巖體孔內攝像視頻高精度快速成圖方法研究

　　摘　要:巖體結構形態特征對巖土地質工程的開挖建設具有重要的意義，數字鉆孔攝像技術是快速有效地直接獲取孔內巖體結構形態的一種重要手段。針對現有數字全景鉆孔攝像系統及其分析軟件在現場復雜環境凸顯出來的問題，本文提出一種孔內全景視頻環狀圖像快速拼接融合成圖方法。該方法通過轉化原始孔內視頻圖像為眾多有序的幀窄帶狀圖像，并進行圖像特征檢測與匹配篩選，從而實現孔內全景圖像的快速拼接融合。結果表明：該方法可在不完全依靠指南針或電子羅盤及深度編碼器的情況下，快速完成孔內全景視頻圖像的連續拼接融合;拼接圖像的橫向、縱向分辨率和圖像清晰度均提高了一個數量級，實際工作時間可減半;該方法能夠實現拼接出圖過程的智能化和自動化分析處理，減輕工作人員的負擔，提高工作效率。本方法可僅僅依靠孔內視頻圖像的固有特征而快速有效地形成無偏差的高質量鉆孔全景圖像，促進了孔內攝像技術的發展，為高精度巖體工程勘察提供了一種更便捷有效的技術手段。

　　本文源自鄒先堅; 王川嬰; 宋歡， 工程科學與技術 發表時間：2021-07-09

　　關鍵詞:數字鉆孔攝像;圖像拼接;特征檢測;數據融合;孔壁成像

　　在巖土工程、地質工程、水電工程、石油勘測和地質災害防治工程等方面，常常需要了解深埋巖體結構形態特征及其穩定性信息[1–3] ，而巖體中存在的諸如節理、斷層、軟巖、破碎帶等結構，是構成巖體結構形態的重要組成部分，也是決定深埋地下工程穩定性的重要因素[4] 。數字全景鉆孔攝像系統通過孔內攝像技術可以獲得鉆孔內部巖體結構形態的高精度全景視頻圖像，且這些全景視頻圖像精確地記錄了孔內巖體結構形態的特征[5–7] 。在工程實踐當中，如何快速有效地獲取孔內孔壁巖體結構真實的全景視頻圖像，并準確地展現孔內巖體結構形態的原位信息，這對于工程地質勘探與項目設計施工等具有重要的實際工程意義，也是進行深部地下工程建設的重要研究內容。

　　在現有的工程應用設備中，對于孔內全景鉆孔圖像的分析處理基本上還為傳統意義上的掃描線或類掃描線堆積拼接的方法[8] ，即：完全依靠或間接參考電子羅盤或指南針的方位角和編碼器的深度信息來不斷生成每一幀視頻圖像的單條或多條掃描線;然后，把每一幀圖像所生成的掃描線依次堆積起來形成對應的鉆孔圖像，或進行簡單有序的多條掃描線(矩形視窗帶狀圖像)對比累加來實現孔內全景圖像的生成。在綜合考慮海上鉆探、深埋隧道和煤礦鉆井等復雜現場勘察環境下，這種方法主要存在如下問題：1)傳統的單條或多條掃描線方法本身攜帶的數據量有限，現場實際勘察過程中很難保證孔內攝像探頭以非常慢的速度勻速進行，從而導致錄制的視頻圖像時快時慢，并伴隨著無規則的旋轉和往返抖動的現象。因此，掃描線方法無法做到在放線過快時記錄更多的圖像行數數據，在放線過慢時刪除部分冗余圖像行數數據，進而導致最終得到的鉆孔圖像嚴重變形，時伸時縮，圖像質量較差，必須進行后續的圖像修正。2)掃描線堆積成圖的方式、鉆孔圖像質量的好壞需要完全依靠指南針/電子羅盤和編碼器的數據準確與否。然而，實際情況下，指南針/電子羅盤和編碼器都存在一定的物理惰性，并且不可避免地偶然出錯，特別是孔內攝像探頭在線纜的帶動下進行張力扭力的旋轉、拉伸和人為因素的偶然抖動時，指南針/電子羅盤和編碼器本身無法進行自我修正并找到正確的位置和方向，從而導致掃描線方法出錯或成圖質量差。3)目前掃描線方法現有的實現軟件，無法做到自適應和智能化處理，并且后續深度修正和方位矯正等數據修正工作嚴重依賴于人工手動處理和實踐經驗值。這對于多個孔或超深孔的視頻圖像數據處理而言，需要數天甚至數周進行專門的數據處理，耗時費力，迫切需要進行孔內視頻圖像的智能化和自動化分析處理[9–11] 。

