多视点视频结合虚拟现实(Virtual Reality,VR)技术的呈现形式,相比于传统视频能给用户提供更高质量的交互性和沉浸感,视觉效果和漫游体验也会更好。在保证交互性和沉浸感的同时,使用较少数据量去表示三维场景,将深度信息应用到多视点视频中的表示方法就应运而生。针对全向多视点场景,可以利用已采集的场景图像和深度信息去绘制生成更多的视点图像,保证用户的交互性和漫游体验。深度信息被广泛地应用在场景重建、VR漫游、教育教学以及虚拟游戏等研究领域,因此高精确度的深度图像获取算法的研究就显得尤为重要。本课题的主要内容是对全向场景图像的深度信息估计算法进行研究,并详细介绍了深度图像获取方法的整体流程。在全景VR漫游应用中,需要采集直线漫游路径中前后相邻视点图像,并以此绘制出中间视点的场景信息。若是直接利用双目匹配算法来获取深度信息,考虑到前后摄像机采集的视点图像大小不一,且后向视点图像的匹配区域没有完全确定,就很容易造成误匹配。基于上述问题,对于如何提高场景图像深度图的精确性,本文的创新性工作内容具体如下:1、在全景VR漫游应用中,针对前后视点图像匹配算法生成的视差图的精确性较低,以及容易出现的误匹配的问题,提出了一种基于极线匹配的置信传播算法。由于视点图像的相对位置关系发生改变,在以图像中心点为基准全方向发散构建出前后视点图像的对极线,并作为匹配路径;考虑到前后视点图像在垂直方向上也存在视差,利用对极线路径信息对匹配代价函数进行优化,增加垂直方向的匹配代价分量,能够提高匹配的精确性。2、在全向直线路径的多视点视频采集方式中,摄像机组的相对位置关系发生改变,传统的视差与深度的映射关系算法已不再适用。针对此问题,提出一种全向直线路径的场景深度获取算法。依据位置关系推导出双目纵向的视差与深度的几何关系模型,并通过仿真实验对深度获取算法的有效性进行验证。实验过程中采用3ds Max建模渲染的视点图像及深度图作为测试图像库,选取峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似性(Structural Similarity,SSIM)作为评价指标,以衡量本文算法与局部优化算法获取的深度图质量。实验结果表明,相比于局部优化算法,本文算法获取的深度图的PSNR和SSIM分别提高约24%和0.22。本文算法获取的深度图的精确性更高,具有更好的效果。