增強(qiáng)現(xiàn)實（Augmented Reality,AR）技術(shù)是將虛擬環(huán)境與真實環(huán)境進(jìn)行匹配合成,以達(dá)到對真實環(huán)境的增強(qiáng),目前被越來越多的應(yīng)用于教育領(lǐng)域。以移動端為核心的移動增強(qiáng)現(xiàn)實技術(shù)（Mobile augmented reality,MAR）除了具有增強(qiáng)現(xiàn)實虛實融合、實時交互、三維注冊等技術(shù)特性外,其特有的便攜性也對擴(kuò)展教學(xué)應(yīng)用場景、實現(xiàn)教育多元化、促進(jìn)教育均衡發(fā)展有著積極意義。移動增強(qiáng)現(xiàn)實技術(shù)可結(jié)合相關(guān)學(xué)習(xí)理論、技術(shù)以及不同的學(xué)習(xí)場景開發(fā)出更具創(chuàng)新性的教學(xué)產(chǎn)品。本文通過比較增強(qiáng)現(xiàn)實在國內(nèi)外教育行業(yè)的應(yīng)用現(xiàn)狀確定主要研究內(nèi)容。目前大部分移動增強(qiáng)現(xiàn)實應(yīng)用主要面向基礎(chǔ)教育,其關(guān)鍵技術(shù)（三維注冊）主要分為兩類,其中基于人工標(biāo)識的方法存在易注冊失敗、應(yīng)用受限等問題,而基于自然特征的方法則較好的克服了這些缺陷。綜合上述分析,本文對以下內(nèi)容進(jìn)行了研究:（1）設(shè)計移動增強(qiáng)現(xiàn)實交互學(xué)習(xí)系統(tǒng)的基本框架,分析系統(tǒng)實現(xiàn)流程,研究實現(xiàn)系統(tǒng)的技術(shù)理論,如三維注冊、虛實融合等關(guān)鍵技術(shù);從功能和性能這兩個方面對系統(tǒng)進(jìn)行需求分析;依據(jù)上述研究與分析確定系統(tǒng)總體技術(shù)路線并對系統(tǒng)整體框架做進(jìn)一步劃分,設(shè)計系統(tǒng)功能模塊。（2... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

FAST特征點檢測

蘭州交通大學(xué)工程碩士學(xué)位論文-23-檢測得到特征點后，利用特征點所在局部鄰域信息對其進(jìn)行描述和表達(dá)。FREAK描述符是從人眼視覺系統(tǒng)得到啟發(fā)提出的方法，模仿了人眼視網(wǎng)膜接收圖像信息的模式，F(xiàn)REAK描述符具體的采樣模式如圖4.3所示。圖4.3FREAK采樣模式首先對FAST算法檢測得到的特征點鄰域進(jìn)行FREAK采樣。圖4.3中，位于圓最中心的點為特征點，每個圓代表一塊感受野，圓心即為采樣點。采樣點與特征點的距離越遠(yuǎn)，采樣點所在圓的半徑越大。圓的半徑為高斯模糊的標(biāo)準(zhǔn)差，因?qū)γ總€采樣點進(jìn)行高斯模糊處理可降低噪聲的影響。重疊的感受野可以獲取更多的信息，使最終的描述符更具有獨特性。FREAK描述符通過比較特征點周邊采樣點對的強(qiáng)度來計算生成二進(jìn)制位串的計算公式為：()02aaaNFTP=（4.5）()121if()()00otherwiserraaaIPIPTP=（4.6）其中，二進(jìn)制描述子由公式（4.5）F表示；aP為采樣點對；N為二進(jìn)制編碼期望長度；公式（4.6）中1()raIP與2()raIP分別為aP中前一個采樣點和后一個采樣點的像素值。由于獲取的采樣點對較多，許多點對對于特征描述圖像來說是無關(guān)的，為得到更好更具有辨識度的描述子，則需要進(jìn)行篩選（即降維），篩選步驟如下：(1)建立矩陣D，D的每一行表示一個二進(jìn)制描述符，每行有2MC列；

