三维全景图的特点_三维家怎么把几个全景图连起来

基于Harris角点的室内三维全景图拼接算法matlab仿真

从两个点解释一下它们俩的区别

1、本质原理区别

单点位全景图 VS 任意点位三维模型

全景：是把一组平面照片球面拼接成无缝的单点位的720°全景图，是不能进行控制操作的，并没有实际用途。

三维实景：则是提供场景中任意点位的720°自由视角，实现让体验者在空间里自由走动的沉浸式漫游体验。它的上帝视角，可以进行放大缩小、拖移旋转等操作，以俯瞰视角观看空间场景。

2、操作性和交互性

原地转头式观望 VS 任意走动式漫游

全景：由于依赖相机拍摄的机位，体验者只能被动的以一个点为中心原地固定地进行观看。简单来讲就是只能“头动”，不能“走动”，只能进行单个点位的上下左右的旋转操作。

三维实景：则是基于真实空间的三维模型建模，它可以达到让体验者身临其境的效果。相比全景就是既可以“头动”，也可以“走动”，除了上下左右的旋转操作，还可以进行前后左右的点击走动操作，实现各个方向无死角移动观看场景。

1、使用三脚架拍摄

VR全景影像，就横幅来说，最讲究的是平直的水平线。对于这样的要求，当然要有三脚架进行辅助拍摄，才能保证相机拍出水平一致的成功作品。

根据想捕捉的画面宽度，自动将之分为N段。如果可以的话，云台应采用三维云台，这样更方便调整水平和垂直方向的位移，以此得到平直的景物分界。更专业的可以使用VR全景云台，能更好地避免视差产生的问题。

2、采用直式构图分段

为了尽可能减少边角影像变形的现象，建议采用直式构图进行拍摄。

3、注意曝光量

如果使用手动曝光，且在全景拍摄过程中会有较大的曝光变化时，还是建议拍摄一个标准值作为基准，以获得正确的曝光。

4、手动设定白平衡

如果使用自动白平衡，可能因为不同的场景转换导致白平衡不稳定，造成画面色温不一的情况，对此还是建议设定手动白平衡。

5、保留“拼接处”

在分段拍摄画面时，两个画面之间要留个20-30%的重合部分，方便后期的拼接。

6、后期接图

现在有不少后制软件都有接图的功能，如Photo Stitch、Auto Stitch、Photoshop都可实现全景接图。

不仅是未来的，现在也是趋势。可以说是最近的风口之一。比如VR设备:华为glass，全景摄像头，PICO VR，

确实实体经济近几年的表现属实是差强人意，甚至可以用“停滞不前”来形容，尤其是传统餐饮行业，大大小小的餐厅是换了一波又一波，自然客流量少、经营成本居高不下、宣传方式落后，餐饮市场的竞争也是非常激烈的。

现在VR智慧餐厅为全品类餐饮门店搭建低成本、高转化的沉浸式VR平台，促进引流、复购，提升餐厅人气。VR全景餐厅720度实景还原线下餐厅环境、服务、菜品等信息，融合丰富的动态交互以及VR营销等功能，构建线上沉浸式智慧餐饮服务体系。

通过官方地图调查可以知道，拥有VR全景的餐厅比没有VR全景的餐厅在咨询、预订的效率方面提高了好几倍。因为餐饮行业是一个服务行业，消费者看中的不仅仅是菜品，还有餐厅的装修风格、服务以及食材等方面；而VR全景餐厅凭借高真实、超沉浸、强互动等特点，快速吸引消费者的，提升用户浏览时长，激发消费者对餐厅的兴趣。

全景餐厅还可以利用VR直播搭建云端透明厨房，将后厨环境、菜品720度全方位实时呈现在顾客面前，快速打消顾虑，建立信任，打造现象级网红餐厅的品牌效应；消费者通过3D视角可以更加真实、直观地观察餐厅细节，打造门店差异化竞争力。

针对传统传单的印发、宣传海报打折促销等宣传方式，宣传过于生硬，因此我们可以通过全景餐厅的多媒体嵌入技术，将餐厅宣传片、菜单、活动海报、优惠信息等内容原生无缝自植入到VR漫游场景中，这种3D视角的软性植入相比于传统营销视频、海报、宣传单，更容易让顾客接受。

视频的立体感、全景的沉浸感、场景的真实性，融合一起更容易激发顾客对餐厅的兴趣，实现更广范围的传播效果；同时VR智慧餐饮还能够无缝接入美团、口碑、大众点评、、小程序等众多流量平台，打通全网流量渠道，提升线上曝光和线下到店率。

