1.一种基于DSP的实时视频拼接方法，其特征在于，包括如下步骤：步骤1：ORB特征提取：采用select操作方式定向选择数据，借助gather和scatter指令将不连续RAM地址中的数据加载到向量寄存器中；

首先使用FAST算子检测特征点并确定特征点的主方向，最后创建BRIEF描述子，具体步骤如下：步骤1.1：FAST特征检测；

步骤1.2：确定特征点的方向；

ORB算法中采用灰度质心法确定特征点的方向；

步骤1.3BRIEF特征描述；

采用FAST算子检测出带有方向的特征点后，对这些特征点进行描述；

步骤2：特征匹配：在匹配前设定阈值预筛选特征点，基于汉明距离进行特征点匹配，算法均使用SIMD指令集并行处理多数据；

基于汉明距离来判断，任何小于阈值的汉明距离对应的点对判定为匹配点，汉明距离是两个字符串中对应位置的不同字符的个数；

基于DSP对ORB特征点先进行预筛选，并在匹配过程中并行优化，具体过程如下：步骤2.1：筛选出感兴趣域内的特征点，减少汉明距离的计算，感兴趣域为一对图像中任意两个特征点同时满足以下条件：其中，X和Y分别是特征点的横、纵坐标值，A是特征点的角度，TX,TY,TA分别是横、纵坐标和角度的阈值，i和j表示两幅图像中全部特征点；步骤2.2：通过PING‑PONG操作传送数组中的描述子到64‑way、8bit寄存器中，对于大小为256‑bit的描述子，采用XOR操作并行计算汉明距离；步骤2.3：对步骤2.2中的结果利用查表法得到汉明距离，查表过程如下：a)构建一个含有256元素的表Table[i]，其中，i是二进制8bit对应的十进制数，Table[i]是此二进制中“1”的个数；

b)描述子中每8位二进制和0xff作与运算，得到步骤a)中的i值；

c)使用b)中i值查表得“1”的个数，累加得到描述子汉明距离；

d)判定汉明距离小于阈值所对应的点对为一对匹配点；

步骤2.4：反向匹配，消除误匹配点，仅对正向匹配:获得的匹配点再次判断；

步骤3：系统级优化：采用PING‑PONG方式传输数据，隐藏视频拼接过程中外部存储器访问的周期；基于DAG生成算法调度表，在双DSP平台上并行执行ORB特征提取算法；

所述步骤3DSP上系统级优化分为两部分：在数据传输部分，利用PING‑PONG缓冲器传输tile，已提供数据计算的效率；在算法处理调度部分，整个视频拼接过程基于DAG在双DSP平台上高度并行化，具体步骤如下：步骤3.1：图像数据PING‑PONG传输；

基于DSP和iDMA设计一种PING‑PONG双缓存模式并行传输tile，这些缓存区分别存储tile中待处理信息，当DSP内核处理PING缓存中tile 0(in 0)数据时，tile(in1)在PONG缓存中通过iDMA传输，之后iDMA传输延迟被tile的处理过程隐藏；

步骤3.2：算法在双DSP并行实现；

将FAST‑9、NMS、BRIEF算法在两个DSP上做并行处理；

DAG是一种数据结构，也是描述系统进行过程的有效工具，表示为G＝(V,E)，其中，G表示一个有向无环图；V是G中节点的集合，表示具体的算法；E是G中边的集合，表示各个算法间的逻辑关系，首先将算法根据依赖关系映射到二维平面上，并依次对算法编号；然后使用DAG表示拼接算法的执行流和它们之间的约束关系；根据逻辑关系为特征检测、特征点匹配、图像融合以及它们之间的数据流向创建对应的DAG；

基于DAG生成对应的算法调度表后，对算法相关性和双DSP结构分析，采用双DSP将两张图像FAST特征点提取部分算法的串行操作转换为并行，为了实现各DSP之间的数据共享，采用共享存储器的方式；

