论文部分内容阅读
增强现实(Augmented Reality,简称AR)是将由电脑制作的虚拟物体或数字信息,融合到真实的世界中,以增强人们对真实场景的感知能力,使用户具有更直观的视觉体验。AR技术在传媒、医疗、军事、教育等领域具有广泛的应用前景,是计算机视觉领域的研究热点之一。特征匹配和三维注册是AR系统中的两个重要组成部分,因此本文主要研究内容如下:1.对AR技术的国内外研究现状及未来发展方向等做了详细介绍,并对已有的AR系统做了详细调查研究。2.详细阐述了增强现实技术中涉及到的理论背景知识,如数字图像处理相关技术、特征点匹配技术及计算机视觉相关技术。3.改进随机蕨特征匹配算法。随机蕨算法是目前比较成熟且应用较广的特征匹配算法,因其简单和高速而闻名,但是,由于它所训练得到的分类器体积过大,对于低内存的设备来说难以承受,所以在使用上受到诸多限制。为降低分类器的体积,本文提出一种基于方向信息的随机蕨匹特征配算法,该算法利用灰度重心算法将方向信息添加到图像特征属性集,降低模板的旋转对分类器性能的影响,该方法简称方向蕨(Oriented Ferns,简称OFerns)。通过实验证明,在相近识别精度下,得到的分类器的体积减小到原始算法的1/8至1/10,并且没有降低算法的运行速度。4.设计实现了基于OFerns算法的AR系统。特征提取部分采用加速分割测试(Features from Accelerated Segment Test,FAST)算法及图像金字塔算法快速获得多尺度下的特征点。特征匹配部分采用OFerns算法获得特征点对应关系,结合随机抽样一致(RANdom SAmple Consensus,简称RANSAC)算法处理误匹配问题,根据优化过的特征点对应关系计算获得关键帧的单应矩阵,进而进行三维注册,将虚拟物体叠加到真实的场景中。实验表明,在部分遮挡的情况下,本文算法可以仍然可以快速准确的识别出模板。