發(fā)布時(shí)間：2021-10-12 18:25

　　近年隨著移動(dòng)設(shè)備計(jì)算能力的提升和移動(dòng)端用戶體驗(yàn)升級(jí),大量手機(jī)應(yīng)用都借由ARKit平臺(tái)中各類增強(qiáng)現(xiàn)實(shí)功能來(lái)構(gòu)建更豐富的交互體驗(yàn)。然而,目前大部分移動(dòng)端增強(qiáng)現(xiàn)實(shí)應(yīng)用是通過(guò)預(yù)先對(duì)目標(biāo)物進(jìn)行信息注冊(cè)的方式,實(shí)現(xiàn)物體識(shí)別、三維定位和實(shí)時(shí)追蹤。由于預(yù)注冊(cè)的方式需要提前獲取目標(biāo)物的信息,對(duì)于應(yīng)用場(chǎng)景有較大限制,并且識(shí)別過(guò)程不具備泛化性。另外大部分應(yīng)用在交互模式依然是簡(jiǎn)單地復(fù)用觸屏手勢(shì)交互模式,對(duì)于界面在現(xiàn)實(shí)空間中的排布和交互模式依然缺少相關(guān)研究,限制了空間界面交互模式的發(fā)展。本文通過(guò)深度學(xué)習(xí)及計(jì)算機(jī)視覺(jué)中相關(guān)技術(shù)實(shí)現(xiàn)無(wú)需預(yù)注冊(cè)的目標(biāo)識(shí)別,并創(chuàng)新性地通過(guò)結(jié)合點(diǎn)云信息實(shí)現(xiàn)三維定位和實(shí)時(shí)追蹤,探索該模式下空間界面排布與交互規(guī)則并測(cè)試其交互績(jī)效。本文研究?jī)?nèi)容主要為以下三部分。1.無(wú)預(yù)注冊(cè)的目標(biāo)三維定位研究。通過(guò)理論研究與實(shí)驗(yàn)測(cè)試得出在移動(dòng)端設(shè)備上同時(shí)具備較高速度和準(zhǔn)確度的網(wǎng)絡(luò)模型。創(chuàng)新性地通過(guò)將ARKit生成點(diǎn)云映射至屏幕坐標(biāo),并目標(biāo)檢測(cè)得出的二維選框相結(jié)合得出目標(biāo)的三維點(diǎn)云信息。之后通過(guò)點(diǎn)云與手機(jī)的距離分布,檢測(cè)出選框中由背景和遮擋物生成的噪聲點(diǎn)云,過(guò)濾后計(jì)算得出目標(biāo)的三維坐標(biāo)。最后通過(guò)將Deep-Sor... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１論文行文架構(gòu)圖??

?第二章移動(dòng)端目標(biāo)檢測(cè)的技術(shù)研宄Ｒ－ＣＮＮ是基于候選區(qū)域方法的目標(biāo)檢測(cè)算法中最先提出者。其算法思路對(duì)簡(jiǎn)單，總共分為兩步：候選區(qū)域搜索和對(duì)候選區(qū)域圖像的分類。Ｒ－ＣＮＮ對(duì)候選區(qū)域的搜索，是通過(guò)選擇性搜索（Ｓｅｌｅｃｔｉｖｅ?ｓｅａｒｃｈ）算法［３２］來(lái)進(jìn)行的，本上是啟發(fā)式搜索算法。首先使用區(qū)域劃分算法，把圖片分割成許多小塊，之后照層級(jí)分組算法通過(guò)它們之間的相似度再進(jìn)行相互合并，而最后的剩下的就是選區(qū)域。示意圖如下：??

示意圖如下：??齡Ｕ?＾?Ｉ??編?ｉｌｉｌ??圖２－１選擇性搜索方法：上面為分割結(jié)果，下面為候選框［３２］??Ｒ－ＣＮＮ首先將圖片通過(guò)選擇性搜索算法進(jìn)行處理，得出大約２０００個(gè)候選區(qū)??域，之后再將各個(gè)候選區(qū)域尺寸修改為固定尺寸，它們?nèi)孔鳛榫矸e神經(jīng)網(wǎng)絡(luò)的??輸入分別輸入，該卷積神經(jīng)網(wǎng)絡(luò)使用ＡｌｅｘＮｅｔ［３］來(lái)提取圖像特征，最終輸出結(jié)果??是４０９６維的特征向量。最后將特征向量被作為多類別ＳＶＭ分類器的輸入，預(yù)??測(cè)輸出各個(gè)候選區(qū)域中包含目標(biāo)屬于各個(gè)類型的概率。需要針對(duì)每個(gè)類型來(lái)訓(xùn)練??ＳＶＭ分類器，才能通過(guò)特征向量來(lái)推斷其屬于該類別的概率大小。為了使定位??更加準(zhǔn)確性，Ｒ－Ｃ＿最后還訓(xùn)練了回歸模型對(duì)邊框進(jìn)行預(yù)測(cè)。訓(xùn)練樣本為（Ｐ，Ｇ），??其中Ｐ＝（Ｐｘ，Ｐｙ，Ｐｗ，Ｐｈ）為候選區(qū)域，而Ｇ＝（Ｇｘ，Ｇｙ，Ｇｗ，Ｇｈ）為真實(shí)框的位置和大小。??Ｇ的選擇是與Ｐ的交并比最大的真實(shí)框

【參考文獻(xiàn)】：
期刊論文
[1]基于距離的孤立點(diǎn)檢測(cè)在系統(tǒng)入侵檢測(cè)的應(yīng)用[J]. 張繼懷.  黑龍江科技信息. 2017(11)
[2]基于深度學(xué)習(xí)的高鐵接觸網(wǎng)定位器檢測(cè)與識(shí)別[J]. 陳東杰,張文生,楊陽(yáng).  中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2017(04)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)研究綜述[J]. 李旭冬,葉茂,李濤.  計(jì)算機(jī)應(yīng)用研究. 2017(10)
[4]目標(biāo)跟蹤技術(shù)綜述[J]. 高文,朱明,賀柏根,吳笑天.  中國(guó)光學(xué). 2014(03)
[5]離群點(diǎn)挖掘方法綜述[J]. 薛安榮,姚林,鞠時(shí)光,陳偉鶴,馬漢達(dá).  計(jì)算機(jī)科學(xué). 2008(11)
[6]基于距離和密度的聚類和孤立點(diǎn)檢測(cè)算法[J]. 劉合兵,尚俊平.  河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(03)
[7]增強(qiáng)現(xiàn)實(shí)綜述[J]. 朱淼良,姚遠(yuǎn),蔣云良.  中國(guó)圖象圖形學(xué)報(bào). 2004(07)

碩士論文
[1]基于深度學(xué)習(xí)的高鐵接觸網(wǎng)懸掛目標(biāo)檢測(cè)圖像處理研究[D]. 狄亞柳.西南交通大學(xué) 2018
[2]基于車載視頻的道路車輛及行人檢測(cè)[D]. 唐詩(shī).電子科技大學(xué) 2018
[3]數(shù)據(jù)挖掘離群點(diǎn)檢測(cè)算法及其在電力設(shè)備故障檢測(cè)中的應(yīng)用[D]. 馮玉偉.北京郵電大學(xué) 2017
[4]基于單目視覺(jué)的增強(qiáng)現(xiàn)實(shí)技術(shù)研究[D]. 張浩.華中科技大學(xué) 2005



本文編號(hào)：3433085