增強(qiáng)現(xiàn)實(shí)是將虛擬信息與現(xiàn)實(shí)環(huán)境相結(jié)合來(lái)實(shí)現(xiàn)交互的可視化技術(shù),作為新興技術(shù)在近些年得到快速地發(fā)展。增強(qiáng)現(xiàn)實(shí)技術(shù)主要包括跟蹤注冊(cè)技術(shù)、虛實(shí)融合技術(shù)以及實(shí)時(shí)交互技術(shù),而跟蹤注冊(cè)技術(shù)是實(shí)現(xiàn)增強(qiáng)現(xiàn)實(shí)的關(guān)鍵。現(xiàn)有的跟蹤注冊(cè)技術(shù)大多采用基于特征點(diǎn)的方式進(jìn)行目標(biāo)識(shí)別,通過(guò)特征點(diǎn)提取、匹配和跟蹤進(jìn)行姿態(tài)估計(jì)完成虛實(shí)融合。本文針對(duì)基于特征點(diǎn)方法存在運(yùn)算速率低、穩(wěn)定性較差及受復(fù)雜環(huán)境影響等問題,改進(jìn)特征點(diǎn)檢測(cè)匹配算法以提高匹配效率和精度,在此基礎(chǔ)上,改進(jìn)基于區(qū)域和特征點(diǎn)的跟蹤注冊(cè)方法以提高跟蹤注冊(cè)的準(zhǔn)確性、穩(wěn)定性和實(shí)時(shí)性,主要研究?jī)?nèi)容如下:（1）針對(duì)特征點(diǎn)檢測(cè)匹配算法存在計(jì)算復(fù)雜度較高和準(zhǔn)確性較低的問題,本文提出了結(jié)合快速定向二進(jìn)制描述（Oriented Fast and Rotated Brief,ORB）和快速視網(wǎng)膜關(guān)鍵點(diǎn)（Fast Retina Keypoint,FREAK）的特征點(diǎn)檢測(cè)匹配算法,提高了特征提取與匹配速度。在匹配點(diǎn)提純階段,針對(duì)傳統(tǒng)隨機(jī)抽樣一致（Random Sample Consensus,RANSAC）算法估計(jì)單應(yīng)性矩陣的不足,利用漢明距離粗過(guò)濾錯(cuò)誤匹配點(diǎn)對(duì),并將其進(jìn)行升序排列,采... 

