在增強現(xiàn)實領(lǐng)域,為達到虛擬物體與現(xiàn)實世界交互的效果,需要能感知現(xiàn)實世界中物體的狀態(tài)。因此,平面物體的檢測與追蹤是增強現(xiàn)實系統(tǒng)中的一個重要組成部分,以這兩項技術(shù)為基礎(chǔ)的基于平面物體的增強現(xiàn)實,有著廣泛的應(yīng)用場景。平面物體的檢測與跟蹤在得到平面物體邊界框的基礎(chǔ)上,還需要恢復(fù)物體的6自由度位姿。目前在大視角、遠距離、復(fù)雜背景等情況下的平面物體檢測與跟蹤仍然是一個亟待解決的問題。為此,本文深入了研究平面物體的檢測與跟蹤問題,并提出了一套算法,可以快速檢測出上述困難場景中的多個預(yù)定義平面物體,并在移動端以約100FPS的速度對平面物體的姿態(tài)進行跟蹤,在速度上達到了先進水平。本文的主要貢獻如下:1)提出了一種自頂向下的平面物體檢測算法。通過區(qū)域提議算法初步判斷平面物體可能存在的區(qū)域,得到物體的大致位置與尺度信息,從而降低了平面物體的檢索與對齊的難度�？梢杂行У奶幚韽�(fù)雜背景和遠距離下的多個平面物體的檢測問題。除此之外還加入了對于檢測結(jié)果的驗證算法,防止返回錯誤的檢測結(jié)果。2)在以往算法基礎(chǔ)上提出了一種基于關(guān)鍵幀的平面物體跟蹤框架。使用直接法進行相鄰幀間的跟蹤,使用平面假設(shè)建立局部地圖,使用重投影誤差... 

【文章來源】：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

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．２基于自然標記的增強現(xiàn)實（圖片引自［」］）

圖１．１人工標記（左邊圖片引自ｒ］）。??＿??＿?通他■ｈＪ??圖１．２基于自然標記的增強現(xiàn)實（圖片引自［」］）。??經(jīng)成了應(yīng)用和研究的主流。本文研究的平面物體檢測與追蹤即平面自然標記檢測與追蹤，??以下不加區(qū)分的使用“平面標記”和“平面物體”。??１．３平面硫檢測??給定一幀圖片，平面標記檢測的目的是判斷圖片中是否存在預(yù)設(shè)標記，并且得到標記??的種類和初始位姿�？梢钥吹�，這里實際上要做的事情有兩個：圖像中標記的種類的識別??與標記的對齊。??２??

使用這個碼書可以將待查詢圖像的局部特征轉(zhuǎn)換為ｎ個單詞。假設(shè)這ｎ個單詞中??包含ｍ種不重復(fù)的單詞，統(tǒng)計各個單詞出現(xiàn)的數(shù)目，就可以得到一個長度為ｉｔ的向量來??作為圖像的表示，這個過程如圖１．３：??得到當前幀的表示向量之后，就可以與預(yù)定義的各個標記的表示向量進行比較，從而??得到當前幀對應(yīng)的標記類別。記表示當前幀的向量為％，預(yù)定義的標記對應(yīng)的向量集合為??Ｒ可以得到標記的ＩＤ??ｉ?＝?ａｒｇｍｉｎｒｆ（？；〇，?，Ｖｉ?ｅＶ?（１．１）??ｉ??其中咖Ｑ，叫）表示向量如與向量％之間的歐氏距離。實際使用時，由于碼書中單詞??可能很多，而出現(xiàn)的單詞很少，因此最后得到的向量是稀疏的。在計算時利用這一點可以??得到很快的計算速度。??１．３．１．２?類?ＢｏＷ?棋型??基于ＢｏＷ算法的框架，又有許多改進的算法被提出。Ｌａｚｅｂｎｉｋ等人指出ＢｏＷ只統(tǒng)??計了全局的單詞出現(xiàn)頻率


本文編號：3361932