基于改进随机蕨的增强现实跟踪注册算法的设计与实现

摘要

增强现实(Augmented Reality，简称AR)是将由电脑制作的虚拟物体或数字信息，融合到真实的世界中，以增强人们对真实场景的感知能力，使用户具有更直观的视觉体验。AR技术在传媒、医疗、军事、教育等领域具有广泛的应用前景，是计算机视觉领域的研究热点之一。特征匹配和三维注册是AR系统中的两个重要组成部分，因此本文主要研究内容如下:
　　1.对AR技术的国内外研究现状及未来发展方向等做了详细介绍，并对已有的AR系统做了详细调查研究。
　　2.详细阐述了增强现实技术中涉及到的理论背景知识，如数字图像处理相关技术、特征点匹配技术及计算机视觉相关技术。
　　3.改进随机蕨特征匹配算法。随机蕨算法是目前比较成熟且应用较广的特征匹配算法，因其简单和高速而闻名，但是，由于它所训练得到的分类器体积过大，对于低内存的设备来说难以承受，所以在使用上受到诸多限制。为降低分类器的体积，本文提出一种基于方向信息的随机蕨匹特征配算法，该算法利用灰度重心算法将方向信息添加到图像特征属性集，降低模板的旋转对分类器性能的影响，该方法简称方向蕨（Oriented Ferns，简称OFerns）。通过实验证明，在相近识别精度下，得到的分类器的体积减小到原始算法的1/8至1/10，并且没有降低算法的运行速度。
　　4.设计实现了基于OFerns算法的AR系统。特征提取部分采用加速分割测试（Features fromAcc(é)lerated Segment Test，FAST）算法及图像金字塔算法快速获得多尺度下的特征点。特征匹配部分采用OFerns算法获得特征点对应关系，结合随机抽样一致（RANdom SAmple Consensus，简称RANSAC）算法处理误匹配问题，根据优化过的特征点对应关系计算获得关键帧的单应矩阵，进而进行三维注册，将虚拟物体叠加到真实的场景中。实验表明，在部分遮挡的情况下，本文算法可以仍然可以快速准确的识别出模板。

目录

声明

摘要

第1章 绪论

1．1 课题研究的背景和意义

1．2 增强现实技术的研究现状与展望

1．2．1 国外研究现状与应用

1．2．2 国内研究现状与应用

1．3 课题的来源及研究内容

1．3．1 课题来源

1．3．2 课题的主要研究内容

第2章 相关技术概述

2．1 图像处理相关技术

2．1．1 FAST算法

2．1．2 图像金字塔算法

2．1．3 基于朴素贝叶斯模型的特征点匹配算法

2．2 计算机视觉相关技术

2．2．1 摄像机透视模型

2．2．2 单应矩阵

2．2．3 随机采样一致性算法

2．3 OpenGL简介

2．4 本章小结

第3章 基于方向信息的随机蕨算法

3．1 引言

3．2 随机蕨算法

3．2．1 生成训练样本集

3．2．2 离线分类器训练

3．2．3 在线特征识别与匹配

3．3 基于方向信息随机蕨

3．3．4 灰度重心

3．3．5 基于方向信息的分类器训练原理

3．3．6 实时特征识别及匹配

3．4 本章小结

第4章 实验结果与分析

4．1 识别率比较

4．2 分类器大小比较

4．3 运行时间测试

4．4 本章小结

第5章 基于改进随机蕨算法的AR系统

5．1 引言

5．2 系统工作流程图

5．2．1 消除错误匹配点

5．2．2 单应矩阵计算摄像机外参

5．3 虚拟信息生成

5．4 实验结果分析

5．5 本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