本文選題：戶外增強現實　切入點：深度學習　出處：《武漢大學》2017年碩士論文　論文類型：學位論文

【摘要】：隨著移動互聯(lián)網的快速發(fā)展,戶外增強現實系統(tǒng)有越來越多的使用場景,如社交、購物、娛樂等。增強現實系統(tǒng)的核心在于跟蹤注冊算法的設計,主流算法為混合跟蹤注冊思想,在混合注冊算法中基于視覺識別的跟蹤注冊最為關鍵,傳統(tǒng)算法以提取特征點為核心,但由于計算量大且精度不高等問題影響著跟蹤注冊的效率。隨著在計算機視覺領域中的深度學習思想的快速發(fā)展,以卷積神經網絡為核心的圖像識別模型也得到普遍應用,并且實驗證明該算法比傳統(tǒng)算法大大提高了圖像識別精度和效率。本文研究了多種用于圖像分類和目標檢測的卷積神經網絡模型,分析了各個模型的優(yōu)缺點,并結合實際的應用在優(yōu)秀的卷積神經網絡SSD(單次檢測模型)模型的基礎上,更換了三層前置網絡結構,較少了網絡的深度,設計了不同長寬比的默認框,從而簡化了模型用于識別戶外的地理目標。參考ImageNet和PASCAL VOC 2007的訓練集,采集數據并設計了訓練和預測的數據集,在深度學習平臺MXNET上訓練簡化的SSD模型,最終得到SSD模型的網絡結構和權重值,該模型的mAP達到58.2%,PC端處理一張圖像的時間為0.03s。本文將深度學習思想用于解決移動增強現實系統(tǒng)中的跟蹤注冊問題,采用基于傳感器的非視覺感知和基于深度學習的視覺識別混合跟蹤注冊方式開發(fā)了移動戶外增強現實原型系統(tǒng),該系統(tǒng)是采用本地客戶端的模式,利用安卓手機的傳感器系統(tǒng)來獲取手機姿態(tài)和當前位置信息,將訓練好的簡化SSD模型作為圖像識別的引擎,使用GPU來完成計算過程,另外,針對地理目標設計了本地的二維和三維增強信息,提供了簡單的交互模式,最終在實際測試中的處理圖像的速度為1.5s,目標識別的置信度在90%左右。
[Abstract]:With the rapid development of mobile Internet, outdoor augmented reality systems have more and more use scenarios, such as social, shopping, entertainment, etc. The core of augmented reality system is to track the design of registration algorithm. The mainstream algorithm is hybrid tracking registration. In the hybrid registration algorithm, visual recognition based tracking registration is the key. The traditional algorithm takes extracting feature points as the core. However, the efficiency of tracking registration is affected by many problems, such as large computation and low precision. With the rapid development of depth learning in the field of computer vision, the image recognition model with convolution neural network as the core is also widely used. Experiments show that the algorithm improves the accuracy and efficiency of image recognition greatly. In this paper, several convolution neural network models for image classification and target detection are studied, and the advantages and disadvantages of each model are analyzed. Combined with practical application, based on the excellent model of convolution neural network (SSD), the three-layer network structure is replaced, the depth of the network is reduced, and the default frame with different aspect ratio is designed. Therefore, the model is used to identify outdoor geographical targets. Referring to the training set of ImageNet and PASCAL VOC 2007, the training and prediction data sets are collected, and the simplified SSD model is trained on the MXNET platform. Finally, the network structure and weight of SSD model are obtained. The mAP of the model reaches 58.2 and the time of processing an image is 0.03s. In this paper, the idea of depth learning is used to solve the problem of tracking registration in mobile augmented reality system. A mobile outdoor augmented reality prototype system is developed by using non-visual perception based on sensor and visual recognition and registration based on deep learning. The system adopts the mode of local client. Using the sensor system of Android phone to obtain the mobile phone attitude and current position information, using the trained simplified SSD model as the image recognition engine, using GPU to complete the calculation process, in addition, The local 2D and 3D enhancement information is designed for geographical targets, and a simple interactive mode is provided. Finally, the speed of image processing in the actual test is 1.5 seconds, and the confidence of target recognition is about 90%.
【學位授予單位】：武漢大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP183;TP391.41

【相似文獻】

相關期刊論文 前10條

1 林P;楊珂;王涌天;劉越;;移動增強現實系統(tǒng)的關鍵技術研究[J];中國圖象圖形學報;2009年03期

2 徐超;;增強現實,3G的潛在“殺手”應用?[J];通信世界;2010年10期

3 ;蘋果兩項新專利解讀:增強現實與半透明屏幕[J];硅谷;2011年15期

4 蔡蘇;宋倩;唐瑤;;增強現實學習環(huán)境的架構與實踐[J];中國電化教育;2011年08期

5 ;移動增強現實國家重大專項正式啟動[J];信息技術與標準化;2012年03期

6 趙越;;基于移動增強現實的學習形式研究[J];科技資訊;2013年06期

7 張健;蔡新元;;“增強現實”在傳統(tǒng)出版領域中的應用探索[J];科技與出版;2013年10期

8 裴燕;;“增強現實”的革命[J];IT經理世界;2013年24期

9 陳靖,王涌天,閆達遠;增強現實系統(tǒng)及其應用[J];計算機工程與應用;2001年15期

10 徐偉平,朱仲濤,丁曉玲,趙強;增強現實硬件平臺的實現與應用[J];實驗技術與管理;2003年01期

相關會議論文 前10條

1 劉越;王涌天;閆達遠;;增強現實系統(tǒng)顯示技術研究[A];第三屆全國數字成像技術及相關材料發(fā)展與應用學術研討會論文摘要集[C];2004年

2 張旭光;閻鎮(zhèn);;面向遙科學實驗的增強現實應用研究[A];第二十三屆全國空間探測學術交流會論文摘要集[C];2010年

3 王倩;高長城;徐大衛(wèi);;基于虛實像結合的增強現實研究[A];圖像圖形技術研究與應用2009——第四屆圖像圖形技術與應用學術會議論文集[C];2009年

