隨著大規(guī)模生產(chǎn)制造逐漸被大規(guī)模定制所取代,制造過(guò)程受到了新的挑戰(zhàn)。面對(duì)越來(lái)越復(fù)雜的制造過(guò)程,人工操作仍然在特定場(chǎng)景下占據(jù)著重要的位置。但是,人工操作仍然存在著易出錯(cuò)、標(biāo)準(zhǔn)化程度相對(duì)較低和操作熟練度要求高等問(wèn)題。增強(qiáng)現(xiàn)實(shí)是一種能夠把虛擬信息與真實(shí)環(huán)境無(wú)縫結(jié)合以得到真實(shí)環(huán)境信息增強(qiáng)的可視化和人機(jī)交互技術(shù),更符合人類(lèi)的認(rèn)知和學(xué)習(xí)方式,能夠?yàn)槿斯げ僮魈峁└行У呐嘤?xùn)和指導(dǎo)。由于操作過(guò)程中人的觀察角度是不受任何限制的,因此被操作目標(biāo)在觀察者視角中可能處于尺度、旋轉(zhuǎn)、視角、遮擋、離開(kāi)視野和模糊等多種變化組合的復(fù)雜環(huán)境,環(huán)境中的背景是存在各種其他干擾物體的復(fù)雜背景而非單一背景。目前增強(qiáng)現(xiàn)實(shí)的核心三維注冊(cè)技術(shù)在這樣的復(fù)雜環(huán)境還存在精度較低、跟蹤穩(wěn)定性較差等問(wèn)題,導(dǎo)致錯(cuò)誤顯示或視覺(jué)效果不佳,制約著增強(qiáng)現(xiàn)實(shí)技術(shù)在各個(gè)領(lǐng)域特別是工業(yè)領(lǐng)域的應(yīng)用。針對(duì)上述問(wèn)題,論文采用改進(jìn)后的ORB和LK混合跟蹤注冊(cè)的方法提高在復(fù)雜環(huán)境下的三維注冊(cè)穩(wěn)定性。具體研究?jī)?nèi)容如下:(1)改進(jìn)的ORB特征點(diǎn)方法。研究了ORB特征點(diǎn)方法的提取、描述和匹配方法原理和不足。提出了使用非線性尺度空間取代高斯金字塔并改善尺度不變性的問(wèn)題并研究了其計(jì)算和構(gòu)造方式。研究了自適應(yīng)非極大值抑制的方法取得更加分散的ORB特征點(diǎn)并減少ORB特征點(diǎn)冗余的問(wèn)題。對(duì)改進(jìn)前后的ORB方法進(jìn)行了對(duì)比。(2)改進(jìn)的Lucas Kanade跟蹤方法。研究并分析了LK跟蹤方法的原理以及三種優(yōu)化求解的方法以及LK方法的不足。針對(duì)LK方法抗光照變化穩(wěn)定性較差的問(wèn)題,研究了非線性局部描述子與LK方法結(jié)合以及實(shí)現(xiàn)上的改進(jìn)。研究了前向后向錯(cuò)誤檢測(cè)方法評(píng)估特征點(diǎn)跟蹤結(jié)果并剔除錯(cuò)誤跟蹤點(diǎn)。(3)基于一致性投票的混合跟蹤方法。提出了ORB和LK方法同時(shí)對(duì)目標(biāo)進(jìn)行跟蹤和數(shù)據(jù)融合的方法。基于一致性投票的方式對(duì)融合的數(shù)據(jù)進(jìn)行投票與聚類(lèi),得到閾值內(nèi)最大數(shù)目的聚類(lèi)后并舍棄其他聚類(lèi)得到最終的跟蹤結(jié)果實(shí)現(xiàn)三維注冊(cè)。(4)數(shù)據(jù)集實(shí)驗(yàn)與工程環(huán)境實(shí)驗(yàn)。在自然環(huán)境跟蹤數(shù)據(jù)集中驗(yàn)證論文方法在復(fù)雜環(huán)境下的尺度變化、旋轉(zhuǎn)變化、視角變化、運(yùn)動(dòng)模糊、遮擋和目標(biāo)離開(kāi)視野的性能。在AR輔助布線系統(tǒng)中驗(yàn)證論文方法對(duì)基站線束設(shè)備的跟蹤性能。
【學(xué)位單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：TH16;TP391.9
【部分圖文】：

c) 裝配指導(dǎo)的應(yīng)用圖 1-1 增強(qiáng)現(xiàn)實(shí)在制造過(guò)程中的應(yīng)用Fig. 1-1 AR application in manufacturing process現(xiàn)實(shí)環(huán)境中，用戶可以同時(shí)得到真實(shí)和虛擬信息的目標(biāo)。除此之外，在裝配過(guò)程中由于可以重復(fù)利型，增強(qiáng)現(xiàn)實(shí)技術(shù)還有利于縮短產(chǎn)品開(kāi)發(fā)設(shè)計(jì)與生的自由度和靈活性，適應(yīng)大規(guī)模定制的制造的裝已經(jīng)廣泛被應(yīng)用于各個(gè)領(lǐng)域，但是現(xiàn)階段大多數(shù)應(yīng)為產(chǎn)品被真正的用戶所使用。解決方案的可擴(kuò)展產(chǎn)品化需要考慮的因素。增強(qiáng)現(xiàn)實(shí)技術(shù)本身也有人的觀察視角是不受限制的，觀察者可以從多個(gè)因此，被操作的目標(biāo)雖然本身沒(méi)有移動(dòng)，但是在視角、目標(biāo)被遮擋、目標(biāo)離開(kāi)視野和運(yùn)動(dòng)模糊等

