产品功能/使用场景 产品功能：在街景中漫游时模拟真实三维场景运动、实现场景切换的平滑过渡。 使用场景：街景中场景点切换时出现。 和传统的二维地图相比，街景地图是增强版的地图展现形式。通过将拍摄的360度实景照片展现在地图里，能够给用户最直观、准确的视觉体验。360度实景照片是间隔一定距离拍摄的。如图1所示，每个拍摄点采集的全景图对应图中的一个球。在街景中漫游时，需要从一个采集点切换到另一个采集点，呈现不同的图像数据。这时，就需要实现一种模拟真实场景变换、沉浸感强的过渡效果。
图1 街景全景图的采集方式 创新点 在模拟真实场景变换时，需要建立场景中物体的三维模型。由于街景拍摄的照片没有深度信息，国内的百度地图、高德地图和之前版本（无点云数据）的腾讯地图都是使用的都是固定模型（如：一个大的长方体模型）来模拟整个场景的运动。这种方式存在如下问题： 1）不能准确的模拟真实物体的运动：如图2所示，长方体的上、下、左、右四个面分别对应街景中的天空、地面、左立面和右立面。地面和天空的一部分被划入了左、右立面，在运动过程中，这些部分会错误的随着左右立面运动； 2）不能体现场景中物体的远近关系和立体感，不管场景中的物体是什么，在前进时，两侧的物体都会给人一种向两边拉伸的感觉； 3）场景切换存在突变和跳跃。 （无点云前进动画体验地址：http://map.qq.com/#pano=10011002120306142839884）
图2 基于长方体的场景建模 国外较为成熟的街景产品，如：Google地图、Nokia的Here地图以及微软的Bing Maps都在街景中使用了激光技术。通过激光扫描仪采集的三维点云数据和图像进行融合处理，能够获取图像中物体的深度信息。基于深度信息建立的三维模型，能够更准确的描述真实场景，实现更自然的场景切换。但是，这些产品存在如下不足：
图3 Google运动过程截图
图4 Bing Maps运动过程截图 目前，国内还没有其他地图产品在场景切换中使用点云技术模拟物体的运动。腾讯地图的此次更新有以下创新点：
图5 基于点云数据的场景建模
图6 腾讯地图运动过程截图
创意如何产生的 在实际走路或开车中，人眼感受到两侧物体的运动是不同的。由于透视感的存在，近处的物体移动的多，远处物体移动的少。之前版本街景前进动画中物体的运动方式过于简单，不能够真实的模拟物体的移动效果。如果能让街景图像中的二维物体，具备三维物体的特性，进行有纵深感的移动，会极大地提高用户在街景浏览时的愉悦度和真实感。于是基于激光数据来做真实的三维街景场景切换的想法，就自然而然的产生了。
创新点实现关键技术 基于激光数据实现街景场景切换主要包括深度图处理和基于深度图的运动模拟两个部分。 深度图处理：深度图能够为场景中的物体提供深度信息，深度图处理流程如图7所示。 图7 深度图处理流程 深度图处理的关键技术如下： 1）多源数据的高精度融合处理：实现激光点云数据、GPS/POS数据和照片数据的匹配处理，通过点云数据和全景图的匹配，获得全景图中物体的深度信息（如图8所示）；
图8 点云和全景图匹配 2）点云数据处理：点云压缩、点云去噪、点云分割、点云识别和立面提取（图9为压缩和去噪后的点云经过识别后的结果，以及提取的立面信息）； 图9 点云识别和立面提取 3）深度图生成：基于立面的深度插值和数据压缩，将深度图大小控制在5k左右。 基于深度图的运动模拟：运动过程的关键帧如图10所示。图中，红色和绿色三角网格分别表示当前场景和下一场景的运动模型。运动模拟的关键技术如下： 1）基于深度图的场景建模：根据深度信息，建立街景场景的三维模型； 2）纹理贴图：对运动前场景实时截图，使用高分辨率的图像进行纹理贴图； 3）前后帧融合：在运动过程中实现当前场景的渐出和下一场景渐入的切换效果; 4）运动实现：基于深度信息对运动模型进行裁剪，提高绘制效率。设计合适的运动方程，确保运动过程启动迅速，场景切换平滑自然。
图10 运动过程关键帧
产品的意义以及对未来的展望 激光扫描系统能够获取道路两侧的三维空间地理信息，是目前城市三维建模的有效工具之一。基于激光数据的运动过程模拟是街景三维化的一个初步尝试，未来如果能够将城市街景精确的三维化、对象化，可以使街景能够智能识别周边物体信息，带来更加细腻的用户体验。 |
