随着计算机图形学的发展，可以通过传统的几何方法建立真实的虚拟环境。通常，创建三维几何模型来描述场景中的照明和表面纹理等特征。通过计算光强来生成视点观测的图像需要很高的计算能力，由此产生的效果很难重现照片中呈现的复杂的自然纹理。作为纳斯达克上市企业“微美全息WIMI.US”旗下研究机构“微美全息科学院”的科学家们就虚拟现实技术的计算机图像场景构建展开深入研究。
近年来，市面上有一种基于图像的渲染技术，该技术具有真实场景的渲染质量，且算法只与图像分辨率有关。有对样本的匹配待征由主垂直边突出显示，以避免局部最优，提出了一种统一的圆轨迹图像序列方法，使图像采更加方便，将固定加速度绕水平面固定中心旋转拍照，采集水平面内各点的光信息，具有三维效果。
以下论述了基于图像的虚拟场景绘制技术的意义，讨论了立体视觉的摄影几何原理，讨论了用三维全光函数构造虚拟场景的方法，以减少传统方法在相应点匹配中的局部最优。
1、立体视觉的摄影几何原理
虚拟现实技术是近年来国内外科学技术领域的热点，涉及计算机图形学、动力学和人工智能等研究领域。随着相关学科的发展，虚拟现实技术得到了迅速发展，并应用于航天、医疗康复、建筑和制造等领域。在计算机的帮助下，虚拟现实技术实现了人们通过视听手段感受到的虚拟错觉。虚拟现实技术具有沉浸性和交互性的特点。它使用各种信息通道及时模拟高级用户界面。人类通过视觉感知所接收的信息占所接收信息总量的80%。构建虚拟现实是虚拟现实的重要组成部分，在许多领域得到了广泛的应用。
1.1 成像几何原理
虚拟现实技术要求用户对虚拟环境有强烈的沉浸感。构建虚拟场景是用户体验真实视觉效果的一种方式。成像系统通常将三维场景转化为二维灰度图像。透视投影是一种常用的成像模型。其特征在于场景的光线通过投影中心，垂直于图像平面的直线为投影轴。正交投影是透视投影的一种特殊情况，它使用平行于光轴的光将场景投影到图像平面上。获取每个点与摄像机之间的距离是视觉系统 的一项重要任务。深度图中的每个像素值表示场景中一个点与相机之间的距离。被动测距传感器是视觉系统发射的光能。根据图像恢复场景的深度信息，利用灰度图像的阴影特征和运动特征，可以间接估计深度信息。雷达测距系统和三角测距系统是常用的主动测距传感器系统。主动视觉主要研究视觉和行为的结合，通过主动控制摄像机的位置和光圈参数来获得稳定的感知。
1.2 立体成像原理
立体成像系统在立体图像对中找到与实际立体图像对的共轭对是立体视觉中最困难的一步，为了减少相应的点失配，建立了许多约束条件。传统的特征点搜索是在一幅图像上选择特征点，一幅图像的特征点位于另一幅图像对应的极线上。如果已知目标与摄像机之间的距离在一定的间隔内，可以将搜索范围限制在一个小的间隔基于虚拟现实技术的计算机图像场景构建内，这样可以大大缩小寻找对应点的搜索空间，减少不匹配点的数量。由于摄像机位置测量误差的影响，匹配点可能无法精确地出现在图像平面上对应的极线上。立体视觉通常由两个以上的摄像机组成。场景中对应点的光强变化较大，匹配前需要对图像进行归一化处理。一幅图像的每个特征点只能对应于另一幅图像的一个唯一点。图像中物体表面上各点的投影是连续的，物体边界上的连续约束不成立。
1.3 区域相关性
边缘特征通常对应于对象的边界。边界的深度值可以是对象闭合边深度距离之间的任何值。在两个图像平面上观察到的轮廓图像的边缘与物体的边缘不对应，图像平面的边缘只能沿闭合边缘检测。恢复深度的基本问题是识别图像中分布的更多特征点。两幅图像中的匹配点应尽可能容易识别。感兴趣的操作员应该查找图像中有较大变化的区域。它可以在利息度量函数具有局部最大值的地方进行选择。在识别出这两幅图像中的特征后，可以使用许多不同的方法进行匹配。只有满足极线约束的点才能是匹配点。