实时视频拼接过程在DSP串行模式上实现分为五步：tile数据初始化，ORB特征提取，特征点匹配，图像融合，结果写入tile并保存到内存中，由于是两张图像进行视频拼接，FAST‑

9、NMS、BRIEF算法过程循环计算两次，采用双DSP并行实现；

步骤4：图像拼接：对待匹配图像做透视变换，利用单应性矩阵，由RANSAC算法筛选后匹配点经过计算得出，最后，两张待拼接图像通过直接拼接得到全景图像。

2.根据权利要求1所述的基于DSP的实时视频拼接方法，其特征在于，所述步骤1.1的FAST是一种快速检测特征点算法，具体步骤如下：步骤1.1.1：建立图像金字塔；

在图像金字塔建立这一部分，通过图像缩放的方式实现特征点的尺度不变特性，采用Q21.10数据格式，通过左移10位的定点化方法计算；

步骤1.1.2：特征点粗提取；

对图像中的像素点进行粗提取，过滤掉大部分像素点；

步骤1.1.3特征点精提取；

采用FAST‑9特征点检测，即计算得到特征点P与16个点差的绝对值中，有连续9个绝对值都大于或小于阈值TH，判定为FAST特征点，此外，基于DSP对特征点提取计算过程优化；

步骤1.1.4：特征点的非极大值抑制；

针对提取后的FAST特征点存在过度密集的现象，采用非极大值抑制算法解决，非极大值抑制算法并行优化和FAST特征点检测并行实现的过程相同，在3×3邻域进行处理，将特征点和周围8个对应点并行比较，保留响应值最大的特征点。

3.根据权利要求2所述的基于DSP的实时视频拼接方法，其特征在于，所述步骤1.1.2先对图像中的像素点进行粗提取，过滤掉大部分像素点的具体步骤如下：步骤1.1.2.1：计算待检测点P与周围16个点差的绝对值；

步骤1.1.2.2：比较对称点之间的绝对值，规则如下：ξi＝MAX(|P‑Pi|,|P‑Pi+8|)

其中，i∈[0,7]，ξi为两个绝对值中的最大值；

步骤1.1.2.3：若步骤2中的ξi都大于阈值T，保留点P作为候选特征点，接着进行精提取过程；

粗体取的过程是遍历图像中每一个点，像素数据连续分布，为了实现64路并行计算，首I先分析待检测点P与周围像素点Pi的位置关系，以P为中心对应的P6像素点，同时也是以P为j中心对应的 像素点，按照此规律，推断出任何一个Pi后的像素点与下一个中心点P相对j j应，以这种方式对相邻像素Pi和对应的中心点P进行64路SIMD比较；

采用DSP平台select操作中的ROTATE_RIGHT模式发送64B数据到DSP中SIMD比较，其中，select操作是从两个输入向量4N元素中提取2N元素，两组串联64位输入向量的元素向右移动固定数量，结果是移位后的最右边向量。

4.根据权利要求2所述的基于DSP的实时视频拼接方法，其特征在于，所述步骤1.1.3中基于DSP对特征点提取计算过程优化的详细步骤如下：步骤1.1.3.1：在向量寄存器中对[P0,P1]、[P2,P3]…[P14,P15]这8组相邻的像素比较，得到两者最大值Max0,1、Max2,3…Max14,15；

步骤1.1.3.2：对步骤1.1.3.1中8组最大值相邻两者依次比较，得到四个连续像素点的最大值Max0,1,2,3、Max2,3,4,5…Max14,15,0,1；

步骤1.1.3.3：对步骤1.1.3.2中连续像素点的两个最大值比较，得到八个连续像素点的最大值Max0,1,2,3,4,5,6,7、Max2,3,4,5,6,7,8,9…Max14,15,0,1,2,3,4,5；

步骤1.1.3.4：对步骤1.1.3.3中8组最大值分别与两端相邻像素点比较，得到连续九个像素点中的最大值，采用数据复用，先得到P8和P15中最大值，再与Max0,1,2,3,4,5,6,7比较，进一步减少计算量，最终得到8组连续9个像素点的最大值；