　　因此，針對以上問題，本文開展了一種孔內視頻圖像快速拼接融合成圖方法，旨在解決孔內全景視頻圖像的智能化檢測匹配和圖像數據的自動化拼接融合，解決完全依賴于指南針或電子羅盤的方式，并實現孔內全景視頻圖像的智能化拼接融合和實時快速出圖，提高實際工作效率，為一線科研工作人員減負。研究工作將為實際鉆孔勘察過程和孔內視頻圖像處理方法提供極大的便利，有望改善深部巖體結構孔內攝像勘察的實時性和高效性。

　　1 孔內全景攝像技術

　　1.1 鉆孔攝像系統簡介

　　數字全景鉆孔攝像系統是一套全新的先進智能型勘探設備，集電子技術、視頻技術、數字技術和計算機技術于一身，從全景角度對孔內孔壁進行無擾動的原位攝像記錄并加以分析。通過直接對孔壁進行攝像，避免了鉆孔取芯的擾動影響，能夠準確地探明鉆孔孔壁結構形態，詳細地反映出孔內巖土體的原位狀態。該系統可同時觀測到360°的孔壁情況，具有實時監視的能力，能夠對整個鉆孔資料進行現場顯示和分析保存[12] 。

　　該系統主要由全景攝像探頭、控制箱和深度編碼器及其線纜等部件組成，如圖1所示。其中：全景攝像探頭是該系統的關鍵設備，其內部包含有可獲得全景圖像的截頭錐面鏡、提供探測照明的光源、用于定位的磁性羅盤及微型CCD攝像頭等部件[13] 。整個探頭采用了高壓密封技術，可以在深水中進行探測。深度編碼器是該系統的定位設備之一，由測量輪、光電轉角編碼器、深度信號采集板及接口板組成。該系統的軟件部分主要包括數據采集軟件部分和數據分析軟件部分。系統軟件能夠對錄制完成的鉆孔視頻進行圖像數字化，并對全景鉆孔圖像進行分析和結構面的識別和解譯，完成對鉆孔圖像數據的存儲和維護，為實踐工程提供可靠的鉆孔圖像和巖體結構數據。

　　1.2 現場孔內視頻圖像特征

　　數字全景鉆孔攝像系統可以實時地獲取孔內巖體結構形態的真實圖像，但所得全景鉆孔圖像如何更加快速有效反映孔內巖體結構形態特征是一個重要的研究課題[14–16] 。因此，全景攝像探頭內攝像頭拍攝的原始視頻圖像是孔內全景鉆孔圖像數據分析的關鍵，直接讀取攝像頭內的原始視頻圖像并快速地轉化分析為高質量的孔內全景圖像是研究的重難點內容。

　　由于全景鉆孔圖像是孔內孔壁巖體結構的間接反映，是巖體結構受到光照之后反射到全景攝像探頭錐面鏡上的成像結果，故孔壁巖體結構決定了鉆孔圖像色彩深度的組成[17] 。圖2為某煤礦工程中孔內全景視頻圖像中的一幀圖像。由于裂隙、斷裂面、孔洞、破碎帶等區域的反光性差異，從而在鉆孔圖像表現為或明亮或暗淡的顏色。

　　全景攝像探頭獲得的視頻圖像在轉換為真實可用的孔內全景圖像的過程中，主要表現出如下特征和技術問題：1)孔壁巖體結構的成像特征是由近至遠的圓環形狀，如圖2所示;2)全景攝像探頭向下放線的過程中，孔壁結構由近至遠依次連續成像，視頻中的圖像存在圓環變形與交錯重疊部分;3)受鉆孔傾斜、線纜纏繞或探頭自重的影響，全景攝像探頭會發生不可避免的旋轉和抖動等偶然事件，從而導致孔內視頻圖像數據發生旋轉和變形。由于攝像頭記錄的視頻圖像本身具有絕對的連續性和固有圖像特征，因此，如何通過該連續性和固有特征來更加準確記錄或修正鉆孔圖像中巖體結構的方位和深度信息，并利用原始孔內視頻圖像進行全景圖像的拼接融合是一個非常關鍵的科學問題，也是提高鉆孔圖像質量和進行勘察資料后續分析的基礎。