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 課題國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于人工標(biāo)識(shí)的跟蹤注冊(cè)技術(shù)
        1.2.2 基于無(wú)標(biāo)識(shí)的跟蹤注冊(cè)技術(shù)
    1.3 論文研究的內(nèi)容
    1.4 論文章節(jié)安排
2 跟蹤注冊(cè)相關(guān)理論及技術(shù)基礎(chǔ)
    2.1 特征點(diǎn)檢測(cè)與匹配
        2.1.1 特征點(diǎn)檢測(cè)
        2.1.2 特征點(diǎn)匹配
    2.2 目標(biāo)跟蹤
        2.2.1 基于特征點(diǎn)的跟蹤
        2.2.2 基于區(qū)域的跟蹤
    2.3 相機(jī)姿態(tài)估計(jì)
        2.3.1 跟蹤注冊(cè)涉及的坐標(biāo)系
        2.3.2 攝像機(jī)外部參數(shù)求解
        2.3.3 攝像機(jī)內(nèi)部參數(shù)標(biāo)定
    2.4 本章小結(jié)
3 特征點(diǎn)檢測(cè)與匹配
    3.1 特征點(diǎn)提取與描述
        3.1.1 ORB特征點(diǎn)提取
        3.1.2 FREAK特征點(diǎn)描述
    3.2 改進(jìn)RANSAC算法
    3.3 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
4 基于區(qū)域的混合跟蹤注冊(cè)方法
    4.1 基于CBWH均值漂移的混合跟蹤算法
        4.1.1 CBWH均值漂移跟蹤算法
        4.1.2 目標(biāo)重定位
        4.1.3 背景及目標(biāo)模型更新
    4.2 基于CBWH均值漂移的混合跟蹤注冊(cè)方法
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 目標(biāo)跟蹤結(jié)果
        4.3.2 相機(jī)姿態(tài)跟蹤及虛擬模型注冊(cè)結(jié)果
    4.4 本章小結(jié)
5 基于特征點(diǎn)的跟蹤注冊(cè)方法
    5.1 光流法原理
        5.1.1 金字塔光流法
        5.1.2 現(xiàn)有基于光流法的跟蹤注冊(cè)方法
    5.2 改進(jìn)的基于光流法的跟蹤注冊(cè)方法
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 特征點(diǎn)選取
        5.3.2 相機(jī)姿態(tài)跟蹤結(jié)果
        5.3.3 虛實(shí)注冊(cè)效果
    5.4 本章小結(jié)
6 結(jié)論與展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)的目標(biāo)跟蹤算法綜述[J]. 李璽,查宇飛,張?zhí)熘?崔振,左旺孟,侯志強(qiáng),盧湖川,王菡子.  中國(guó)圖象圖形學(xué)報(bào). 2019(12)
[2]一種改進(jìn)的戶外移動(dòng)增強(qiáng)現(xiàn)實(shí)三維注冊(cè)方法[J]. 黃碧輝,吳勇,鄭森源,林月煌.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2019(12)
[3]基于視覺的增強(qiáng)現(xiàn)實(shí)三維注冊(cè)技術(shù)綜述[J]. 侯守明,韓吉,張煜東,朱子秋.  系統(tǒng)仿真學(xué)報(bào). 2019(11)
[4]基于機(jī)器視覺的增強(qiáng)現(xiàn)實(shí)盲區(qū)裝配方法[J]. 王增磊,晏玉祥,韓德川,白曉亮,張樹生.  西北工業(yè)大學(xué)學(xué)報(bào). 2019(03)
[5]尺度及主方向改正的ORB特征匹配算法[J]. 柴江龍,樊彥國(guó),王斌,韓志聰.  計(jì)算機(jī)工程與應(yīng)用. 2019(13)
[6]基于核相關(guān)濾波器無(wú)標(biāo)識(shí)AR的目標(biāo)跟蹤仿真[J]. 張志利,王超,龍勇,王韶迪.  系統(tǒng)仿真學(xué)報(bào). 2018(11)
[7]移動(dòng)增強(qiáng)現(xiàn)實(shí)跟蹤注冊(cè)技術(shù)概述[J]. 劉佳,王強(qiáng),張小瑞,陸熊.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[8]基于順序采樣評(píng)估的二進(jìn)制特征匹配方法[J]. 賀黎,周傳偉,張坤,石朝俠.  計(jì)算機(jī)工程. 2017(08)
[9]基于三維標(biāo)識(shí)物的虛實(shí)配準(zhǔn)方法研究[J]. 盧韶芳,韓雪,關(guān)馨.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(03)
[10]基于改進(jìn)RANSAC算法的單應(yīng)矩陣魯棒估計(jì)方法[J]. 夏克付,李鵬飛,陳小平.  計(jì)算機(jī)工程與應(yīng)用. 2017(23)

碩士論文
[1]無(wú)標(biāo)識(shí)增強(qiáng)現(xiàn)實(shí)實(shí)時(shí)場(chǎng)景識(shí)別與跟蹤注冊(cè)算法研究[D]. 秦鳴謙.重慶郵電大學(xué) 2018
[2]增強(qiáng)現(xiàn)實(shí)系統(tǒng)中的實(shí)時(shí)穩(wěn)定姿態(tài)跟蹤[D]. 李磊.華中科技大學(xué) 2017
[3]基于平面特征點(diǎn)的增強(qiáng)現(xiàn)實(shí)注冊(cè)算法研究[D]. 蔡洪柱.杭州電子科技大學(xué) 2013



本文編號(hào)：3690429