餐饮店也可以在VR全景中植入红包、全景宝藏、大转盘、抽优惠券等营销活动，鼓励、引导消费者分享餐厅的VR全景，通过社交裂变为门店吸引更多的客户群体。相比于传统的推广形式，VR全景餐厅为餐饮店节省成本的同时也提高了宣传效率，不仅能改善用户体验，还可以提升餐厅的服务水平，更能巩固餐厅的形象和口碑，从而提升餐厅营业额。

VR全景被认为是未来的商业趋势。随着科技的进步和消费者对于全新体验的需求增加，VR全景技术正在逐渐改变许多行业的面貌，展现出其巨大的商业价值。

以下是VR全景的一些主要商业用途：

1. 教育和培训：VR全景技术可以为学生或员工提供身临其境的学习体验。例如，在医学教育中，学生可以通过VR全景技术观察手术过程；在建筑工程学中，学生可以体验建筑物的内部结构和施工过程。
2. 房地产和建筑业：VR全景为地产商和购房者提供了一个全新的展示和体验方式。购房者可以在购房前通过VR全景技术参观房屋的内部和外部，甚至可以从各个角度观察房屋的细节。
3. 旅游和娱乐：VR全景技术为旅游业带来了革命性的变化。通过VR全景，用户可以在家中就能游览世界各地的名胜古迹，体验不同的文化和风景。此外，VR全景也可以用于电影院、游戏和其他娱乐行业，提供更为沉浸式的体验。
4. 零售和电子商务：VR全景技术为电商和实体店提供了一种新的展示方式。消费者可以通过VR全景技术在家中“逛店”，详细了解产品的细节和特点，从而提高购买决策的准确性。
5. 会议和展览：VR全景技术可以用于远程会议和展览，使得参与者无需实地出席就能参与活动。这不仅节省了时间和金钱，还能让更多人参与到活动中来。

实景三维是客观真实反映现实世界的三维模型，具有单体化、实体化、结构化、语义化的特点，通过融合模型三维、倾斜三维、全景三维，形成可空间量算和综合分析的模型，是一种泛三维，集多种模型优点于一体的三维数据成果。

空间分析应用

实景三维模型兼具三维和实景两大特性，可以提供如日照分析、填挖方分析、三维量测、淹没分析、通视性分析等丰富的空间分析功能，为自然资源的业务工作和其他行业提供了强大的数据支撑。

城市信息管理

在城市规划管理、国土资源管理、智慧城市、应急指挥、国土安全、地质防治等领域发挥越来越大的作用。

街景导航

全球定位系统的发展，使得车载导航系统得到广泛而普遍的应用。目前的车载导航系统，应用的是二维地图或者三维虚拟地图，这些地图并不能完整全面的显示城市环境和道路状况，无法达到完全指路功能，且地图更新慢也是车载导航的弱点。实景三维技术，不但可提供详细的二维地图，还可将街道全景真实的显示在导航地图上，道路情况、高架桥、信号灯等，都可以一览无余，真正实现环境式导航。

数字旅游

我国旅游业目前蓬勃发展，数字旅游的概念，也已不是新鲜词汇，各个景区争相用信息化手段，打造数字化景区。然而，真正建立起数字化景区并充分利用起来的，少之又少。数据采集慢、建立时间长、耗资大、系统应用太专业、虚拟三维丢失细节信息，这些都是导致数字化建立起来却无法充分发挥作用的原因。应用实景三维技术，结合虚拟三维手段，可弥补二维数字景区的不足，充分利用景区地理、环境、人文等各方面的资源，建立以实景影像为特色数据的数字景区公共服务平台，资源开放共享，将会进一步推进旅游的大力发展

物联网以互联网为信息承载体，让所有能够被独立寻址的普通物理对象实现了互联互通，它的发展，使得电网、铁路、桥梁、隧道、公路、建筑、供水系统、大坝、油气管道等各行业的物体紧密相连。在物联网的基础上，结合实景三维技术、3S技术和互联网，能实现实景化城市，实景化世界。足不出户，就可了解城市甚至地球的每一个地方，每一个特点，将是未来可见的光景。

