360度全景

定义

360度全景指水平方向覆盖成像设备所在位置周围完整 360 度视场、垂直方向视场可变（常见为 180 度）的图像与视频内容^[1]。按拍摄方式可分为两类：一类是由软件生成虚拟场景，另一类由相机拍摄真实场景后拼接处理^[4]。

判断一份影像是否属于全景，关键看视场覆盖范围而非画面尺寸。水平视场小于 360 度、垂直视场不超过 180 度但采用同类投影格式的内容，在标准文本中也被归入全景或全向影像的范畴^[1]。

播放时屏幕上显示的只是全景球面上的一个局部窗口，业界称为视口(viewport)，其范围由水平与垂直视场角描述，并随观看者转动头部或拖动画面而改变^[5]。

原理

全景影像的制作通常分采集、校正、拼接、投影、编码、渲染几个环节。采集端由多枚镜头同时工作，镜头可排成环形或球形布局，相邻镜头之间保留重叠区域，并通过硬件或软件方式实现曝光同步，为后续拼接提供对齐基础^[6]。鱼眼镜头视角大但畸变明显，需要先做畸变校正才能参与拼接^[2]。

拼接阶段先完成相机标定、畸变校正与投影变换，再通过特征点匹配（如 SIFT 特征）建立相邻画面的对应关系，最后依据接缝位置做融合，并对亮度与色彩进行均衡，使接缝处的过渡不易察觉。多路图像的数据量较大，拼接与重新编码往往在专用处理器上实时完成^[7]。

球面影像无法被现有编码标准直接处理，需先投影到二维平面。等距柱状投影(ERP)是最常用的格式，把球面按经度、纬度关系展开成矩形，横坐标对应经度、纵坐标对应纬度^[1]。其映射关系可写作 $u=\phi/(2\pi)+0.5$，$v=0.5-\theta/\pi$，其中 $\phi$ 为方位角、$\theta$ 为俯仰角^[8]。也有方案把球面投到立方体、二十面体等多面体表面再展开，以减轻极区拉伸^[9]。

观看端把解码后的平面影像反向映射回球面，根据观看者的头部朝向或手指拖动确定当前视口并实时渲染。头戴显示设备或手机的姿态数据被回传用于更新视口位置与大小，从而实现转向时画面同步变化^[10]。

flowchart LR

A[多镜头采集] --> B[同步与畸变校正]

B --> C[特征匹配与拼接]

C --> D[球面投影 ERP/立方体]

D --> E[编码与传输]

E --> F[反向映射回球面]

F --> G[按视口渲染]

发展历程

机械与光学方式的全景摄影可追溯到 19 世纪，当时已出现专门的全景拍摄与观看装置^[11]。计算机软件拼接照片的技术出现于数十年间，但直到 1995 年 QuickTime VR 系统发布后才在商业上大规模使用^[11]。

1990 年代前后，全景影像进入计算机图形学、图像处理与计算机视觉领域，作为基于图像渲染的代表形式，被用于建筑与城市的虚拟导览，QuickTime VR 亦被视为此后一系列全景创作工具的开端^[12]。资料将全景技术的早期形态概括为围绕轴心水平旋转拍摄后拼接的单视点全景，其应用包括虚拟旅游与数字展示^[4]。

地图服务推动了全景内容的规模化采集。谷歌在推出地球服务之后又上线街景服务，用搭载多相机阵列的全景车采集城市街道影像，并通过套叠技术整合进三维地球平台^[13]。国内方面，中国科学院微电子研究所与深圳德赛微电子联合开发的车载 360 度环视系统经整车厂与一级供应商测试后由后装市场进入前装量产，被描述为亚洲较早实现 360 度三维成像的车载全景系统^[14]。

虚拟现实内容需求进一步推动了全景视频的采集与传输。2017 年前后的行业资料显示，全景摄像机已出现便携双鱼眼机型、4 至 10 个运动相机组成的 360 度 2D 机位，以及面向立体观感的 360 度 3D 机位等多种形态^[3]。

应用

虚拟现实是最直接的应用场景。全景视频系统将多路画面拼接为完整全景后压缩传输到视频云，再由头戴显示器呈现，用户通过头部、眼球与手势的姿态估计与音视频交互，获得不同视点与视角的内容体验^[3]。

车载领域形成了独立的技术分支，称为全景环视系统或 360 度环视（AVM），属于高级驾驶辅助系统的组成部分，通过车身四周多枚鱼眼相机合成车辆周边的俯视图，主要用于低速行驶与泊车等场景^[15]。在此基础上还出现了 3D 自由视角、透明底盘等衍生功能，后者依靠车辆运动信息与历史帧图像填补车底区域^[16]。

地图与空间信息服务把全景影像作为最贴近实物的空间资料，用于街道级浏览与位置检索^[13]。在建筑与文化遗产领域，从多个位置采集的柱面全景可用于建筑物的三维重建与测绘记录^[17]。

影视综艺、直播与赛事转播也在使用全景形式。全景视频拼接完成后仍需修复拼缝、补洞、调色、叠加字幕与动画图元等后期处理，才能交付播出^[3]。公开专利文献还给出了基于全景帧检测人脸、说话者等事件并自动确定推荐视角的方案，用于在无人操作时呈现画面的重点区域^[18]。

局限

分辨率是首要制约。用户观看传统 2D 画面的视角约为 120 度×60 度，面积只相当于全景图（360 度×180 度）的九分之一，因此全景相机通常需要 4K 以上分辨率才能在常规视口下获得可接受的清晰度；若要在远距离拍摄中看清人物面孔，则需 8K 甚至 12K，而压缩、存储、传输与显示环节尚难完全满足^[3]。

投影格式本身带来失真。把球面展开到平面后，两极区域的像素被显著拉伸，物体形状被破坏，且赤道处像素密集、极区稀疏，形成采样不均匀；等距柱状图像的左右边界在球面上实际相邻，在二维平面上却被切开，造成连续性中断。

拼接环节的误差难以彻底消除。平面单应变换难以适配存在深度差异与视差的场景，容易在深度不连续处产生鬼影与错位；接缝搜索的计算量也较大^[19]。在动态环境中，画面中物体的独立运动与深度引起的错位属于两类不同问题，现有方法尚未同时建模静态几何、独立运动与内容补全^[20]。

采集与制作成本同样构成限制。全景相机需同步控制多个镜头的快门、曝光与焦距，多张存储卡的数据导出耗时较长，从一小时的素材中导出内容常需数小时；设备通常体积较大，拼接与编码等后处理耗力明显^[3]。车载环视系统则面临高端方案成本较高、近车物体在渲染中被拉伸、拼接边界附近出现重影等问题^[15]。

交互层面的限制在于视口与显示设备。全景内容的空间范围大于显示设备本身的视场，观看者一次只能看到其中一部分，实际体验取决于视口切换的流畅程度与设备跟踪姿态的精度^[5]。

参见

• 虚拟现实 —— 全景影像是其主要的沉浸式内容形式之一。

• 图像拼接 —— 把多张重叠画面合成为全景图的核心处理步骤。

• 鱼眼镜头 —— 全景采集设备常用的大视角镜头，需配合畸变校正。

• 等距柱状投影 —— 将球面全景展开为二维图像的常用投影格式。

• 全景环视系统 —— 全景技术在汽车辅助驾驶中的具体应用。

• 视口 —— 观看全景内容时屏幕上呈现的局部区域。