2、全光函数的虚拟场景构建方法
IBR（image-based rendering）技术改变了人们对传统计算机图形学的认识。IBR构建虚拟环境的技术是基于泛函数理论的。构建虚拟场景的全景方法突破了图像样本的匹配特征。均匀圆轨迹图像序列的虚拟场景构建方法是一种三维的完全函数。它可以产生水平立体的视觉效果，而且很容易获得，渲染过程独立于摄像机焦距等内部参数，具有较高的操作效率。
2.1 全光函数
全光函数 (Plenoptic Function) 描述了从空间中任何点看到的所有信息，描述了给定场景中可能出现的环境映射几何，从一些定向离散样本重建了一个连续的全光函数，并通过重采样函数绘制了一个新的视图。只要在任何视点收集入射光，就可以以某种方式构建场景，图像也是在特定时间通过空间中特定点的信息。五维全光函数很难捕捉。全光函数的维数可以继续减小。全光函数是根据奈奎斯特定律，从空间采样的光信息中重构出一个连续的函数，从而构造出一个虚拟场景。根据视点参数对函数进行采样，得到通过视点观察到的图像。
2.2 全光函数的虚拟场景构建方法
二维全景图是固定的。简化为二维的全光函数是固定视点，只收集空间中固定光点的信息。在重建的虚拟场景中，视点不能移动，也没有视差产生立体感。如果使用全景照相机，可以很容易地获得全景图。在不同方向拍摄的照片可以用普通相机缝成全景。全景法构建虚拟场景的主要过程是拼接全景图。通过将相机采集的具有重叠边界的图像无缝拼接，如将直线拼接成虚线，可以获得反映特定场景的全景图。
目前的图像拼接算法一般采用拼接算法和缝合算法。匹配是通过搜索本地通信来执行的。拼接全景图像的采样序列采集过程是将光的中心固定在固定的中心，并以一定的角度拍摄照片，使其在固定的平面上旋转。可以认为同一图像空间中相邻图像样本之间存在平移关系。图像的垂直边缘成为匹配中的一个重要特征，基于垂直边缘处理方法，利用图像差分法找到相邻图像样本的重叠区域 图像样本通常细节丰富。由于随机噪声的存在，数字图像捕获并不完全相同。细节纹理中的边通常会在处理过程中引入其他错误。平滑的图像样本通过垂直边缘进行锐化，图像样本卷积梯度算子方法用于突出锐化的边缘特征，而不会导致边缘被加宽从而引入误差。
2.3 均匀圆轨迹图像序列的虚拟场景构建方法
平面功能和二维全景不能提供立体视觉。应该找到一个适当的形式的纯函数来创建一个虚拟场景。当一个人在水平面上移动，而垂直方向上没有视差时，他仍然能感觉到强烈的立体视觉。基于均匀圆轨迹图像序列的图像虚拟场景构建方法是将摄像机放置在旋转中心O附近，以捕获到的图像序列作为输入，构建三维全光函数。通过对所获得的图像序列的处理，可以得到在水平面一定范围内不同视点所观测到的图像，并且图像序列的采集比较简单。
2.4 景深计算
虚拟场景的构造允许用户在一定范围内移动。传统的深度计算 方法首先使用两个经过校准的针孔相机在不同位置捕捉同一物体的图像。为了计算第一幅图像中各点的三维位置，最好在第二幅图像中搜索匹配点。人们在深度计算方面做了很多工作。多基线立体成像算法通过多幅图像消除了噪声的影响，优于传统的相关算法。图像的每个特征点只能对应于图像的唯一特征点。由于大多数特征点不是很明显，所以通常会产生相应的歧义。一个点可以是真实的对应点，另一个点是虚假的对应点。多基线立体成像是消除相应点模糊的有效方法。在实际应用中，不需要计算输入图像序列中每个图像的深度，通过计算一幅全景图的深度可以得到所有场景点的深度信息。
