日本Shibaura理工学院的研究人员设计了一个基于双摄像头的平台，该平台采用全向摄像头进行目标检测，并为其高分辨率captu re配备了单独的摄像头，并报告了整体性能的提高，为安全系统的潜在应用打开了大门。信用:日本Shibaura理工学院如果你是间谍电影的粉丝，你可能会遇到这样的场景:情报人员试图利用监控摄像头图像上的一些复杂的图像增强技术来识别或检测肇事者。虽然监控摄像头和物体检测背后的想法在现实生活中是一样的，但与电影不同，摄像头的视野和分辨率之间往往存在权衡。监控摄像机通常需要有一个清晰的视野，以便更有可能检测到威胁。因此，允许360度捕捉范围的全向相机已经成为一种流行的选择，原因显而易见，它们不会留下盲点；它们安装起来也很便宜。然而，最近对全向相机中物体识别的研究表明，在这些相机中捕获的远处物体具有较差的分辨率，使得它们的识别变得困难。虽然提高分辨率是一个显而易见的解决方案，但根据一项研究，所需的最低分辨率是4K (3840 x 2160像素)，这意味着巨大的比特率要求和对高效图像压缩的需求。
此外，由于镜头失真的影响，三维全向图像通常不能以原始形式进行处理，必须首先投影到2D上。“在高计算负荷下进行连续处理，例如移动物体检测，结合将4K 360度或更高分辨率的视频转换成2D图像，从实际性能和安装成本的角度来看，这是完全不可行的，”研究图像处理的日本Shibaura技术研究所的Chinthaka Premachandra博士说。
Premachandra博士和他来自SIT的同事Masaya Tamaki在IEEE Sensors Journal上发表的最新研究中解决了这个问题，他考虑了一种系统，在该系统中，全向摄像机将用于定位感兴趣的区域，而单独的摄像机将捕获其高分辨率图像，从而允许高度精确的物体识别，而不会产生大量的计算成本。因此，他们构建了一个由全向摄像机和云台摄像机组成的混合摄像机平台，摄像机两侧保持180度的视野。全向相机本身由夹在相机机身中间的两个鱼眼镜头组成，每个镜头覆盖180度的拍摄范围。
研究人员使用树莓P i相机模块v. 2.1作为PT相机，他们在上面安装了一个云台模块，并将系统连接到树莓P3 Model b上。最后，他们将整个系统、全向相机、PT相机和树莓Pi连接到个人计算机上进行整体控制。
操作流程如下:研究人员首先对全向图像进行处理，提取目标区域，然后将其坐标信息转换为角度信息(平移和倾斜角度)，随后将其传输到树莓Pi。树莓Pi反过来根据这些信息控制每个PT摄像机，并确定是否要拍摄互补图像。
研究人员主要进行了四种类型的实验来演示相机平台的四个不同方面的性能，并进行单独的实验来验证不同目标对象位置的图像捕获性能。
虽然他们考虑到捕获运动物体可能会出现潜在问题，因为图像采集中的时间延迟可能会导致互补图像偏移，但他们提出了一种潜在对策——引入卡尔曼滤波技术来预测捕获图像时物体的未来坐标。
Premachandra博士说:“我们预计，我们的相机系统将对采用全向成像的未来应用产生积极影响，例如机器人、安全系统和监控系统。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