　　2 孔內視頻快速出圖方法

　　針對現場獲取的孔內視頻圖像特征和現有設備存在的問題，提出一種孔內全景視頻環狀圖像快速拼接融合成圖方法。在已經獲取孔內全景視頻錄像的前提下，闡述具體步驟，并以川藏鐵路等勘察工程中的鉆孔視頻圖像數據為例進行說明。

　　2.1 方法原理

　　數字全景攝像系統采用截頭的錐面反射鏡，利用特定的光學變換實現了將 360°鉆孔孔壁圖像反射成平面圖像。經過這種光學變換，形成環狀的全景圖像[17] 。該原始圖像不便于直接觀測，缺乏直觀性，需要進一步轉化修正。

　　本文提出的孔內視頻快速出圖方法主要是依據畸變矯正和圖像拼接過程中涉及的理論和技術[18] ，利用張正友棋盤標定、非均勻插值、SIFT 特征點提取、基于k–d樹的BBF(best bin first)算法、RANSAC(random sample consensus)算法、加權平滑等技術，克服了現有掃描線圖像質量較低、成圖速度慢和過程漫長而繁雜的缺點[19] 。該方法主要技術步驟如圖3所示。首先，利用數字全景鉆孔攝像系統獲取原始的孔內視頻圖像，解析視頻并獲得每幀的窄帶狀圖像;然后，進行圖像特征匹配與特征檢測，并根據實際的方位角數據和深度數據進一步確定或修正每幀圖像的實際寬度偏移和實際高度偏移，繼而確定最終獲得每幀窄帶狀圖像的像素偏移量;最后，對窄帶狀圖像進行融合拼接，形成工程所需的孔內全景鉆孔圖像。

　　2.2 主要步驟描述

　　步驟1)窄帶狀圖像采集。

　　針對獲取的孔內全景視頻，首先，利用霍夫圓檢測方法(比如OpenCV中的HoughCircles( )函數)自動識別鉆孔圖像的中心和鉆孔孔壁的成像最大、最小半徑，自動識別視頻圖像中指南針或電子羅盤的方位角數據信息Azimuth和深度編碼器的實時深度信息Depth;接著，根據實際情況自動調整鉆孔圖像中心O(x，y)和孔壁成像環的內外半徑Rmin和Rmax，如圖4 所示。圖4中的孔內全景視頻為200萬高清鉆孔攝像設備所錄制，為中科院巖土所最新研制的產品。

　　針對內外半徑Rmin和Rmax范圍內的環狀圖像，為了保證即將生成的窄帶狀圖像盡量最大有效，設置鉆孔孔壁環狀圖像的有效范圍為H=Rmax–Rmin，也就是即將生成的窄帶狀圖像的高度;設置孔壁環狀圖像中間位置圓環所對應的像素數為W=π(Rmax+Rmin)，并作為環狀圖像中每一環的采用點數，也就是即將生成的窄帶狀圖像的寬度。

　　據此，在錄像的孔內全景視頻中的每一幀孔壁環狀圖像內，以鉆孔圖像中心O(x，y)為圓心，從半徑 Rmin處每一幀方位角Azimuth處開始，每一圓環采集 W個像素點，直到半徑Rmax處，從而形成寬度為W、高度為H的窄帶狀圖像，并保存該窄帶狀圖像和對應的方位角數據數值Azimuth和深度數值Depth。從孔內全景錄像視頻中的第一幀視頻圖像開始，每一幀視頻圖像形成一張寬度為W、高度為H的窄帶狀圖像，直到孔內視頻圖像采集結束，如圖5所示。

