隨著大規(guī)模生產(chǎn)制造逐漸被大規(guī)模定制所取代,制造過程受到了新的挑戰(zhàn)。面對越來越復雜的制造過程,人工操作仍然在特定場景下占據(jù)著重要的位置。但是,人工操作仍然存在著易出錯、標準化程度相對較低和操作熟練度要求高等問題。增強現(xiàn)實是一種能夠把虛擬信息與真實環(huán)境無縫結合以得到真實環(huán)境信息增強的可視化和人機交互技術,更符合人類的認知和學習方式,能夠為人工操作提供更有效的培訓和指導。由于操作過程中人的觀察角度是不受任何限制的,因此被操作目標在觀察者視角中可能處于尺度、旋轉、視角、遮擋、離開視野和模糊等多種變化組合的復雜環(huán)境,環(huán)境中的背景是存在各種其他干擾物體的復雜背景而非單一背景。目前增強現(xiàn)實的核心三維注冊技術在這樣的復雜環(huán)境還存在精度較低、跟蹤穩(wěn)定性較差等問題,導致錯誤顯示或視覺效果不佳,制約著增強現(xiàn)實技術在各個領域特別是工業(yè)領域的應用。針對上述問題,論文采用改進后的ORB和LK混合跟蹤注冊的方法提高在復雜環(huán)境下的三維注冊穩(wěn)定性。具體研究內(nèi)容如下:(1)改進的ORB特征點方法。研究了ORB特征點方法的提取、描述和匹配方法原理和不足。提出了使用非線性尺度空間取代高斯金字塔并改善尺度不變性的問題并研究了其計算和構造方式。研究了自適應非極大值抑制的方法取得更加分散的ORB特征點并減少ORB特征點冗余的問題。對改進前后的ORB方法進行了對比。(2)改進的Lucas Kanade跟蹤方法。研究并分析了LK跟蹤方法的原理以及三種優(yōu)化求解的方法以及LK方法的不足。針對LK方法抗光照變化穩(wěn)定性較差的問題,研究了非線性局部描述子與LK方法結合以及實現(xiàn)上的改進。研究了前向后向錯誤檢測方法評估特征點跟蹤結果并剔除錯誤跟蹤點。(3)基于一致性投票的混合跟蹤方法。提出了ORB和LK方法同時對目標進行跟蹤和數(shù)據(jù)融合的方法�；谝恢滦酝镀钡姆绞綄θ诤系臄�(shù)據(jù)進行投票與聚類,得到閾值內(nèi)最大數(shù)目的聚類后并舍棄其他聚類得到最終的跟蹤結果實現(xiàn)三維注冊。(4)數(shù)據(jù)集實驗與工程環(huán)境實驗。在自然環(huán)境跟蹤數(shù)據(jù)集中驗證論文方法在復雜環(huán)境下的尺度變化、旋轉變化、視角變化、運動模糊、遮擋和目標離開視野的性能。在AR輔助布線系統(tǒng)中驗證論文方法對基站線束設備的跟蹤性能。
【學位單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TH16;TP391.9
【部分圖文】：

c) 裝配指導的應用圖 1-1 增強現(xiàn)實在制造過程中的應用Fig. 1-1 AR application in manufacturing process現(xiàn)實環(huán)境中，用戶可以同時得到真實和虛擬信息的目標。除此之外，在裝配過程中由于可以重復利型，增強現(xiàn)實技術還有利于縮短產(chǎn)品開發(fā)設計與生的自由度和靈活性，適應大規(guī)模定制的制造的裝已經(jīng)廣泛被應用于各個領域，但是現(xiàn)階段大多數(shù)應為產(chǎn)品被真正的用戶所使用。解決方案的可擴展產(chǎn)品化需要考慮的因素。增強現(xiàn)實技術本身也有人的觀察視角是不受限制的，觀察者可以從多個因此，被操作的目標雖然本身沒有移動，但是在視角、目標被遮擋、目標離開視野和運動模糊等

ARToolkit標志和ARTag標志Fig.1-2ARToolkitmarkerandARTagmarker

圖 1-4 基于自然特征的三維注冊方法Fig. 1-4 3D registration method based on natural feature特征的方法，如區(qū)域特征[27]、特征點[28]和模型特較低和對環(huán)境依賴性高等問題。2008 年 Daniel ，在移動設備上實現(xiàn)了基于特征點的三維注冊方法跟蹤方法更進一步提升了運算效率[31]。、BRISK[33]等特征點方法和 BRIEF[34]和 FREAK[35點的方法在實時性上有了很大的改善，特征點的問題，成為了典型的自然特征三維方法。
【相似文獻】

相關期刊論文 前10條

1 秦曉江;;基于混合跟蹤注冊的船舶漫游系統(tǒng)關鍵技術研究[J];艦船科學技術;2017年24期

2 李科;徐克虎;黃大山;;改進的均值漂移和粒子濾波混合跟蹤方法[J];計算機應用;2012年02期

3 楊尚尚;高湘萍;鄭少琦;王賀春;吳鑫鵬;;基于混合跟蹤策略的靜態(tài)目標監(jiān)控系統(tǒng)設計與實現(xiàn)[J];工業(yè)控制計算機;2016年09期

4 于雪松;趙巍;劉鵬;唐降龍;;基于混合跟蹤模型的室內(nèi)步行人體3D運動估計[J];自動化學報;2010年06期

5 左軍毅;張怡哲;王正平;;依賴模板匹配糾錯的混合跟蹤算法[J];計算機應用研究;2010年11期

6 李薪宇;陳東義;;緊耦合多傳感器混合跟蹤算法[J];中國圖象圖形學報;2011年10期

7 余蓓敏;;一種新型太陽能跟蹤控制器的設計[J];通化師范學院學報;2015年04期

8 熊文平;李錦濤;張勇東;劉金剛;;一種有效的體育視頻目標跟蹤算法[J];計算機工程與應用;2006年26期

9 徐升;陳一民;黃晨;陸壬淼;葉聰麗;;增強現(xiàn)實中的混合跟蹤算法研究[J];微型電腦應用;2012年01期

10 李薪宇;陳東義;;基于混合跟蹤的增強現(xiàn)實系統(tǒng)設計與實現(xiàn)[J];計算機應用;2009年10期

相關碩士學位論文 前8條

1 楊靖帆;面向復雜環(huán)境的增強現(xiàn)實混合跟蹤注冊方法[D];廣東工業(yè)大學;2019年

2 孟飛;增強現(xiàn)實中基于視覺和慣性傳感器的混合跟蹤研究[D];電子科技大學;2008年

3 彭雪;基于傳感器的增強現(xiàn)實關鍵技術研究[D];上海大學;2015年

4 任鵬;增強現(xiàn)實中基于視覺的跟蹤配準技術的研究[D];電子科技大學;2008年

5 熊文平;體育視頻中運動目標跟蹤技術研究[D];首都師范大學;2006年

6 陳世寶;混合式光伏發(fā)電自動跟蹤系統(tǒng)研究[D];山東理工大學;2013年

7 劉松;光伏發(fā)電雙軸巡日跟蹤系統(tǒng)的研究[D];安徽工業(yè)大學;2016年

8 張燕;改進的粒子濾波算法在視頻目標跟蹤中的應用研究[D];蘭州理工大學;2013年

本文編號：2871642