3、虚拟场景构建实验
利用锐化图像方法突出样本的匹配特征，在大多数情况下，可以完成全景图像的自动拼接，有效避免后一搜索过程陷入局部限制，拼接结果基本无缝。最小相似距离法对图像亮度变化不敏感，具有一定的抗噪声能力。实验在计算机综合仿真环境中进行。模拟环境是一个合成的室内场景，包括放置在室内的桌子和圆柱体等几何对象。利
用均匀圆轨迹图像序列构建虚拟场景的方法进行测试，产生立体视觉效果，较好地实现了虚拟场景深度信息的获取实验。在水平圆周围均匀拍摄视频，以获得所需的图像序列。当视点参数发生变化时，根据均匀圆轨迹图像序列的原理重新绘制新视点的视图。当视点在预定范围内变化时，计算出视点对应的图像序列之间的对应关系。当绘制光不在采样点时，将其替换为相邻点。 模拟环境是一个室内场景，垂直深度近似可以用来减少垂直变形。假设场景的深度是一个常数，垂直失真会减小，图像的宽度也会减小到不同的程度。由于视点的变化，相对深度发生了变化，在 垂直方向上不再获取信息。场景点的深度实际上不是 s 常数，观察到的变形是假定深度和设计之间的差异。
该方法计算量小，在视场要求不太准确的情况下，用均匀的圆轨迹图像序列在施工现场绘制新的视点是一种高效的方法。利用多基线立体成像算法对由图像序列构成的虚拟场景进行深度估计，首先将每个帧的相同序列拼接成全景图像。每幅全景图尺寸为 300×240。从 L=160列拼接全景图中剪切320×240 图像。将用于计算 SSSD 函数的窗口大小设置为 9x9。根据从最长基线 L=260 拼接的全景列的视差变化进行搜索，计算相应的深度值，计算每个基线的 SSD。搜索的目的是找到 SSSD 最小深度值。搜索范围从视差d=0 开始到全景图中像素的方向并与参考图像搜索中参考点的方向相同。用估计景深修正垂直变化效果最好，但应以估计景深为基础。如果要求场景和视点的视图绘制是实时的，并且对图像质量的要求不高，则稳定深度近似法更快。
4、结论
总体研究了基于图像虚拟场景的构建技术，它是基于全光函数理论的。根据奈奎斯特定律，利用空间中的光信息，以一定的方式重建连续的全光函数。当视点参数发生变化时，根据视点参数进行采样。首先，讨论了构建虚拟场景的视觉摄影的几何理论。然后，根据相关方法研究了全景图像的全光函数，提出了全景图像的垂直边缘处理拼接算法。最后，研究了景深信息的估计方法。
微美全息科学院成立于2020年8月，致力于全息AI视觉探索科技未知，以人类愿景为驱动力，开展基础科学和创新性技术研究。全息科学创新中心致力于全息AI视觉探索科技未知, 吸引、集聚、整合全球相关资源和优势力量，推进以科技创新为核心的全面创新，开展基础科学和创新性技术研究。微美全息科学院计划在以下范畴拓展对未来世界的科学研究：
一、全息计算科学：脑机全息计算、量子全息计算、光电全息计算、中微子全息计算、生物全息计算、磁浮全息计算
二、全息通信科学：脑机全息通信、量子全息通信、暗物质全息通信、真空全息通信、光电全息通信、磁浮全息通信
三、微集成科学：脑机微集成、中微子微集成、生物微集成、光电微集成、量子微集成、磁浮微集成
四、全息云科学：脑机全息云、量子全息云、光电全息云
以下是微美全息科学院的部分科学家成员：
李徐周，山东大学计算机科学与技术学院博士，是模式识别与图像处理方向学术带头人。近年来一直从事模式识别与图像处理等领域的研究、开发与应用工作。曾参与国家自然科学基金重点项目和山东省自然科学基金重点项目等多项课题的研究工作。在模式识别、图像处理等方面打下良好的工作基础。近年来已在模式识别、图像处理等方向发表多篇学术论文。
