视频和导航信息的关联获取在无人驾驶、车载导航、农业测量、军事指挥等领域具有广泛的应用。视频具有时间序列的特征,导航信息具有空间、地理位置、姿态、运动等特征。与普通传感器数据不同,视频帧数据量大,格式复杂,采集频率不同,传输机制复杂且对延时、网络带宽要求严格,摄像头和多传感器的关联接入是一个研究重点。相对于单摄像头,多个具有重叠区域的摄像头采集的视频有冗余性、局部相似性,可以提供更多场景、更多有效信息。视频信息融合具有重要的现实意义,可应用于视频监控、军事指挥、虚拟现实、三维立体等领域。视频拼接和视频超分辨率重建是视频信息融合的2个重要技术,视频拼接可以获取多姿态、大视角、无盲区信息。视频超分辨率重建可以获取更多精确、有效信息。本文主要工作如下:第一,研究视频和导航信息的联合采集、关联及接入。实现一种4路视频实时传输系统。基于嵌入式开发板Firefly,利用264摄像头采集视频、十轴传感器套装采集导航信息,并进行数据匹配、打包、RTP传输。在接收端,设计客户端软件,对接到的数据进行视频解码、传感器数据解析,并将导航信息应用于车载导航中。第二,针对多摄像头采集的视频,提出一种在固定帧进行ORB特征点配准的视频拼接算法。对视频帧序列,按照一定的帧序列间隔,只在固定帧进行特征点的检测、匹配,并利用随机抽样一致性方法剔除误匹配点同时估算最优单应性矩阵。后续帧利用固定帧估算的单应性矩阵直接进行拼接。第三,针对视频感兴趣区域(Region of Interesting,ROI),分析传统基于总变分正则化模型的超分辨算法的不足,提出一种改进的加权双参数正则化模型。首先计算图像的差异曲率和结构张量,然后对传统正则化模型的正则化项进行加权约束。在超分辨率重建的迭代求解中,对局部平滑像素点使用较大的正则化参数、局部非平滑像素点使用较小的正则化参数进行约束,达到综合去噪和保留细节的效果。