　　步驟2)特征檢測與匹配數據生成。

　　鉆孔孔壁圖像本身具有如下特征：每一幀視頻圖像形成的窄帶狀圖像比較窄;孔壁巖石大部分區域特征基本相同;大部分區域基本上無特別的角點拐點，并且存在一定的變形;圖像噪聲非常嚴重;孔內孔壁水流、沙石、泥漿等雜物形成的干擾信號比較強烈。因此，窄帶狀孔壁圖像的特征檢測與匹配的干擾性較大，可靠性也一般。為了去掉這些背景噪聲，依次采用相鄰兩幀窄帶狀圖像的差值圖像來進行圖像特征檢測和匹配。另外，針對形成的窄帶狀孔壁圖像，為了兼顧圖像特征檢測與特征匹配的準確性和時效性，本文主要采用了SURF(speeded up robust feature)算法檢測匹配窄帶狀圖像中的特征點[16] 。相鄰兩幀窄帶狀圖像差值圖像的SURF特征檢測結果如圖6(a)所示。

　　圖像特征檢測的基本原理是根據視覺圖像特征尺度不變性特征進行的。該尺度不變特征的理念是：不僅在任何尺度下拍攝的物體都能檢測到一致的關鍵點，而且每個被檢測的特征點都對應一個尺度因子。對于兩幅圖像中不同尺度的同一個物體點，計算得到的兩個尺度因子之間的比率應該等于圖像尺度的比率。因此，采用加速穩健特征SURF檢測方法檢測窄帶狀圖像上的特征點，并建立每一個特征點與下一幀窄帶狀圖像的匹配對應關系，如圖6(b)所示。

　　從圖6(b)中的特征點匹配效果來看，部分匹配效果存在偏差，因此，需要進一步篩選匹配點以獲取優秀的匹配點。為此，本文采用了Lowe’s算法進一步獲取優秀匹配點，特征匹配篩選之后的結果如圖6(c)所示。

　　根據以上圖像特征檢測和匹配篩選的原則，從每一組相鄰幀圖像中篩選出一組最優的匹配點作為上下相鄰兩幀窄帶狀圖像的唯一最佳匹配點，并記錄下這一對最佳匹配點的坐標Mi (xi，yi )和Mi+1(xi+1， y i + 1 )。其中， Mi ( x i， y i )位于第i幀窄帶狀圖像上， Mi+1(xi+1，yi+1)位于第i+1幀窄帶狀圖像上。因此，將這對匹配點坐標進行相減，就可以得到下一幀圖像相對于上一幀圖像的偏移量 Di + 1 (Δx ， Δy ) 。其中： Δx=xi+1–xi，意味著下一幀窄帶狀圖像相對于上一幀圖像向右偏移了Δxi個像素坐標位置;Δy=yi+1–yi，意味著下一幀窄帶狀圖像相對于上一幀圖像向下行走了Δyi個像素坐標位置。將幀序號i、向左偏移量Δxi個像素距離和下行走量Δyi個像素距離依次在特點文件mData_N.txt中保存。據此，針對每一對相鄰幀的窄帶狀圖像進行如上操作，依次得到每一幀窄帶狀圖像相對于上一幀窄帶狀圖像的偏移量數組(幀序號i、橫向向左偏移量Δxi個像素距離和縱向向下行走量 Δyi個像素距離)和對應匹配數據文件mData_N.txt。

　　步驟3)窄帶狀圖像快速拼接融合。

　　根據步驟2)得到的mData_N.txt數據文件，針對步驟1)形成的窄帶狀孔壁圖像，首先，從序號i=1張窄帶狀圖像開始，取i+1之后每一張窄帶狀圖像中間行的前后Δyi+1/2行形成圖像Ii+1，即從第i+1張圖像的第(y/2–Δyi+1/2)行開始到第(y/2+Δyi+1/2)行結束形成圖像Ii+1;然后，圖像Ii+1的橫向坐標像素全部向右偏移Δxi+1個(Δxi+1小于0表示向左循環偏移，反之為向右循環偏移)，并形成橫向偏移Δxi+1個像素坐標后圖像 ;最后，把圖像 連接在第1張圖像的末尾。以此類推，把I1，I2，I3，···，Ii，Ii+1，···連接在第1張窄帶狀圖像的末尾，繼而完成所有的窄帶狀圖像的拼接，最后形成整個初始拼接圖像，如圖7(a)所示。

