全景自动切片技术-krpano初识

简介: 接之前的文章,基于Three.js的全景展示框架-TPano,之前的分享中留了一个问题,如何在线展示高清大图,基于TPano技术,虽然可以实时看到全景,但是随着摄像头的分辨率越来越高,文件大小也会越来越大。

接之前的文章,基于Three.js的全景展示框架-TPano,之前的分享中留了一个问题,如何在线展示高清大图,基于TPano技术,虽然可以实时看到全景,但是随着摄像头的分辨率越来越高,文件大小也会越来越大,是否有同时可以自动切片,也可以实时切图,异步加载的解决方案呢?


       这里隆重推出全景技术的一个重量组件,krpano,官网:https://krpano.com/,上面有krpano的适用场景,还有一些教程。其主要功能如下:

image.png

krpano是一款小型且灵活的高性能全景软件,用于展示基于web的全景照片套件。它可以用于非常详细的高分辨率图像、交互式虚拟游览、定制用户界面等。


       1、通过内置的生成和图片处理算法,可以生成高清的图像。


       2、多终端、设备支持好,对于老浏览器,使用flash可以支持老的设备和浏览器。


       3、通过自定义脚本扩展制作方式,丰富制作场景。


       4、支持VR展示。


       5、生成图片小,减轻文件系统压力。


       6、其它...


       这是一款商业软件,如果需要商用,请联系官方获取商业授权,本文演示的来自社区的破解版。


       一、下载对应操作系统的软件

image.png

二、下载完成后,打开安装目录如下

image.png

 这是krpano的一些内置批量处理脚本,非常有用。

三、全景生成

 将一张全景图片拖到上述的xxx.droplet.bat 中,会看到如下转换界面

image.png

上述命令执行完成后,在图片的同级目录下,可以看到以下文件夹:

image.png

上面这个就是通过krpano脚本自动生成的全景信息。你可以把文件发布到文件系统,或者通过nginx进行资源映射,即可完成全景制作。

四、测试

你也可以点击上面的tour_testingserver.exe,会启动本地的一个服务器,将全景信息发布出来,对全景信息进行预览。

image.png

在浏览器中输入访问地址即可看到相应全景

image.png

通过以上步骤可完成全景的自动转换。


目录
相关文章
|
2月前
|
编解码 文字识别 算法
视觉智能开放平台产品使用合集之通用高清分割是否支持裁剪空白区域
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
|
5月前
GEE——Google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)EPSG:32630和EPSG:4326的区别
GEE——Google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)EPSG:32630和EPSG:4326的区别
102 0
|
编解码 算法 定位技术
GIS开发:切片格式说明(翻译)-wgs84
GIS开发:切片格式说明(翻译)-wgs84
129 0
|
存储 编解码 算法
GIS开发:切片格式说明(翻译)-墨卡托
GIS开发:切片格式说明(翻译)-墨卡托
168 0
|
存储 安全 C++
【C++】支持CT、彩色超声、内窥镜检查de医院影像PACS(三维重建技术)
【C++】支持CT、彩色超声、内窥镜检查de医院影像PACS(三维重建技术)
124 0
|
数据采集 移动开发 数据可视化
空间转录组|Load10X_Spatial函数修改适配多形式数据 + 空转标准流程
空间转录组|Load10X_Spatial函数修改适配多形式数据 + 空转标准流程
593 0
|
机器学习/深度学习 编解码
带你读《2022技术人的百宝黑皮书》——CVPR2022 | 开源: 基于间距自适应查找表的实时图像增强方法(3)
带你读《2022技术人的百宝黑皮书》——CVPR2022 | 开源: 基于间距自适应查找表的实时图像增强方法(3)
124 0
|
算法
带你读《2022技术人的百宝黑皮书》——CVPR2022 | 开源: 基于间距自适应查找表的实时图像增强方法(5)
带你读《2022技术人的百宝黑皮书》——CVPR2022 | 开源: 基于间距自适应查找表的实时图像增强方法(5)
102 0
|
机器学习/深度学习 人工智能 算法
TPAMI 2022 | 寻找属于你的影子,港中文等提出实例阴影检测任务
TPAMI 2022 | 寻找属于你的影子,港中文等提出实例阴影检测任务
121 0
|
机器学习/深度学习 编解码 人工智能
诺亚最新!AOP-Net:一体式3D检测和全景分割的感知网络
本文提出了一种基于LiDAR的多任务框架——一体感知网络(AOP-Net),该框架结合了3D检测和全景分割。论文开发了双任务3D主干,以从输入的LiDAR点云中提取全景和检测级特征。此外,还设计了一个新的2D主干,将多层感知器(MLP)和卷积层交织在一起,以进一步提高检测任务性能。最后提出了一种新的模块,通过恢复在3D主干中的下采样操作期间丢弃的有用特征来引导检测头。该模块利用估计的实例分割掩码从每个候选目标中恢复详细信息。AOP-Net在nuScenes基准上为3D目标检测和全景分割任务实现了最先进的性能。此外,实验表明,论文的方法很容易适应任何基于BEV的3D目标检测方法,并显著提高了其性
诺亚最新!AOP-Net:一体式3D检测和全景分割的感知网络