4 李丹;黃有群;;增強現實交互技術的研究[A];2007北京地區(qū)高校研究生學術交流會通信與信息技術會議論文集（上冊）[C];2008年

5 葛瑩;;基于視頻影像的地理數據增強現實可視化研究[A];中國地理學會百年慶典學術論文摘要集[C];2009年

6 葛學東;;增強現實一致光照技術研究[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

7 周志穎;鄭思遠;昌明;;增強現實內容管理云平臺在數字科技館中的應用[A];第十六屆中國科協(xié)年會——分16以科學發(fā)展的新視野，努力創(chuàng)新科技教育內容論壇論文集[C];2014年

8 王堅;;虛擬現實和增強現實的人機交互技術[A];計算機技術在工程建設中的應用——第十二屆全國工程建設計算機應用學術會議演講輯錄[C];2004年

9 王紅;周雅;高宇;閆達遠;;光學透視式增強現實系統(tǒng)虛實亮度匹配研究[A];中國光學學會2006年學術大會論文摘要集[C];2006年

10 趙小軍;游旭群;石常秀;甘碩秋;;基于增強現實技術的催眠治療:心理壓力和焦慮[A];心理學與創(chuàng)新能力提升——第十六屆全國心理學學術會議論文集[C];2013年

相關重要報紙文章 前10條

1 本報記者 逄丹;“增強現實”用虛擬美化現實[N];通信產業(yè)報;2010年

2 中國移動研究院業(yè)務研究所 陳志剛;“增強現實”適宜后向收費[N];通信產業(yè)報;2010年

3 本報記者 鄒大斌;增強現實:互聯(lián)網應用的新熱點[N];計算機世界;2011年

4 ;移動增強現實：是炒作還是下一件大事?[N];網絡世界;2010年

5 ;AR：更深刻的現實[N];中國高新技術產業(yè)導報;2002年

6 本報記者 劉霞;2020年的可能和不可能[N];科技日報;2011年

7 特約作者 蘇馳;真亦假時假亦真[N];電腦報;2010年

8 華凌;NASA為商業(yè)飛行員開發(fā)增強現實設備[N];科技日報;2012年

9 荊晶;手機帶你穿越時空,如夢如幻回到從前[N];新華每日電訊;2009年

10 陳志鴻;荷蘭郵票使用“增強現實”技術展現“托塔”情景[N];中國集郵報;2011年

相關博士學位論文 前10條

1 林一;基于上下文感知的移動增強現實瀏覽器構建及優(yōu)化方法研究[D];北京理工大學;2015年

2 趙越;實時增強現實中運動目標及場景的跟蹤注冊關鍵問題研究[D];東北大學;2015年

3 陸平;移動增強現實中的圖像處理關鍵技術研究及應用[D];東南大學;2015年

4 魏小東;面向教育應用的增強現實系統(tǒng)關鍵問題研究[D];北京理工大學;2015年

5 趙新燦;增強現實維修誘導系統(tǒng)關鍵技術研究[D];南京航空航天大學;2007年

6 姚遠;增強現實應用技術研究[D];浙江大學;2006年

7 董子龍;面向增強現實的實時三維跟蹤[D];浙江大學;2010年

8 馮曉偉;增強現實工業(yè)培訓系統(tǒng)研究[D];華東師范大學;2012年

9 桂振文;面向移動增強現實的場景識別與跟蹤注冊技術研究[D];北京理工大學;2014年

10 豐艷;增強現實系統(tǒng)虛實無縫融合相關問題研究[D];上海大學;2007年

相關碩士學位論文 前10條

1 徐靈;增強現實廣告技術的創(chuàng)新擴散研究[D];湖南大學;2012年

2 Pp冬慧;基于增強現實的手部康復訓練系統(tǒng)的研究[D];南京信息工程大學;2015年

3 夏德芳;移動增強現實中位姿計算與靜態(tài)手勢識別交互研究[D];南京理工大學;2015年

4 李潔;基于Android平臺的增強現實系統(tǒng)研究與應用[D];河北農業(yè)大學;2015年

5 張愷夫;基于增強現實的交通安全公益廣告設計及其效果研究[D];哈爾濱工業(yè)大學;2015年

6 康磊;地標性建筑的增強現實系統(tǒng)設計研究[D];哈爾濱工業(yè)大學;2015年

7 趙王軍;面向信息物理Web的增強現實瀏覽器設計與實現[D];浙江大學;2015年

8 彭雪;基于傳感器的增強現實關鍵技術研究[D];上海大學;2015年

9 田遠霞;增強現實下多通道交互模型研究與實現[D];浙江大學;2015年

10 嚴玉若;增強現實中視覺反饋關鍵技術研究[D];上海大學;2015年

，

本文編號：1603663