增强现实中基于视觉的跟踪配准技术的研究

论文摘要

增强现实（Augmented Reality）是90年代初开始兴起的新技术及研究热点,是计算机图形学、图像处理技术、人机交互技术、传感技术的不断发展相结合的产物。增强现实系统通过跟踪用户在现实场景中所处的位置,将计算机生成的图形图像以及声音等虚拟信息叠加在用户感知的真实世界之中,利用辅助的虚拟信息增强用户对真实场景的感知能力。由于要把真实环境和虚拟环境很好的融合成单一的增强环境,必须把虚拟物体叠加到真实环境中的准确位置,这个过程称为配准（registration）,这是现阶段增强现实应用的一个难点。本文在研究摄像机模型及相关标定技术基础上,在基于标志物和无标志物的跟踪配准算法上进行了深入的有实效的研究。在研究基于图像匹配算法方面,对传统的L-K跟踪算法进行了细致深入的研究,对其改进算法进行了比较,并通过仿真对其性能进行了分析。开发了一套新的鲁棒的标志物系统,并提出了一套新的混合角点和纹理信息的跟踪算法。该标志物系统与之前的系统相比具有更加形象,识别更加准确的特点,并且解决了标志物的遮挡问题,实验结果显示该标志物系统稳定可靠。对宽基线匹配算法进行了研究,在此基础上,研究了基于模式分类方法的宽基线匹配,采用两种不同的分类方法进行了实验对比,并开发了一套基于纹理平面的无标志物跟踪系统,该系统能实时稳定地对平面物体进行检测和跟踪,并为增强现实应用提供了算法基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 概述
• 1.2 基于视觉的跟踪配准技术的基本框架和研究现状
• 1.2.1 基于视觉的增强现实系统框架
• 1.2.2 基于标志物的跟踪配准
• 1.2.3 无标志物的跟踪配准
• 1.3 本文的研究目的和内容
• 第二章 增强现实中的三维配准
• 2.1 虚实配准的坐标系统
• 2.2 摄像机的模型
• 2.2.1 摄像机的内部参数
• 2.2.2 摄像机的外部参数
• 2.3 摄像机外部参数的建立
• 2.3.1 直接线性变换（DLT）算法
• 2.3.2 根据空间平面建立外部参数
• 2.4 实验结果
• 2.5 本章小结
• 第三章 基于图像配准的视觉跟踪
• 3.1 L-K 算法
• 3.1.1 L-K 算法简介
• 3.1.2 L-K 算法流程和复杂性分析
• 3.2 反成分（IC）算法
• 3.2.1 IC 算法简介
• 3.2.2 IC 算法的流程和性能分析
• 3.3 超平面近似算法
• 3.3.1 超平面近似算法简介
• 3.3.2 超平面近似算法的流程和性能分析
• 3.4 IC 算法与超平面近似算法的比较
• 3.4.1 实验环境介绍
• 3.4.2 算法运算时间分析
• 3.4.3 算法收敛性分析
• 3.5 本章小结
• 第四章 一种鲁棒的基于标志物的跟踪系统
• 4.1 现有标志物系统
• 4.1.1 ARtoolkit
• 4.1.2 ARSTudio
• 4.1.3 ARtag
• 4.2 标志物的设计
• 4.3 标志物的检测
• 4.3.1 四边形检测
• 4.3.2 标志物识别
• 4.4 标志物的跟踪
• 4.4.1 基于光流计算的角点跟踪
• 4.4.2 基于纹理的跟踪
• 4.4.3 随机采样一致（RANSAC）算法
• 4.4.4 基于角点与纹理的混合跟踪
• 4.5 实验结果
• 4.6 本章小结
• 第五章 一种基于平面纹理的无标志物跟踪系统
• 5.1 目标物体检测
• 5.2 宽基线匹配
• 5.3 基于模式分类的宽基线匹配
• 5.3.1 算法简介
• 5.3.2 训练集的构造
• 5.4 两种分类算法的研究
• 5.4.1 随机树分类
• 5.4.2 朴素贝叶斯分类
• 5.4.3 分类算法对比
• 5.5 基于宽基线匹配的无标志物跟踪配准系统
• 5.6 实验结果
• 5.7 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 不足与展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果