全景图片为1:2的照片，可构建出环绕角度的仿3D环境，同时可通过鼠标进行缩放等操作。多用于房间布局、街景、空中景等。

如何上传

·后台上传

选择【地图数据】–>【素材】–>【文件夹】，这里可选择新建一个文件夹，后期所有的全景照片进行统一管理。

·场景添加

1. 在项目编辑界面中，添加标绘要素（点、线、面啥都行，看所需）

2.添加后，在其右侧的属性栏的【要素描述】中的类型，选择【全景】，点击【选择全景】，即弹出选择界面

3.在界面的右上角选择【添加新的素材】即可添加2:1的全景图片。

如何使用

1. 在项目编辑界面中，添加标绘要素（点、线、面啥都行，看所需）

2.添加后，在其右侧的属性栏的【要素描述】中的类型，选择【全景】，点击【选择全景】，即弹出选择界面

3.在界面选择已添加的全景图片后，点击【确定】。

4.再次点击地图上的标绘要素，即弹出全景效果，可以用鼠标进行旋转、缩放操作。

1.算法运行效果图预览

2.算法运行软件版本

matlab2022a

3.算法理论概述

在室内三维全景图的构建中，Harris角点检测算法扮演着关键的角色，用于识别场景中的特征点以实现图像间的匹配和对齐。该过程通常包括以下几个步骤：图像、角点检测、特征描述、匹配以及基于这些匹配信息的图像拼接。

3.1Harris角点检测原理

对于一个灰度图像 (x,y)，我们需要计算每个像素点(x,y) 的梯度强度和方向。通常使用 Sobel 滤波器或其他微分算子来得到水平 Gx​ 和垂直Gy​ 方向上的梯度：

这里简化了Sobel算子的形式，实际应用中可能需要考虑更大范围的邻域计算。

定义图像局部窗口W 内的协方差矩阵（结构张量）为：

3.2 Harris响应函数

Harris等人提出的响应函数R 结合了迹和行列式的特性，用于衡量区域是否具有稳定的角点属性：

其中，λ1​,λ2​ 是协方差矩阵M 的特征值，k 是一个自由参数，通常取 0.04~0.06。当 R 较大时，表示该区域具有较强的角点特征。

3.3 角点检测与筛选

通过对每个像素窗口应用上述公式计算响应值，然后通过阈值处理，找出响应值大于预定阈值的点作为角点候选。进一步，可以采用非极大值抑制去除边缘响应较高的假阳性点。

在室内三维全景图拼接中，首先利用Harris角点检测方法分别从各个相邻视图中找到稳定的特征点。接着，运用如SIFT、SURF等更稳健的特征描述符提取特征点的描述向量，进行两两视图之间的特征匹配。

匹配成功后，通过几何变换（如单应性矩阵H或本质矩阵E）估计不同视图间的关系，从而实现图像对齐。最后，依据对齐结果采用图像融合技术拼接各视角下的图像，形成无缝的室内三维全景图。

由于篇幅限制，这里并未涵盖完整的数学推导和示意图，但在实际操作中，涉及到更多的图像处理技术与优化策略。在可视化方面，可以借助专门的数学排版工具生成对应的数学公式图片，以便更好地理解复杂的矩阵运算和相关概念。

4.部分核心程序

dirs    = 'datasheet/';% 定义文件夹路径  
files   = dir(dirs);% 文件夹内的所有文件和子文件夹信息  
files   = files(2:end);% 去除第一个元素
N       = length(files);% 计算文件数量  
Iset    = {};
cnt     = 1;
for i = 1:N% 遍历所有文件  
    if files(i).name(1) ~= '.'
       % 读取图像文件，并将其路径拼接为完整路径  
       im        = imread(strcat(dirs,files(i).name));
       % 调整图像大小为640x640，并将其转换为双精度浮点数，同时归一化到[0,1]范围  
       im        = double(imresize(im, [640, 640]))/255;
       % 将处理后的图像添加到Iset中
       Iset{cnt} = im;
       cnt       = cnt + 1;
    end
end
 
 
img12=func_mix(Iset{1},Iset{2},1);
img34=func_mix(Iset{3},Iset{4},1);
img56=func_mix(Iset{5},Iset{6},0);
img78=func_mix(Iset{7},Iset{8},0);
img789=func_mix(img78,Iset{9},0);
 
img1234=func_mix(img12,img34,0);
img56789=func_mix(img56,img789,0);
 
img1234=func_mix(img12,img34,0);
img123456789=func_mix(img1234,img56789,0);
 
[R,C,K] = size(img123456789);
figure;
imshow(img123456789(0.4*R:0.85*R,0.1*C:0.75*C,:));
 
 
 
 
figure;
subplot(231);imshow(img12);
subplot(232);imshow(img34);
subplot(233);imshow(img56);
subplot(234);imshow(img78);
subplot(235);imshow(img789);
subplot(236);imshow(img56789);