研发团队提出了一种高精度风车叶片拼接算法，极大缓解了超宽视差图像拼接（Wide Parallax Image Stitching）中多种错误问题，拼接精度为五种常规拼接算法的2-3倍，为后续叶片破损检测（Defect detection）、分类（Defect Classification）、去重（Deduplication）、叶片展示及智能分析（Blade Visualization and Analysis）等操作打好基础。
在传统拼接算法中，严重依赖物体表面纹理特征进行关键点提取，且拍摄设备稳定性对拼接效果产生直接影响。再者，拼接图片如果太多且角度不稳，容易产生累计误差，导致尾部图片拼接后变形较大。而在实际风车叶片拼接场景中，上述条件均不具备：（1）常见风车叶片为纯白或纯红，纹理特征不明显，较难提取稳定的关键点，（2）在无人机进行叶片巡检中，因为阵风等因素影响，导致摄像头位姿略时刻变化，（3）常见风车叶片近20米，需近距离拍摄15-25张图片覆盖整个叶片，是典型的超宽视差图像拼接，极易产生累计误差，导致叶片变形或无法对齐等问题。
为解决以上问题，研发团队提出了一种从粗粒度到细粒度的高精度叶片拼接算法（From coarse-grained to fine-grained image stitching）。在粗粒度拼接阶段，首先进行低质量图片过滤，之后巧妙利用图像中叶片边缘、相机-叶片距离（camera-blade distance）等信息拼接出一个大致叶片轮廓，避免了因图像位置错误、运动模糊等导致无法拼接的问题。而在细粒度拼接阶段，研究团队将拼接问题转化为典型的优化问题，通过Adam optimizer的方式进行损失函数优化，进而回归最优拼接参数组合。具体来说，研究团队一共定义了两个损失（Texture Loss及Shape Loss）跟三个约束项（Scale Constraint， Rotation Constraint及Overlap Constraint）来优化粗粒度拼接中的细微错误跟变形问题，并且提出了偏移方法（shifting）进一步抵消因为相机不稳定导致的边缘不对齐问题。最后，研究团队还提出了一种叶片渲染技术，用来去除拼接处的阴影，提升叶片可视化效果。经过在多个数据库上对比测试，该拼接算法在精度上达到了常规拼接算法的2-3倍，满足工业级拼接精度要求。
方成刚与江苏省生产力促进中心高层次人才与外国专家服务处对接成功
电话：025-85485967 QQ群：1035941228