步骤1.1.3.5：若满足以下公式，候选特征点判为FAST特征点：|P‑Maxmin|

其中P是候选特征点，Maxmin是9个连续像素点最大值中的最小值，TH为阈值，|P‑Maxmin‑

1|作为FAST特征点的响应值；

使用gather/scatter操作方式实现对散落的数据连续化，其中，gather操作是从一组不连续的DRAM地址中加载数据到一个向量寄存器中；scatter是对应的反向操作，将向量寄存器中数据保存到离散的DRAM地址中；

DRAM缓冲区中64位散落的候选特征点通过gather操作传输到向量寄存器中，通过相同的偏移地址获得与候选特征点对应的周围像素点，其中，偏移地址采用DSP中加载对齐向量LAV操作获取，最后，根据DSP中SIMD特性并行计算。

5.根据权利要求1所述的基于DSP的实时视频拼接方法，其特征在于，所述步骤1.2包括如下具体步骤：对任意一个特征点，在以其为圆心，半径为15个像素的领域内计算出灰度质心，特征点到质心的方向就是特征点的方向，特征点的像素矩定义为：

2 2 2

其中，p,q∈(0,1).x+y ≤15x,y∈[‑15,15]，且为整数，I(x,y)是像素点(x,y)的灰度值；

图像块的灰度质心为：

特征点在邻域内的方向为：

反正切函数在求解过程中会出现大量浮点数的计算，采用左移保留精度的定点化方法，结合查表法LUT和线性近似法实现加速计算，具体步骤如下：S1：建立arctan(x)的LUT，取x∈(‑∞,+∞)中[0,1]区间，将区间等分为64段，对每段子区间赋初始值以便查找对应的弧度值，LUT的值为：对于[0,1]区间外的值，将其进行转换；

S2：根据特征点像素矩的绝对值|m10|和|m01|，计算临时变量d值：LUT的索引值inedx：

inedx＝d＞＞(12‑6)

S3：根据index值在LUT中找到对应的弧度值:LUT(index)，对超出1/64精度的弧度值，采用一种近似线性的方式来补偿，具体操作如下：a)计算超出1/64精度部分的值：

frac＝((d‑(index＜＜(12‑6)))＜＜(6+3))b)计算index和index+1在LUT中对应的差值：diff＝LUT(index+1)‑LUT(index)c)将diff对应的查找表区间数据近似为线性，计算frac对应超出1/64精度的弧度值：raddiff＝(frac*diff+(1<<14))＞＞15d)最终的弧度值：

rad＝LUT(index)+raddiff

S4：最后需要根据|m10|和|m01|的关系调整rad：a)若|m10|<|m01|，说明步骤1中|x|>1，而步骤S1‑S3是对1/|x|的反正切值进行计算，此时弧度转换为：b)若m10<0则需要用π减去rad，此时弧度转换为：rad＝(π*(1＜＜12)+0.5)‑rad

c)若m01<0则需要用2π减去rad，此时弧度转换为：rad＝(2π*(1＜＜12)+0.5)‑rad

S5：将弧度转换为角度，得到最终角度值：

6.根据权利要求1所述的基于DSP的实时视频拼接方法，其特征在于，所述步骤1.3包括如下具体步骤：ORB算法使用的是BRIEF特征描述子，并将特征点的方向作为BRIEF的主方向，其原理是：在特征点P周围以一定模式选取256个点对，比较出结果1或0组合起来作为描述子，使用gather操作将不连续点对传送到一组64路向量寄存器中并行比较，规则如下：其中，i∈[0,64]，xi和yi是随机点对的灰度值，R1＝{x0x1…x63},R2＝{y0y1…y63}是一组向量寄存器，△为无符号类型小于比较操作符，结果输出在64byte‑1bit向量寄存器中，其中，生成一个256位ORB描述子只需要并行计算4次。