郑玉洁，重庆大学博士学位，研究方向包括产品设计变更管理、VR/AR驱动商业模式创新，曾经主研的科研项目包括山东科技大学菁英计划的《基于VR/AR技术的复杂机械产品设计变更管理研究》、重庆大学汽车协同创新中心重点项目《VR/AR技术在汽车消费行为偏好挖掘中的应用及关键技术》及其他多项国家自然科学基金项目，也曾参与发表多篇期刊论文。
刘湘辉，国防科技大学计算机工程与科学专业博士，研究方向包括成像卫星任务规划、无线传感器网络以及公路工程管理软件应用等。曾参加多项国家自然科学基金，其中，其在无线传感器网络方面的相关研究论文曾被《计算机研究与发展》、《电子与信息学报》、《软件学报》以及若干国际会议录用和发表。
丁凯，华中科技大学电力电子与电力传动专业博士，香港理工大学研究员，研究方向包括电子电力学仿真技术，电动汽车、电池管理系统等，曾主导过多项相关的研究项目。
郭松睿，湖南大学计算机科学技术工学博士，曾在中科院科学计算国家重点实验室 合现实技术研修班 学习混合现实，增强现实技术，参与研发多个重点项目。
江涛，中国科学院沈阳自动化研究所博士，机器人学国家重点实验室，研究方向为微型仿生飞行器的气动/结构设计、控制与系统开发，在2018年获得 ICRCA-2018 机器人 EI 国际会议"最佳论文奖"。
杨军超，重庆邮电大学通信与信息工程学院信息与通信工程专业博士研究生，华盛顿大学电子工程学院联合培养博士，长期研究虚拟现实、5G多媒体传输优化、基于MEC的智能转码优化，以第一作者发表SCI/EI 论文 6 篇，中文核心 1 篇，申请专利 4 项。
李维娜 ，2017 年博士毕业于韩国忠北国立大学的信息和通信工程学院。2017 年 8 月去了新加坡的 Singapore-MIT Alliance for research and technology centre(SMART)从事压缩全息（compressive digital holography）的博士后工作，2018 年 11 月进入清华大学深圳国际研究生院的先进制造学部，在以前工作的基础上把数字全息（digital holography）拓展到机器学习（machinelearning）领域，特别是对 U 型网络（U-net）的改进和应用。在上述研究领域以第一作者发表高水平论文 5 篇，以第二作者发表的高水平论文2 篇。
曲晓峰，香港理工大学博士，现任清华大学深圳研究生院博士后，主要研究生物特征识别、机器视觉、模式识别，与绿米联创合作进行嵌入式产品算法、深度学习应用、图像与视频相关算法以及生物特征识别相关产品的开发。
危昔均，香港理工大学康复治疗科学系博士，南方医科大学深圳医院虚拟现实康复实验室负责人，主要研究基于虚拟现实技术的康复系统搭建及相关临床和基础研究。
单羽，昆士兰科技大学数字媒体研究中心（澳大利亚）博士，研究方向为虚拟现实娱乐产业与亚洲创意经济，曾参加多场虚拟现实产业的国际学术会议并发表主题演讲，发表多篇以“虚拟现实艺术”相关的学术论文，并参与国内多个虚拟现实娱乐产业领域的项目研究。
刘超，新加坡南洋理工大学博士，是深圳市南山区领航人才，深圳市海外高层次人才孔雀计划C类, Molecular Physics 2011年度最佳年轻作者提名，主要研究方向为人工智能预测过渡金属氢化物金属氢键键长与解离能和环式加成反应中量子力学/分子力学反应机理研究，曾参与过流程模拟软件的开发与研究。
