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。