　　從放大圖像圖7(b)中可以看出，兩圖交界處的拼接并不自然。這是因為光照色澤的差異使得兩圖交界處的過渡偶然出現偏差，故需數據融合方法來解決這種不自然。這里采用加權融合方法，使在重疊部分由前一幅圖像慢慢過渡到第2幅圖像，即將圖像重疊區域的像素值按一定的權值相加合成新的圖像。具體操作步驟如下：在形成圖像Ii+1之前，首先，根據向右偏移值Δxi+1調整第i+1張窄帶狀圖像Mi+1，并形成窄帶狀圖像 ;然后，把第M張圖像和新形成的圖像融合成一張y+Δyi+1行圖像，即第M張圖像下面部分和第Mi+1張圖像上部分的交匯區域進行加權融合，使前一幅圖像慢慢過渡到第2幅圖像，將圖像的重疊區域的像素值按一定的權值相加合成新的圖像Ji+1。該圖像Ji+1對正常的窄帶狀圖像多出Δyi+1行，則把多出的Δyi+1行圖像裁剪形成圖像Ii+1，隨后連接到上張拼接圖像的尾部即可，最后形成效果更好地完整拼接圖像，如圖8(a)所示，拼接融合后圖像局分區域放大后如圖8(b)所示。

　　在這個過程中，由于鉆孔較深，視頻圖像數據很長很大。為了防止生成的圖像過長而無法保存和不便查看，本方法以固定長度L(一般L=2 m)保存每張形成的圖像。即：以實際深度Depth數據為準，以L= 2 m一段為準，依次保存該部分拼接形成的圖像，最終形成N張拼接圖像。

　　步驟4)拼接圖像優化和信息標注。

　　針對步驟3)形成的N張拼接圖像，利用圖像增強方法進行每張拼接圖像的灰度拉伸與細節增強。圖像灰度拉伸的目的是為了防止圖像過暗或過亮，并針對整個圖像進行統一的灰度均衡化處理(圖像直方圖均衡化)，使整張圖像像素過渡平緩。然后，通過圖像增強方法進行圖像細節增強，以凸顯出圖像中巖體結構面等信息。

　　為了方便鉆孔圖像的查看和保存，本文采用一定的長寬比尺寸來對拼接圖像進行像素轉化，使圖像更加方便觀看、理解且符合審美觀。比如：可以采用接近黃金比例尺的長寬比尺寸0.618進行橫縱比像素的縮放。另外，根據每張拼接圖像中保留的方位角數據信息Azimuth和深度數據信息Depth，對優化的拼接圖像進行深度刻度標注和圖像方位東南西北(N、 E、S、W、N)的標識，并生成孔內全景展開圖。與此同時，根據東南西北方位角信息，分別以正東、正南、正西、正北4個方向生成鉆孔巖心圖，也就是3維柱狀圖。以圖7、8中的視頻圖像數據為例，進行信息標注，柱狀圖生成之后的孔內全景和3維柱狀圖如圖9所示。

　　3 結果與討論

　　以獲得的高清鉆孔攝像視頻為例，應用本文所述方法進行孔內視頻圖像處理。該視頻總幀數為44 980 幀，時長30 min，記錄的鉆孔數據來源于正在建設中的川藏鐵路某地質工程勘察。采用本文所述方法實現了該視頻圖像的快速匹配融合出圖。該地質勘察工程報告中的一組圖像如圖10所示。

　　實測結果顯示本文所屬方法能快速有效地實現大量高清視頻圖像數據的拼接融合出圖，并全自動地生成一系列高清高質量的鉆孔圖像數據。該方法簡化了孔內視頻圖像的處理過程，為實際鉆孔勘察過程提供了極大便利，極大地改善了深部巖體結構孔內攝像勘察的實時性和高效性。然而，在實際應用過程中，需要對如下問題進行深入研究和分析討論。

