基于图像的VR技术培训课件.pptx

基于图像的VR技术;VR的两种研究方法简介;;基于几何的绘制方法的工作流程;基于图像绘制技术; 当然，IBR方法也并非没有不足，目前还有如下缺点： 1)表示模式。 即数据的组织问题。需要找到一种简便有效且适合于计算机表示的模式，使之能精确完整地表示整个场景; 2)获取方法。 用手持相机或者用被精确定位与控制的数控摄像机、图象采样的数量多少、采样模式及样本均匀性等都会影响问题的难度和精度。 3)失真问题 失真是由于连续图象信号的离散化、采样设备的精度和质量、设备噪等多种因素而产生的。同时，工BR方法不可避免地要对场景图象进行多重采样，这样又会产生采样积累误差。 4)可见性判断。 景物间的相互遮挡会使新合成的视图中出现空洞和重叠。 5)信息压缩。 IBR方法的计算量不大，但数据量很大，合理有效的压缩及解压缩机制是一个亚待解决的问题。 6)完全漫游。 如何实现基于图象的完全实时漫游是基于IBR方法的虚拟现实系统能否走向实用的又一个关键问题。;基于图像的建模和绘制技术;基于立体视觉的方法 基于立体视觉的视图合成方法主要利用立体视觉技术从已知的参考图像中合成相对于新视点的理想图像 关键问题是找出每对已知图像之间的对应映射，即解决立体匹配问题 通过对应关系建立了一个基于图像的场景表示 将场景视图及其对应关系组成一个图结构，图中灰色摄像机代表不同物理位置的参考图像，黑色摄像机代表合成视图，双向边表示邻接视图间的立体对应关系，单向边表示对参考图像所做的变换。 ;基于立体视觉的图像合成方法主要有以下优点： 新视图可以由两幅邻近的参考图像及它们的对应关系合成，整体的几何模型不是必需的； 图像变换比传统的图像绘制快得多，而且计算时间独立于场景复杂度； 只需知道邻接摄像机之间的相对轮廓信息，而不需要对摄像机进行精确的定标。 ;基于立体视觉的图像合成方法也存在着立体视觉中固有的缺陷： 由于场景有可能部分和全部地被遮挡，只能掌握场景有限的信息，导致在参考图中不可见而在新图中应该可见的区域出现空洞，如何填补这些空洞是一个难以解决的问题； 由于只产生有限的深度分辨率(深度不连续)，使得匹配处理出现误差。;视图插值方法可以对二维的图像按照形状插值来模拟和近似三维的图形变换。给定两幅不同视点参数的图像，用这种方法可以求出中间视点的图像，从而达到视点变化的效果。 视图插值就是利用图像变形的方法产生视点沿着一定路径变化时的中间图像 ;将同一场景的多张有重叠的图像组合成一幅较大图像的处理叫做拼合(mosaic)。 图像拼合技术典型地被用于全景图的生成、改善图像分辨率、图像压缩及视频扩展等方面 图像整合(image registration), 即是把参考图像中相互重叠的部分对齐所做的变换。 ;;全视函数(PlenOptic Function)是由Adelson和Bergen命名的 全视函数描述了观察点(而非物体或光源)接收到的所有可见光辐射的能量。用计算机图形学术语，它描述了给定场景中所有可能的环境映照集合 全视函数定义在一个七维的参数空间上 代表空间中视点的位置，视域方向和范围用仰角 方位角? 定义 ， λ代表人眼感受到的波长,t代表时间 ;全视函数的参数化 ;摄像机：模型及定标;一、 Camera模型：针孔成像模型;摄像机针孔模型示意图;Camera模型：四种参考坐标系;Camera模型：代数模型;Camera模型：代数模型;Camera模型：代数模型;Camera模型：代数模型;二、Camera定标;Camera定标：线性模型情形;其中：;条件：借助定标参照物（已知n个点）;;;Camera定标：非线性模型情形;Camera定标：立体视觉情形;Camera定标：立体视觉情形;Camera定标：立体视觉情形;Camera定标;;;全景图像的生成 ; 通过图象拼接来生成全景图象的基本过程如下: 针对某一场景，视点固定，采集一组有重叠区域的连续环视图象作为原始图象数据。 按照全景视觉一致性的要求，同时也是为了维持实际场景中的空间约束关系，先将原始图象数据转化为拼接图象数据，即:把原始图象转换到用于映射全景图象的曲面上(如:圆柱面、球面、立方体表面等)。 通过图象拼接技术，将这组图象中相邻两幅图象间的重叠部分整合在一起，进而实现相邻两幅图象的拼接。当所有的图象都拼接完毕后，就会获得一幅全景图象。 当然也可以不固定视点，如:手持照相机进行拍摄，但此时要通过某种办法计算出拍摄各张相片时，照相机的位置和方位;柱面全景模型;柱面体模型和展开示意图;1、柱面正投影算法;柱面正投影示意图;柱面坐标转换图;照相机坐标系原点0与象素点P的直线方程可以表示为参