增強現(xiàn)實可以將虛擬物體疊加到現(xiàn)實環(huán)境中,增強消費者對現(xiàn)實世界的感受和理解。相比于早期識別場景中的固定標志圖,基于自然特征的增強現(xiàn)實系統(tǒng)成為了研究的重點。自然特征有很多,其中平面是最為常見且最易利用的結(jié)構(gòu),當識別到平面就能夠通過三維注冊技術(shù)將虛擬物體渲染到平面上,但是目前存在平面識別不夠精確、平面特征點較少、匹配精度低、分割平面上的物體時間較長等問題。因此,本文針對以上幾點不足做了以下三項工作:（1）本文以RANSAC為基礎(chǔ),提出了一種基于RANSAC的多平面擬合算法。在顏色特征的輔助下,利用輪廓信息找出平面范圍并過濾噪點,對于過濾后的點進行了聚類,再將類別映射到三維空間中,為每一個類擬合平面,最終根據(jù)錯誤率劃分權(quán)重,再根據(jù)法向量與距離將面片加權(quán)合并,得到精確的平面參數(shù),該算法不僅能夠擬合出多個模型,還能夠得到更精確的平面,以改善增強現(xiàn)實的效果。（2）本文借助了投影思想,提出了一種基于投影生成平面上特征點的算法。該算法考慮相鄰兩幀,假設(shè)Z軸上沒有伸縮,且由于相鄰兩幀時間較短,本算法首先將相鄰兩幀根據(jù)位姿投影到XOY平面上得到投影圖,計算投影圖ORB特征并匹配,根據(jù)RANSAC算法過濾誤匹... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－２增強現(xiàn)實系統(tǒng)流程１９］??Ｆｉｇｕｒｅ?１－２?Ａｕｇｍｅｎｔｅｄ?Ｒｅａｌｉｔｙ?Ｓｙｓｔｅｍ?Ｐｒｏｃｅｓｓ１９１??

，??ｕｎｄｌｅ?Ａｄｊｕｓｔｍｅｎｔ）算法優(yōu)化相機位姿及路標點。２００７年Ｋｌｅｉｎ、Ｍｕｒｒａｙ等人提出???ＰＴＡＭ算法１２７］，該系統(tǒng)基于圖優(yōu)化且存在跟蹤和創(chuàng)建地圖這兩個獨立的線程，??蹤線程中，ＰＴＡＭ采用基于斑塊搜索的方法實現(xiàn)跟蹤，地圖創(chuàng)建線程中優(yōu)化了??鍵幀的位姿及地圖點的坐標，這也為之后的ＳＬＡＭ奠定了基礎(chǔ)。Ｒａｕｌ?Ｍｕｒ－Ａｒｔａｌ??人基于ＰＴＡＭ提出了?ＯＲＢＳＬＡＭ系統(tǒng)１＾，該系統(tǒng)在此基礎(chǔ)上多了閉環(huán)檢測的線??，閉環(huán)檢測采用了?Ｂｏｗ（Ｂａｇ?ｏｆ?Ｗｏｒｄｓ，詞袋模型）優(yōu)化局部地圖和全局地圖，最大??度減少位姿累積誤差，具有較強的重定位能力，且該系統(tǒng)不需要主動選定初始??幀，系統(tǒng)根據(jù)平移量和視差自動選擇兩幀初始化，由于該系統(tǒng)采用的是特征點??，所以創(chuàng)建的地圖是稀疏地圖，效果如圖ｌ－３（ａｐ］。而對于直接法來說，由于輸??的是整個圖像，構(gòu)建的地圖可以為稠密或半稠密地圖，且直接法不需要計算圖??的描述子，所以直接法實時率更高。Ｎｅｗｃｏｍｂｅ等人提出了直接法－ＤＴＡＭ算法??１，該系統(tǒng)基于單像素點采用低基線計算位姿并構(gòu)建地圖。Ｅｎｇｌｅ等人提出??ＳＤ－ＳＬＡＭ系統(tǒng)，該系統(tǒng)也是基于直接法的思想，匹配大量像素點并進行濾波，??后進行圖像配準，能夠較精確的估計姿態(tài)并能構(gòu)建半稠密地圖，效果如圖ｌ－３（ｂ）???〇??