　　3.1 特征匹配點篩選方法

　　為了排除由于光線遮擋和背景混亂而產生的無匹配關系的圖像特征點，本文采用比較最近鄰距離與次近鄰距離的篩選方式來進行。取一幅圖像中的一個特征點，并找出其與另一幅圖像中歐式距離最近的前兩個特征點。在這兩個特征點中，如果最近的距離除以次近的距離得到的比率ratio少于某個閾值T，則可以接受這一對匹配點。因為對于錯誤匹配，由于特征空間的高維性，相似的距離可能有大量其他的錯誤匹配，從而其ratio值比較高。顯然，降低這個比例閾值T，特征匹配點數目會減少，但更加穩定。經過實踐，通過對相鄰兩幀窄帶狀圖像進行大量匹配的結果表明：ratio小于0. 5時，匹配點較少;ratio大于0.7 時，錯誤匹配點較多。因此，ratio取值0.6，以滿足實踐工程需求。

　　然而，實際中仍然會篩選出0組或者多組特征匹配點，甚至是錯誤的匹配點。0組和錯誤的匹配點會導致連續進行圖像拼接過程的錯誤和中斷;多組特征匹配點會額外再增加程序的計算量，從而影響圖像快速拼接融合的時效性。因此，有必要考慮該方法在任何復雜情況下特征匹配點的唯一性問題，從而保證該方法始終快速有效地進行下一幀圖像的拼接融合，以及圖像數據的正確有效性。考慮獲得的窄帶狀圖像的特殊性和專用性，在以上篩選出的單個或者多個最優特征匹配點后，進一步采用圖像處理中最小最優的漢明距離進行唯一特征匹配點的篩選;并通過實際指南針數據和深度數據計算校對每一組特征匹配點，進而保證每相鄰兩幀圖像有且僅存在一組最優的特征匹配點。其中一組的鉆孔圖像處理效果如圖11所示。

　　3.2 累計誤差消除方法

　　在進行窄帶狀圖像的特征檢測與匹配的過程中，很難保證每次的匹配到的唯一特征匹配點是準確無偏差的。雖然每次的誤差很小(一個像素以內)，但是在進行幾萬幀圖像的連續匹配后，積累出來的誤差就會很大，而且這種局部誤差累計起來后的整體趨勢，與全景攝像探頭的旋轉趨勢有一定的關系，因此，有必要對累計進行修正。首先，采用高斯雙曲線濾波的方法對步驟2)中得到特征匹配數據進行雙曲線高斯濾波，進而消除局部隨機小誤差;然后，依次累計每次匹配到的偏移量，并對下一幀窄帶狀圖像進行同樣的偏移后，再進行特征檢測與匹配;最后，分別統計分析孔內視頻圖像中方位數據和匹配到偏移量的變化趨勢，相互對比校正數據。在一定范圍的局部內，圖像特征檢測與匹配得到的偏移量數據的可靠性大于指南針或電子羅盤得到的方位數值。

　　因此，本文采用的修正準則是：當每次偏移量的差值小于1/4的像素寬度W/4時，采用當前偏移量的數值;否則，采用指南針或電子羅盤得到的方位數值，并以該方位值和偏移量值的中值為基準，重新開始互相修正。據此，針對同一個鉆孔視頻中的同一段區域，分別采用本方法和原掃描線方法得到的拼接圖像與原始掃描線圖像的對比結果如圖12所示。

　　3.3 拼接圖像精度分析

　　以圖12中對應的原始視頻為例，取圖12(a)和(b)中同一位置放大10倍之后即可得到對比效果圖13。圖13(a)、(b)、(c)分別為圖12中同一個崩落石塊、同一個孔洞、同一個巖石裂紋放大圖的比對。由圖13可知，圖像匹配融合方法所得的鉆孔圖像在清晰度和準確性上遠高于原始的掃描線出圖方法。

　　另外，由文獻資料可知，數字全景攝像系統所得到的標清圖像的橫向精度是1 024 pixels，即1 024 px，縱向深度方向的設計精度是1 mm。然而，由于現場實測情況的復雜性和線纜放線速度的不穩定性，導致原軟件系統產生的標清圖像縱向精度無法達到1 mm。實際橫向和縱向分辨率與具體實測孔徑大小、編碼器的深度修正和指南針或電子羅盤的方位修正數據有很大的關系。然而，由于拼接圖像不需要完全依靠指南針/電子羅盤和編碼器，甚至可以完全拋開深度和方位信息自動完成孔內全景圖像的連續拼接融合。通過依靠孔內孔壁圖像的物理特征來實現孔內全景圖像的連續拼接融合，有效地避開了縱多人為因素的干擾，保證物理圖像本身的可靠性和有效性[18–20] 。

