Сшивание изображений от 2 перекрывающихся камер, неподвижных относительно друг друга

Я новичок в CV, и пытаюсь сшить видео двух камер, которые являются неподвижными одна относительно другой. Детали:

Камеры находятся рядом друг с другом, и я могу регулировать угол поворота между ними. Камеры будут двигаться относительно мира, поэтому сцена будет меняться.

Количество сшиваемых кадров составляет примерно 300 (каждый кадр состоит из двух изображений, по одному с каждой камеры).

Мне не нужно делать сшивание в реальном времени, но я хочу сделать это как можно быстрее, используя тот факт, что я знаю относительное положение камер. Разрешение каждой картинки относительно высокое, около 900х600.

Прямо сейчас я нахожусь на этапе, где у меня есть код, чтобы сшить 2 отдельные картинки, любезно http://ramsrigoutham.com/2012/11/22/panorama-image-stitching-in-opencv/

Основными этапами являются:

Использование детектора SURF для поиска дескриптора SURF на обоих изображениях
сопоставление дескриптора SURF с использованием FLANN Matcher
Постобработка совпадений для поиска подходящих совпадений
Использование RANSAC для оценки матрицы гомографии с использованием соответствующих дескрипторов SURF
Деформирование изображений на основе матрицы гомографии
У меня вопрос: как я могу оптимизировать процесс, основываясь на том факте, что я уже знаю положение камеры?

В идеале я хотел бы сделать некоторые начальные вычисления один раз, чтобы найти преобразование между перспективами камеры, а затем повторно использовать его. Но я не уверен с моим базовым знанием CV, действительно ли это возможно, и какие преобразования я мог бы использовать, если это так.

Я понимаю, что однократное вычисление матрицы гомографии и ее повторное использование не сработает, поскольку сцена меняется.

Две другие возможности:

1. Я нашел похожий дело (но стационарная сцена), где преобразование вычисляется один раз и используется повторно. Что это за преобразование, и может ли оно работать в моем случае?

2. Другая найденная мною возможность — использовать начальные знания, чтобы найти перекрывающуюся область между двумя картинками, и игнорировать остальные картинки, чтобы сэкономить время. Соответствующий нить

Любая помощь будет принята с благодарностью!
Рон