖像的特征點E(d_x,d_y)；

其中，所述第四公式為：

$E(d_x,d_y)=\underset{(i,j)\∈B}{\mathrm{\Σ}}|I(x+i,y+j,k)-I(x+i+d_x,y+j+d_y,k+1)|\·w_{i,j}$

其中，d_x，d_y為圖像塊的位移；I(x+i,y+j,k)為第k幅圖像的坐標為(x+i,y+j)像素的灰度值，I(x+i+d_x,y+j+d_y,k+1)為第k+1幅圖像的坐標為(x+i+d_x,y+j+d_y)像素的灰度值；w_i,j是通過第五公式計算得到的，所述第五公式為：

w_i,j＝d_i,j/D

其中，D為所有像素至圖像塊中心的最大距離；d_i,j為坐標為(i,j)的像素距離圖像塊中心的距離，是通過第六公式計算得到的，所述第六公式為：

$d_{i,j}=\sqrt{i^2+j^2};$

和/或，

所述第一匹配模塊，具體用于

通過第七公式，分別計算所述兩個視頻單幀圖像中第一幅圖像的每一個特征點與所述兩個視頻單幀圖像中第二幅圖像的各個特征點的預設大小鄰域的像素值差的平方和SSD；

選取最小的SSD，所述最小的SSD所對應的所述第二幅圖像的特征點與所述最小的SSD所對應的所述第一幅圖像的特征點相匹配，進而將所述兩個視頻單幀圖像進行匹配；

其中，所述第七公式為：

$SSD=\underset{x,y\∈w}{\mathrm{\Σ}}{\[I_1(x,y)-I_2(x,y)\]}^2$

其中，w為鄰域的預設大小，I₁為所述兩個視頻單幀圖像中第一幅圖像的特征點的預設大小鄰域內(nèi)像素的灰度值，I₂為所述兩個視頻單幀圖像中第二幅圖像的特征點的預設大小鄰域內(nèi)像素的灰度值。