水下结构快速图像拼接技术研究：基于多尺度特征标定板的相机集成标定方法
一、研究团队与发表信息
本研究由东南大学土木工程学院侯世通（Shitong Hou）、王宇轩（Yuxuan Wang）等团队完成，发表于2025年《Developments in the Built Environment》期刊（Volume 22, Article 100649）。研究得到江苏省自然科学基金（BK20220849）和国家自然科学基金（52208306、52127813）的资助。
二、学术背景与研究目标
科学领域：本研究属于水下结构无损检测（Non-Destructive Testing, NDT）与计算机视觉交叉领域，聚焦于水下桥梁等结构的表面缺陷光学检测技术。
研究背景：
1. 工程需求：水下桥梁基础易受水流冲刷、腐蚀等损伤，传统人工检测效率低且风险高。光学检测虽为主流方法，但存在视场受限、图像拼接效率低（如特征提取耗时）、水下环境干扰（如能见度低、水流畸变）等问题。
2. 技术瓶颈：现有拼接方法分为两类：
- 基于特征提取的方法（如SURF、Harris角点）：计算量大，实时性差；
- 基于相机参数的方法：依赖高精度标定，流程繁琐。
研究目标：提出一种基于多尺度特征标定板的相机集成标定方法，实现无需特征提取的快速图像拼接，提升水下检测效率与精度。
三、研究方法与流程
1. 多尺度特征标定板设计
- 创新点：逆向利用SURF（Speeded-Up Robust Features）算法生成标定板图案，叠加多尺度特征（如不同大小的噪声图案），确保远距离或模糊条件下仍可检测到足够特征点。
- 标定流程：
- 单相机标定：通过标定板图像估计内参（焦距、主点坐标、畸变系数）和外参（旋转矩阵、平移矩阵）。
- 多相机联合标定：构建姿态图（Pose Graph），通过全局优化（Levenberg-Marquardt算法）同步校准所有相机的内参和外参。
2. 图像校正
- 光轴校正：根据标定参数计算单应性矩阵（Homography Matrix），使所有相机光轴平行。
- 光心校正：将光学中心对齐至同一平面，消除安装误差导致的视差。
3. 快速图像拼接算法
- 最大内接矩形计算：确定拼接图像的有效区域，避免无效像素干扰。
- 相机与像素索引映射：
- 相机索引：根据像素点到各相机理想主点的距离分配归属相机；
- 像素索引：采用最近邻插值法（Nearest Neighbor Interpolation）快速定位像素位置。
- 实验验证：
- 设备：3×2阵列相机系统（工作距离160mm，单相机视场245.5mm×185mm），水下混凝土试件（50cm×50cm）。
- 数据：采集40组水下图像，分辨率2592×1944，单幅图像大小4.8MB。
4. 质量评价体系
- 无参考指标：信息熵（Information Entropy）、平均梯度（Average Gradient）、空间频率（Spatial Frequency）、边缘强度（Edge Intensity）。
- 定量评分：通过支持向量回归（SVR）模型对比拼接前后图像特征差异，生成质量评分（0-100分）。
四、主要研究结果
1. 效率提升：
- 拼接时间仅42秒，较传统特征提取方法（100秒）减少60%。
2. 图像质量：
- 信息熵6.7（反映信息丰富度）、平均梯度1.8（细节对比度）、空间频率5.0（空间域活性）、边缘强度17.0（边缘清晰度），均优于SURF和Harris算法。
3. 拼接质量评分：64分，高于特征提取方法的63分，且畸变更少（如无重影、黑边）。
4. 标定精度：多尺度特征标定板使相机参数误差降低30%，支持大视场无重叠拼接。
逻辑关系：标定精度→校正效果→拼接效率与质量→最终评价，形成闭环验证。
五、结论与价值
科学价值：
- 提出首个结合多尺度标定与无特征提取的拼接框架，为水下多相机系统标定提供新范式。
- 开发基于相机索引的快速映射算法，突破传统拼接的实时性瓶颈。
应用价值：
- 可集成至水下机器人（ROV）检测系统，实现桥梁、管道等结构的快速高精度巡检。
- 实验室条件下已验证对混凝土表面缺陷（裂缝、剥落）的成像能力，未来可扩展至海洋工程。
工程意义：解决水下环境光照不均、水流扰动导致的图像退化问题，推动自动化检测技术发展。
六、研究亮点
1. 方法创新：
- 多尺度标定板设计：通过逆向SURF生成特征，适应不同距离的模糊条件。
- 无特征提取拼接：利用标定参数直接映射像素，省去耗时匹配步骤。
2. 技术突破：
- 60%的效率提升，支持高分辨率图像实时处理（如4K级）。
- 定量评价体系首次引入无参考指标，客观衡量水下图像质量。
3. 设备自主性：阵列相机系统（已申请专利）具备抗水流干扰能力，适配复杂环境。
七、其他价值
- 数据开源：标定参数与实验数据可公开申请，促进学术合作。
- 扩展应用：方法可迁移至航空、医疗等多视角成像领域。
- 未来方向：计划开展野外实桥测试，并结合深度学习进行缺陷自动识别。
本研究为水下结构健康监测提供了高效可靠的技术工具，兼具学术前瞻性与工程实用性。