背景

在工業應用中，使用面陣相機識別傳送帶上的物體，當要識別的目標的最小包圍矩形（不是最小包圍旋轉矩形）小于相機視野時，可以進行后續處理。但是當要識別的目標很大，比如超長的物體，如果還使用面陣相機，有兩種辦法，一種是硬件改進，另一種是軟件改進。硬件改進就是在傳送帶運動方向均布多個面陣相機，通過同步觸發同時采集圖片，然后根據事先標定好的相機相對位置進行拼接。軟件改進需要對傳送帶上的視頻流進行處理，拼接出比較大的視野。

解決方法

一般在工業上會采用硬件改進的方法。當需要提高視覺識別的精度或者范圍時，會采用多個相機圖像進行拼接的辦法。但是在實驗室，我們可以嘗試使用軟件的方法來解決。
解決這個問題的關鍵是圖片的拼接，而圖像的拼接需要圖像中有明顯的特征點。而目標上是否有特征點我們不能控制，所以需要事先在傳送帶上布置特征點。

傳送帶上只有平移，所有對于圖像拼接的3個參數x，y和θ，只需要計算x，如果相機成像平面和傳送帶平面不平行，需要先做一個透視變換。
特征的設計及擺放考慮如下：容易識別，編碼容量不需太大，循環布置。

原始視頻

以下是在傳送帶運動時采集到的視頻：

拼接結果

算法原理

第一步：從視頻流中提取一幀圖像，作為關鍵幀，轉到第2步。

第二步：提取下一幀，根據識別到靶標計算該幀圖像和當前關鍵幀平移距離x1，如果x1約等于
0.4倍的視頻運動方向圖像像素，則把這一幀作為次關鍵幀，轉到第三步，否則重復第二步。

第三步：提取下一幀，根據識別到靶標計算該幀圖像和當前次關鍵幀平移距離x2，如果x1+x2 約等于
0.8倍的視頻運動方向圖像像素，則把當前幀作為新的關鍵幀，轉到第二步，否則重復第三步。

在23步循環的時候，把所有關鍵幀按照順序，根據當時的平移距離x1+x2進行拼接就得到一幅長圖。當然也可以實時輸出關鍵幀和對應的x1+x2。這樣，在高層算法開發時，可以認為這是一個幀觸發信號有點波動（由于幀率和傳送帶運動速度的不確定性，x1+x2不是固定值）的線陣相機。這也相當于做了一個中間層，屏蔽了底層的硬件細節，使得原本為線陣相機開發的算法也可以用在面陣相機上。