张婷，美国西北大学博士后，香港大学博士，海外高层次人才孔雀计划C类，主要从事VR/MR关键技术研发应用和复杂服务系统优化等研究，发表全息专利5项。获全国＂挑战杯＂创业计划大赛 湖北省一等奖，华中科技大学一等奖。
姚卫，湖南大学计算机科学与技术工学博士，主要研究方向：忆阻神经网络及其动力学行为，应用于：图像处理、安全通信。基于VDCCTA具有长时记忆特性的忆阻器电路及其构成的神经网络。参与设计基于忆阻器的神经网络系统模型。基于忆阻器的仿生物神经元和突触连接的微电子电路设计，参与基于忆阻器的神经网络系统模型的设计与动力学行为的分析。
彭华军，博士，毕业于香港科技大学显示技术研究中心（CDR），从事硅基液晶器件、AMOLED材料与器件、TFT器件、显示光学等研发工作。彭博士一直从事信息显示领域前沿工作，涵盖电视图像色彩管理、AMOLED生产制造、微显示芯片设计与制造、投影与近眼显示光学等。彭博士在国际刊物上发表20篇文章。已申请近50项中国发明和美国发明专利，其中10项美国专利和20项中国发明专利获得授权。
陈能军，中国人民大学经济学博士、上海交通大学应用经济学博士后，广东省金融创新研究会副秘书长、广东省国际服务贸易学会理事。主要从事文化科技和产业经济的研究，近年来在版权产业领域研究方面有较好的建树。近年来先后主持、主研“5G时代的数字创意产业：全球价值链重构和中国路径”“深圳加快人工智能产业发展研究”“贸易强国视角下中国版权贸易发展战略研究”，“文化科技融合研究：基于版权交易与金融支持的双重视角”等省部级课题多项，并在《商业研究》《中国流通经济》《中国文化产业评论》等核心期刊发表论文多篇。
潘剑飞，香港理工大学博士学位，现为广东省高校“千百十工程”人才，深圳市海外高层次人才，深圳市高层次人才、深圳大学优秀学者。研究领域主要为自动化+VR 应用、先进数字化制造、 数字制造全息孪生工厂、机器人等。主持多项国家自然科学基金项目、广东省科技计划项目和广东省自然科学基金项目。
杜玙璠，北京交通大学光学工程博士，取得与显示产品相关专利20余项，发表期刊文章3篇，曾打造全球最高分辨率的8K*4K 的VR产品，并提出了采用光场显示技术，解决VR辐辏冲突问题；推出首款国产化率100%的单目AR眼镜，第一次联合提出基于未来空间信息的非接触式交互的操作系统概念（System On Display），在运营商体系进行虚拟现实数字产业合作。
伍朝志，深圳大学光机电工程与应用专业博士，研究方向主要为精密/微细电解加工，发表过多篇期刊论文和会议论文，获得三项相关专利，曾参与国家重点研发计划 、国家自然科学基金重大研究计划重点项目等。
微美全息科学院旨在促进计算机科学和全息、量子计算等相关领域面向实际行业场景和未来世界的前沿研究。建立产研合作平台，促进重大科技创新应用，打造产业、研究中心深度融合的生态圈。微美全息科学院秉承“让有人的地方就有科技”为使命，专注未来世界的全息科学研究，为全球人类科技进步添砖加瓦。
微美全息成立于2015年，纳斯达克股票代码：WiMi。$纳斯达克(.IXIC)$ $微美全息(WIMI)$
微美全息专注于全息云服务，主要聚集在车载AR全息HUD、3D全息脉冲LiDAR、头戴光场全息设备、全息半导体、全息云软件、全息汽车导航、元宇宙全息AR/VR设备、元宇宙全息云软件等专业领域,覆盖从全息车载AR技术、3D全息脉冲LiDAR技术、全息视觉半导体技术、全息软件开发、全息AR虚拟广告技术、全息AR虚拟娱乐技术、全息ARSDK支付、互动全息虚拟通讯、元宇宙全息AR技术，元宇宙虚拟云服务等全息AR技术的多个环节，是一家全息云综合技术方案提供商。
精彩评论