　　由于原孔內視頻圖像是由攝像機得到的，孔內視頻圖像的精度就是攝像機的精度;本文所得的拼接圖像來源于孔內攝像機所得視頻圖像的裁剪轉化和拼接融合，理論上他們的圖像分辨率應該是一致的，都應該接近于攝像機的圖像分辨率和精度[21–24] 。因此，本文所得到的拼接融合圖像的精度也應該接近攝像機的精度，即遠遠大于系統設定的1 mm精度。實際上為了迫使橫向精度與拼接數據的縱向偏移量在實際尺寸一致，不得不擴展拼接圖像的橫向像素點到5 000 pixels以上，即5 000 px。這同時進一步說明了拼接融合圖像的至少在0.2 mm以上，如圖13和表1 所示。

　　由圖13和表1可知：針對同一視頻文件所得的拼接融合圖像比傳統的掃描線圖像的分辨率提高了很多;同一位置放大10倍之后，拼接融合圖像中的孔壁巖體結構紋理依然清晰，而掃描線圖像開始變得模糊不清了。因此，拼接融合圖像在清晰度和準確性上遠遠高于傳統掃描線方法，進一步促進了該系統設備及其軟件分析方法的升級換代。

　　3.4 實際工作效率分析

　　為了說明本文所述方法在實踐工程應用中的實際效果，對同一個30 min的孔內攝像視頻，分別采用傳統的掃描線方法與本文所述的拼接融合方法進行分析，并得出孔內全景圖像。采用傳統的掃描線方法完成整個孔內全景圖像的分析，最終總耗時約87 min，其中，程序運行等待時間大約38 min。在手動進行編碼器深度修正和電子羅盤或指南針方位角修正的過程中，操作復雜且繁瑣。然而，采用本文所述拼接融合方法總耗時約16 min，幾乎無需人為干預即可快速產生高質量的孔內全景圖像，只需要安靜等待大約 14 min的運行時間。具體數據信息如表2所示。

　　由表2可知，本文所述的拼接融合方法的實際操作步驟已經可以實現自動化處理，運行時間大大縮短。本文所述的圖像拼接融合方法不完全依靠輔助的物理羅盤指南針或電子羅盤及深度編碼器，并且操作簡單易行，能夠實現拼接出圖過程的智能化和自動化分析處理，極大地提高了工作效率，減輕工作人員的負擔。

　　4 結　論

　　針對現有數字全景攝像系統及其分析軟件在現場復雜環境中突顯出來的孔內全景視頻圖像處理問題，本文提出一種環狀圖像快速拼接融合成圖方法。該方法通過轉化原始孔內視頻圖像為眾多連續幀的窄帶狀圖像，并進行圖像特征檢測與特征匹配篩選，從而實現孔內全景圖像的快速拼接融合成圖，可得出如下結論：

　　1)所述方法不再完全依靠指南針或電子羅盤及深度編碼器的數據完成孔內全景視頻圖像的連續拼接融合。采用現有孔內電子羅盤和編碼器等，只是為了進一步保證拼接圖像數據的可靠性。若進一步改善本文所述方法，有望在只需標定拼接數據的起止位置或特定點位置對應的實際值后，即可實現全孔視頻圖像的全自動拼接融合成圖，從而擺脫對孔內指南針、電子羅盤和深度編碼器等的依懶。

　　2)通過依靠孔壁巖體結構成像本身的固有特征來實現孔內全景視頻圖像的拼接融合，可以避免因為嚴重依賴深度編碼器和指南針或電子羅盤的數值而產生伸縮變形的鉆孔圖像。本方法根據孔壁圖像的固定特征進行孔內方位數據和深度數據的自動匹配矯正，從而快速有效地生成無偏差的高質量孔內全景圖像。

　　3)本方法最終形成的拼接融合圖像的質量遠高于傳統的掃描線方法，拼接融合圖像的分辨率和清晰度都得到了一個數量級的提高。

　　4)圖像拼接融合方法實際操作步驟簡單易行，能夠實現鉆孔圖像處理過程的智能化和自動化，并使運行時間減半，從而減輕工作人員的負擔，提高工作效率。