基于MRT（MODIS Reprojection Tool）工具批量给MODIS拼接和重投影，我感觉该方法还是比较快的

一种基于车道线检测，标定摄像头外参的系统与方法。该方法主要包含如下几个步骤：（1）通过前、后、左、右相机采集原始图像，并处理图像提取车道线所在的感兴趣区域。（2）在感兴趣区域内检测车道线，并将检测到的车道线拟合成6段短直线。（3）然后通过该6段短直线的斜率得到各相机的夹角，从而判定哪个相机需要标定。（4）对需要标定的相机进行标定。（5）更新相机标定后的参数，重新生成拼接图。本发明结合了传统的标定方法，提出了一种基于线特征的在线标定方法，提高了4S店的标定效率。

用matlab仿真的基于灰度匹配算法的图像拼接，代码简单，适合初学者学习

使用主元分析法PCA对两片点云数据作粗略的拼接配准，可以作为ICP算法的预处理步骤。尝试规定了PCA主元向量的朝向。附带ply文件格式的bunny多视角数据。

读研期间做的文献复原，关键点提取、建立特征描述符、匹配特征点、RANSAC去除误匹配、坐标配准全部流程都走了一遍，用bunny数据做的测试，每一步都有画图，结果精度还不错。有没做好的地方欢迎指正。

[原创]根据文献使用matlab实现了PFH算法，并使用它对bunny数据进行了基于特征匹配和RANSAC的拼接实验。关键点选取和特征匹配部分是直接用的之前文献复原的内容(资源已发布)，仅用来测试PFH的有效性。由于运行速度过慢，我将代码分为三块，依次运行PFH_demo.m（关键点提取）、PFH_demo2.m（PFH计算，耗时）、PFH_demo3.m（拼接实验与结果展示）。代码中实现的是64维度的描述符，与PCL中的略有不同。关键点如果用3D harris效果应该会更好一点。

自己实现的经典ICP算法，采用PCA作了粗拼接，然后使用K-d树算法加速选取对应点，使用bunny数据进行了拼接实验，并计算了其RMS误差。经典ICP算法中不包含筛选删除误匹配点对的步骤，因此精度较低。

图像拼接算法C++源码，使用opencv实现，代码注释详细。

经典的APAP论文描述的拼接方法源代码，C++语言，编译通过，有助于论文阅读。

可用！！！！！！基于opencv（python）的全景拼接基于opencv（python）的全景拼接基于opencv（python）的全景拼接