增強(qiáng)現(xiàn)實(shí)技術(shù)是近年來(lái)非�；馃岬募夹g(shù)之一,有著非常良好的前景。基于平面標(biāo)志物的增強(qiáng)現(xiàn)實(shí)技術(shù)是其中非常重要的一部分,并且因?yàn)樗姆�(wěn)定高效和應(yīng)用領(lǐng)域廣泛,在很多生活場(chǎng)景中都有用武之地。但是它對(duì)于速度,穩(wěn)定性,通用性,多目標(biāo)能力等方面越來(lái)越高的要求,使得它的進(jìn)一步普及受到了阻礙,也使得該領(lǐng)域目前仍然有著巨大的機(jī)遇和挑戰(zhàn)。本文提出并實(shí)現(xiàn)了一系列與平面標(biāo)志物檢測(cè)和跟蹤相關(guān)的技術(shù),包括一種基于色彩學(xué)和旋轉(zhuǎn)不變的局部特征描述符,一種基于局部特征描述符的平面標(biāo)志物檢測(cè)算法,一個(gè)能同時(shí)檢測(cè)和跟蹤多目標(biāo)的解決方案,一個(gè)增強(qiáng)現(xiàn)實(shí)應(yīng)用的跨平臺(tái)解決方案等。其中基于色彩學(xué)和旋轉(zhuǎn)不變的局部特征描述符經(jīng)過(guò)實(shí)驗(yàn)在平面標(biāo)志檢測(cè)領(lǐng)域比經(jīng)典的SIFT描述符有更好的效果和速度。而平面標(biāo)志物檢測(cè)算法包含一系列子算法,除了用到了本文提出的局部特征描述符,還有基于四叉樹(shù)的關(guān)鍵點(diǎn)選擇,快速近似最近鄰匹配,RANSAC,逆向匹配擴(kuò)充等算法,經(jīng)過(guò)實(shí)驗(yàn)本文的平面標(biāo)志物檢測(cè)算法比傳統(tǒng)的算法更穩(wěn)定快速。本文最后整合了這些技術(shù),形成了一個(gè)完整的算法流程,實(shí)現(xiàn)了一個(gè)能夠在移動(dòng)端實(shí)時(shí)運(yùn)行的平面標(biāo)志物增強(qiáng)現(xiàn)實(shí)應(yīng)用實(shí)例。這一系列的技術(shù)有著廣闊的應(yīng)用前景和發(fā)... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１增強(qiáng)現(xiàn)實(shí)效果示例（圖片（ａ）、（ｂ）、（ｃ）分別引自文獻(xiàn)［１］、［２］、［３］）

?第１章緒論??采用純黑和純白二色構(gòu)成圖案，如圖１．２所示。而自然標(biāo)志則是使用彩色圖像，具有豐富的??紋理特征，我們平日里常見(jiàn)的彩色圖片大多可以用作自然標(biāo)志。不難發(fā)現(xiàn)，人工標(biāo)志相對(duì)??于自然標(biāo)志擁有更易識(shí)別的特征，因而往往具有更好的速度和穩(wěn)定性。而自然標(biāo)志則因?yàn)??其多樣性以及良好的外觀，能夠在更多的場(chǎng)合應(yīng)用并且產(chǎn)生更好的體驗(yàn)，但是其識(shí)別難度??也更大。因此，穩(wěn)定而迅速的自然標(biāo)志識(shí)別與跟蹤是目前行業(yè)內(nèi)研宄的熱點(diǎn)。本文的算法??都是針對(duì)自然標(biāo)志設(shè)計(jì)的，因此當(dāng)后面的內(nèi)容提到平面標(biāo)志時(shí)都是指平面自然標(biāo)記。??囡驪??（ａ）?（ｂ）??圖１．２兩種人工標(biāo)志（圖片引自Ｗ?）。??現(xiàn)在主流的平面標(biāo)志物增強(qiáng)現(xiàn)實(shí)框架，可以分為純檢測(cè)的框架，以及檢測(cè)和跟蹤結(jié)合??的框架這兩種類型。純檢測(cè)的框架在每一幀輸入數(shù)據(jù)上進(jìn)行物體檢測(cè)，單獨(dú)估計(jì)位姿。而??檢測(cè)和跟蹤結(jié)合的框架

除了?ＯＲＢ描述符，二進(jìn)制描述符還有諸如ＢＲＩＳＫ描述符問(wèn)，ＦＲＥＡＫ描述符Ｍ等。??ＢＲＩＳＫ描述符和ＦＲＥＡＫ描述符與ＯＲＢ描述符的主要區(qū)別之處在于它們比較位置的“圖??案”不同。ＢＲＩＳＫ的呈環(huán)狀，并且離中心越遠(yuǎn)高斯核的標(biāo)準(zhǔn)偏差也越大，如圖１．３ａ所示。??ＦＲＥＡＫ則借鑒了生物中視網(wǎng)膜的原理，它的位置“圖案”呈中心對(duì)稱，相互疊加，并且內(nèi)??小外大。如圖１．３ｂ所示。??．５??ｊ?〇??■ｔｏ－?、、０Ｉ?〇?卜／－、，?＇??ｏ＇ｗ，＇??＇＊?－？＇、＜＾二，１－）＇１一??－１５?－？０?－４?０?５?１＊０?，‘Ｓ??⑷?（ｂ）??圖１．３?ＢＲＩＳＫ和ＦＲＥＡＫ的描述符圖案（圖片（ａ）、（ｂ）分別引自問(wèn)、［叫）。??１．２．１．２基于詞袋的檢測(cè)方法??詞袋（Ｂａｇ?ｏｆ?Ｗｏｒｄｓ）法一開(kāi)始是用在自然語(yǔ)言處理以及信息檢索之中的網(wǎng)。在該方??法中，文章會(huì)被表示成它里面的單詞的一個(gè)集合，而拋棄了文章原本的語(yǔ)法結(jié)構(gòu)。同時(shí)，記??錄文章中每個(gè)單詞出現(xiàn)的次數(shù)，并以此將文章用一個(gè)向量來(lái)表示。向量中的某一維就代表??某一個(gè)單詞的出現(xiàn)次數(shù)。例如

【參考文獻(xiàn)】：
博士論文
[1]面向復(fù)雜環(huán)境的魯棒高效的三維注冊(cè)與結(jié)構(gòu)恢復(fù)[D]. 劉浩敏.浙江大學(xué) 2017

碩士論文
[1]面向增強(qiáng)現(xiàn)實(shí)的平面自然標(biāo)記的識(shí)別與跟蹤研究[D]. 沈強(qiáng).浙江大學(xué) 2018



本文編號(hào)：3144238