ARToolkit標(biāo)志和ARTag標(biāo)志Fig.1-2ARToolkitmarkerandARTagmarker

圖 1-4 基于自然特征的三維注冊(cè)方法Fig. 1-4 3D registration method based on natural feature特征的方法，如區(qū)域特征[27]、特征點(diǎn)[28]和模型特較低和對(duì)環(huán)境依賴(lài)性高等問(wèn)題。2008 年 Daniel ，在移動(dòng)設(shè)備上實(shí)現(xiàn)了基于特征點(diǎn)的三維注冊(cè)方法跟蹤方法更進(jìn)一步提升了運(yùn)算效率[31]。、BRISK[33]等特征點(diǎn)方法和 BRIEF[34]和 FREAK[35點(diǎn)的方法在實(shí)時(shí)性上有了很大的改善，特征點(diǎn)的問(wèn)題，成為了典型的自然特征三維方法。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦曉江;;基于混合跟蹤注冊(cè)的船舶漫游系統(tǒng)關(guān)鍵技術(shù)研究[J];艦船科學(xué)技術(shù);2017年24期

2 李科;徐克虎;黃大山;;改進(jìn)的均值漂移和粒子濾波混合跟蹤方法[J];計(jì)算機(jī)應(yīng)用;2012年02期

3 楊尚尚;高湘萍;鄭少琦;王賀春;吳鑫鵬;;基于混合跟蹤策略的靜態(tài)目標(biāo)監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];工業(yè)控制計(jì)算機(jī);2016年09期

4 于雪松;趙巍;劉鵬;唐降龍;;基于混合跟蹤模型的室內(nèi)步行人體3D運(yùn)動(dòng)估計(jì)[J];自動(dòng)化學(xué)報(bào);2010年06期

5 左軍毅;張怡哲;王正平;;依賴(lài)模板匹配糾錯(cuò)的混合跟蹤算法[J];計(jì)算機(jī)應(yīng)用研究;2010年11期

6 李薪宇;陳東義;;緊耦合多傳感器混合跟蹤算法[J];中國(guó)圖象圖形學(xué)報(bào);2011年10期

7 余蓓敏;;一種新型太陽(yáng)能跟蹤控制器的設(shè)計(jì)[J];通化師范學(xué)院學(xué)報(bào);2015年04期

8 熊文平;李錦濤;張勇東;劉金剛;;一種有效的體育視頻目標(biāo)跟蹤算法[J];計(jì)算機(jī)工程與應(yīng)用;2006年26期

9 徐升;陳一民;黃晨;陸壬淼;葉聰麗;;增強(qiáng)現(xiàn)實(shí)中的混合跟蹤算法研究[J];微型電腦應(yīng)用;2012年01期

10 李薪宇;陳東義;;基于混合跟蹤的增強(qiáng)現(xiàn)實(shí)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2009年10期

相關(guān)碩士學(xué)位論文 前8條

1 楊靖帆;面向復(fù)雜環(huán)境的增強(qiáng)現(xiàn)實(shí)混合跟蹤注冊(cè)方法[D];廣東工業(yè)大學(xué);2019年

2 孟飛;增強(qiáng)現(xiàn)實(shí)中基于視覺(jué)和慣性傳感器的混合跟蹤研究[D];電子科技大學(xué);2008年

3 彭雪;基于傳感器的增強(qiáng)現(xiàn)實(shí)關(guān)鍵技術(shù)研究[D];上海大學(xué);2015年

4 任鵬;增強(qiáng)現(xiàn)實(shí)中基于視覺(jué)的跟蹤配準(zhǔn)技術(shù)的研究[D];電子科技大學(xué);2008年

5 熊文平;體育視頻中運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究[D];首都師范大學(xué);2006年

6 陳世寶;混合式光伏發(fā)電自動(dòng)跟蹤系統(tǒng)研究[D];山東理工大學(xué);2013年

7 劉松;光伏發(fā)電雙軸巡日跟蹤系統(tǒng)的研究[D];安徽工業(yè)大學(xué);2016年

8 張燕;改進(jìn)的粒子濾波算法在視頻目標(biāo)跟蹤中的應(yīng)用研究[D];蘭州理工大學(xué);2013年

本文編號(hào)：2871642