移動增強(qiáng)現(xiàn)實交互學(xué)習(xí)系統(tǒng)的研究與應(yīng)用-24-(2)對矩陣D的每一列計算其均值，因矩陣中的元素均由0/1構(gòu)成，均值越接近0.5說明該列的方差越大，信息越豐富；(3)根據(jù)每一列均值的大小對列進(jìn)行排序，均值最接近0.5的排在第一位；(4)選取矩陣的前512列作為最終的二進(jìn)制描述子。為了使FREAK算法具有方向不變性，可通過選擇采樣點對來估計檢測到的特征點主方向。算法選取了45個距離長的且中心對稱的采樣點對來計算其梯度值，獲取特征點方向[46]。選取的采樣點對如下圖4.4所示。圖4.4中心對稱采樣點對特征點方向的計算公式為：1212121()()rrrrOOOOrrGOOOIIM=PPPPPPP（4.7）其中，O為特征點梯度信息；M為采樣點對個數(shù)；G為采樣點對集合；oP為采樣點對位置，則1rOP和2rOP分別為空間坐標(biāo)中兩個采樣點的二維向量，與之對應(yīng)的區(qū)域灰度均值為1()rOIP和2()rOIP。4.3.2改進(jìn)的FREAK特征提取算法為使FREAK特征提取算法能較準(zhǔn)確獲取文字特征點，減少紋理特征對精度的影響，本文在特征檢測階段進(jìn)行了改進(jìn)，將文字識別領(lǐng)域中的文字筆畫特征點檢測方法應(yīng)用于

【參考文獻(xiàn)】：
期刊論文
[1]基于細(xì)節(jié)特征融合的低照度全景圖像增強(qiáng)[J]. 王殿偉,韓鵬飛,李大湘,劉穎,許志杰,王晶.  控制與決策. 2019(12)
[2]VR實景沉浸式校園漫游系統(tǒng)的設(shè)計與實現(xiàn)[J]. 史慶通,李吉英.  測繪與空間地理信息. 2019(10)
[3]人工智能助力高等教育發(fā)展的動因、特征和方向[J]. 王弘揚,龍耘.  中國高等教育. 2019(20)
[4]基于特征點匹配的全景相機(jī)圖像拼接方法研究[J]. 徐弘禎,李世超,季宇寒,曹如月,張漫,李寒.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(S1)
[5]增強(qiáng)現(xiàn)實技術(shù)在教學(xué)活動中的應(yīng)用研究[J]. 何朝杰,彭韌,張雪.  設(shè)計. 2019(01)
[6]增強(qiáng)現(xiàn)實技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J]. 王宇希,張鳳軍,劉越.  科技導(dǎo)報. 2018(10)
[7]AR技術(shù)與傳統(tǒng)紙媒的交互融合設(shè)計研究[J]. 詹秦川,趙洋.  包裝工程. 2018(06)
[8]基于Vuforia SDK與模型追蹤技術(shù)的PC端AR技術(shù)開發(fā)[J]. 秦承運,朱云龍,戴海波,梁江偉.  信息與電腦(理論版). 2018(03)
[9]如何看待我國的虛擬現(xiàn)實科學(xué)技術(shù)問題[J]. 王志.  中國科學(xué):信息科學(xué). 2017(12)
[10]基于增強(qiáng)現(xiàn)實的兒童圖書設(shè)計研究[J]. 劉彥宏.  藝術(shù)教育. 2017(17)

碩士論文
[1]基于移動增強(qiáng)現(xiàn)實的博物館導(dǎo)覽系統(tǒng)設(shè)計與實現(xiàn)[D]. 虞錦東.沈陽工業(yè)大學(xué) 2018
[2]基于Unity3D的移動增強(qiáng)現(xiàn)實技術(shù)與應(yīng)用研究[D]. 羅永東.青島科技大學(xué) 2015
[3]基于Android的增強(qiáng)現(xiàn)實客戶端的設(shè)計與實現(xiàn)[D]. 戴瑞婷.電子科技大學(xué) 2015
[4]增強(qiáng)現(xiàn)實技術(shù)在教學(xué)中的應(yīng)用研究[D]. 張洪波.河南大學(xué) 2012



本文編號：3288360