中存在多個平面模型便無法擬合，且精度較低。因此本章在其基礎(chǔ)上進行改進，??提出了基于ＲＡＮＳＡＣ的多平面擬合算法，以保證在多個模型時仍能識別到多個模??型，本章算法簡要流程見圖２－１。首先相機捕捉實時的圖像，求取每一幀的特征點??并進行特征匹配，根據(jù)匹配的特征點通過三角化方法求其深度點，將特征點及其??對應(yīng)深度點保存到數(shù)組中，接下來對每一幀的深度點擬合平面模型，得出的參數(shù)??若符合平面特征，基于顏色量化該幀圖像并提取量化后圖像上的所有輪廓，根據(jù)??平面輪廓過濾輪廓外噪點，之后，將該幀特征點進行聚類，則對應(yīng)深度點（即三維??點）也分為對應(yīng)類別，接下來對于空間中每一類進行平面擬合，并計算錯誤率劃分??權(quán)重，最后對于符合平面參數(shù)的面片根據(jù)法向量和距離加權(quán)合并面片。??特征點對應(yīng)深度點求解??ＦＴ：??當前幀特征提＿＾當前幀相機求解特征點??�。纷藨B(tài)估計對應(yīng)深度點????”??肝＇法崎?丨＊備點＇?丨過二夕卜??與距離合并＋聚類劃分深＋??面片?度空間?丨隨??圖２－１基于ＲＡＮＳＡＣ的多平面擬合算法框架??Ｆｉｇｕｒｅ?２－１?ＲＡＮＳＡＣ－ｂａｓｅｄ?ｍｕｌｔｉ－ｐｌａｎａｒ?ｆｉｔｔｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｆｒａｍｅｗｏｒｋ??２．２．１當前幀特征提取及匹配??在本系統(tǒng)中，相機實時捕捉圖像獲取每一幀，并對每一幀進行特征提取，特??征匹配后即可通過三角化計算深度

【參考文獻】：
期刊論文
[1]結(jié)合復(fù)小波域和空間總變分的無參考圖像清晰度評價[J]. 邵雪,曾臺英,汪祖輝.  包裝工程. 2017(05)
[2]視覺SLAM綜述[J]. 權(quán)美香,樸松昊,李國.  智能系統(tǒng)學(xué)報. 2016(06)
[3]基于相機姿態(tài)信息的圖像投影[J]. 付森原,陳姝,張鈞,田金文.  計算機與數(shù)字工程. 2015(10)
[4]圖像匹配中誤匹配點檢測技術(shù)綜述[J]. 單小軍,唐娉.  計算機應(yīng)用研究. 2015(09)
[5]Moravec和Harris角點檢測方法比較研究[J]. 盧瑜,郝興文,王永俊.  計算機技術(shù)與發(fā)展. 2011(06)
[6]圖像分割方法綜述[J]. 郭佳.  中國新技術(shù)新產(chǎn)品. 2011(01)
[7]視覺跟蹤算法綜述[J]. 楊戈,劉宏.  智能系統(tǒng)學(xué)報. 2010(02)
[8]基于漢字標志的增強現(xiàn)實系統(tǒng)[J]. 董子龍,章國鋒,邵元龍,華煒.  中國圖象圖形學(xué)報. 2009(07)
[9]基于自然特征點的實時增強現(xiàn)實注冊算法[J]. 陳靖,王涌天,李玉,胡文澤,藏曉軍.  系統(tǒng)仿真學(xué)報. 2007(22)
[10]彩色圖象量化方法的研究[J]. 凌玲.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2000(01)



本文編號：2983757