增強現(xiàn)實技術(shù)為實現(xiàn)精確的虛實配準,需要準確理解客觀三維世界的空間語義信息。三維跟蹤旨在時間序列中連續(xù)估計目標物體和相機之間的歐式變換關(guān)系,即連續(xù)估計六自由度的位姿參數(shù),該技術(shù)于增強現(xiàn)實之中有重要作用。隨著智能移動設(shè)備和其他可穿戴類產(chǎn)品的普及,基于視覺的三維跟蹤技術(shù)因其簡單精準的特點在AR研究中備受重視,具有廣泛實際的應(yīng)用價值。本文主要關(guān)注基于單目RGB圖像的三維物體跟蹤問題。三維跟蹤有幾十年的研究基礎(chǔ),但仍有許多挑戰(zhàn)性因素限制其在實際中應(yīng)用。一方面,物體本身的物理屬性差異巨大,另一方面,外部環(huán)境有各種棘手因素,如復(fù)雜背景、運動模糊、快速位移等。尤其是,單眼視覺在沒有空間幾何先驗知識的情況下,二維到三維信息的推斷極易受到干擾。近年來深度學(xué)習(xí)展現(xiàn)出強勁的特征抽象和模型擬合能力,在很多學(xué)術(shù)領(lǐng)域取得較大的突破性成果,將深度學(xué)習(xí)應(yīng)用到三維跟蹤問題中已逐步發(fā)展為新的研究趨勢。該方法能夠從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)物體位姿合適的特征描述,具有傳統(tǒng)方法不具備的優(yōu)勢。因此,本文將三維跟蹤問題與深度學(xué)習(xí)結(jié)合,并完成以下工作:首先,提出基于重構(gòu)自編碼的六自由度位姿估計方法。結(jié)合位姿估計的特點,將任務(wù)合理劃分成位置預(yù)測和... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１增強現(xiàn)實應(yīng)用示例圖［２］?［５］??２０１５年，ＡＲ手游Ｐｏｋｅｍｏｎ?ｇｏ［２］開始在世界范圍風(fēng)靡，增強現(xiàn)實成功引爆??

１．３本文主要工作??本文在上述研宄的基礎(chǔ)上，提出一種在復(fù)雜環(huán)境下適用于通用物體（豐富??紋理或弱紋理物體）的自動化三維跟蹤方法。本文算法總體流程如圖１－２所??示。為了與真實環(huán)境中的實物交互，我們首先需要定位物體的位置，并在后續(xù)??過程中持續(xù)跟蹤物體的運動。這種直觀的認識決定算法包括兩個階段，一是初??始化檢測，—＊是時序跟蹤。??＇開始????＾?＼??ＲＧＢ圖像??釆集模塊??０?１??｜初４化?｜跟蹤??｜橇逢??重置??系統(tǒng)狀態(tài)??圖１－２三維跟蹤系統(tǒng)流程圖??初始化狀態(tài)下，系統(tǒng)將檢測物體的位置與輪廓，預(yù)測物體的粗略姿態(tài)，通??過最小化投影輪廓和物體邊緣的距離，迭代優(yōu)化預(yù)測姿態(tài)。跟蹤狀態(tài)下，只關(guān)??注位姿的幀間變化，以上一幀的位姿作為先驗，通過位姿迭代優(yōu)化獲得當前幀??的結(jié)果。為了處理幀間大幅運動或物體出入視野導(dǎo)致的跟蹤丟失，系統(tǒng)可重啟??檢測算法進

２．１＿１相機麵和位化??計算機視覺是一門教機器如何“看”的學(xué)科，從平面圖像信息中獲取空間??立體信息，必定涉及相機幾何模型，其中最經(jīng)典的是針孔相機模型，如圖２－１??所示，它描述了三維點投影的成像過程。下面將從針孔成像原理出發(fā)，建立相??機的數(shù)學(xué)模型，給出其相應(yīng)的數(shù)學(xué)表達。為便于數(shù)學(xué)表達，首先約定三大空間??坐標系：世界直角坐標系、相機直角坐標系、像平面坐標系，具體的成像過程??可分為兩次坐標系之間的轉(zhuǎn)換。??９??


本文編號：3306952