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。