增強(qiáng)現(xiàn)實(shí)可以將虛擬物體疊加到現(xiàn)實(shí)環(huán)境中,增強(qiáng)消費(fèi)者對現(xiàn)實(shí)世界的感受和理解。相比于早期識別場景中的固定標(biāo)志圖,基于自然特征的增強(qiáng)現(xiàn)實(shí)系統(tǒng)成為了研究的重點(diǎn)。自然特征有很多,其中平面是最為常見且最易利用的結(jié)構(gòu),當(dāng)識別到平面就能夠通過三維注冊技術(shù)將虛擬物體渲染到平面上,但是目前存在平面識別不夠精確、平面特征點(diǎn)較少、匹配精度低、分割平面上的物體時(shí)間較長等問題。因此,本文針對以上幾點(diǎn)不足做了以下三項(xiàng)工作:（1）本文以RANSAC為基礎(chǔ),提出了一種基于RANSAC的多平面擬合算法。在顏色特征的輔助下,利用輪廓信息找出平面范圍并過濾噪點(diǎn),對于過濾后的點(diǎn)進(jìn)行了聚類,再將類別映射到三維空間中,為每一個(gè)類擬合平面,最終根據(jù)錯(cuò)誤率劃分權(quán)重,再根據(jù)法向量與距離將面片加權(quán)合并,得到精確的平面參數(shù),該算法不僅能夠擬合出多個(gè)模型,還能夠得到更精確的平面,以改善增強(qiáng)現(xiàn)實(shí)的效果。（2）本文借助了投影思想,提出了一種基于投影生成平面上特征點(diǎn)的算法。該算法考慮相鄰兩幀,假設(shè)Z軸上沒有伸縮,且由于相鄰兩幀時(shí)間較短,本算法首先將相鄰兩幀根據(jù)位姿投影到XOY平面上得到投影圖,計(jì)算投影圖ORB特征并匹配,根據(jù)RANSAC算法過濾誤匹... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－２增強(qiáng)現(xiàn)實(shí)系統(tǒng)流程１９］??Ｆｉｇｕｒｅ?１－２?Ａｕｇｍｅｎｔｅｄ?Ｒｅａｌｉｔｙ?Ｓｙｓｔｅｍ?Ｐｒｏｃｅｓｓ１９１??

，??ｕｎｄｌｅ?Ａｄｊｕｓｔｍｅｎｔ）算法優(yōu)化相機(jī)位姿及路標(biāo)點(diǎn)。２００７年Ｋｌｅｉｎ、Ｍｕｒｒａｙ等人提出???ＰＴＡＭ算法１２７］，該系統(tǒng)基于圖優(yōu)化且存在跟蹤和創(chuàng)建地圖這兩個(gè)獨(dú)立的線程，??蹤線程中，ＰＴＡＭ采用基于斑塊搜索的方法實(shí)現(xiàn)跟蹤，地圖創(chuàng)建線程中優(yōu)化了??鍵幀的位姿及地圖點(diǎn)的坐標(biāo)，這也為之后的ＳＬＡＭ奠定了基礎(chǔ)。Ｒａｕｌ?Ｍｕｒ－Ａｒｔａｌ??人基于ＰＴＡＭ提出了?ＯＲＢＳＬＡＭ系統(tǒng)１＾，該系統(tǒng)在此基礎(chǔ)上多了閉環(huán)檢測的線??，閉環(huán)檢測采用了?Ｂｏｗ（Ｂａｇ?ｏｆ?Ｗｏｒｄｓ，詞袋模型）優(yōu)化局部地圖和全局地圖，最大??度減少位姿累積誤差，具有較強(qiáng)的重定位能力，且該系統(tǒng)不需要主動選定初始??幀，系統(tǒng)根據(jù)平移量和視差自動選擇兩幀初始化，由于該系統(tǒng)采用的是特征點(diǎn)??，所以創(chuàng)建的地圖是稀疏地圖，效果如圖ｌ－３（ａｐ］。而對于直接法來說，由于輸??的是整個(gè)圖像，構(gòu)建的地圖可以為稠密或半稠密地圖，且直接法不需要計(jì)算圖??的描述子，所以直接法實(shí)時(shí)率更高。Ｎｅｗｃｏｍｂｅ等人提出了直接法－ＤＴＡＭ算法??１，該系統(tǒng)基于單像素點(diǎn)采用低基線計(jì)算位姿并構(gòu)建地圖。Ｅｎｇｌｅ等人提出??ＳＤ－ＳＬＡＭ系統(tǒng)，該系統(tǒng)也是基于直接法的思想，匹配大量像素點(diǎn)并進(jìn)行濾波，??后進(jìn)行圖像配準(zhǔn)，能夠較精確的估計(jì)姿態(tài)并能構(gòu)建半稠密地圖，效果如圖ｌ－３（ｂ）???〇??

中存在多個(gè)平面模型便無法擬合，且精度較低。因此本章在其基礎(chǔ)上進(jìn)行改進(jìn)，??提出了基于ＲＡＮＳＡＣ的多平面擬合算法，以保證在多個(gè)模型時(shí)仍能識別到多個(gè)模??型，本章算法簡要流程見圖２－１。首先相機(jī)捕捉實(shí)時(shí)的圖像，求取每一幀的特征點(diǎn)??并進(jìn)行特征匹配，根據(jù)匹配的特征點(diǎn)通過三角化方法求其深度點(diǎn)，將特征點(diǎn)及其??對應(yīng)深度點(diǎn)保存到數(shù)組中，接下來對每一幀的深度點(diǎn)擬合平面模型，得出的參數(shù)??若符合平面特征，基于顏色量化該幀圖像并提取量化后圖像上的所有輪廓，根據(jù)??平面輪廓過濾輪廓外噪點(diǎn)，之后，將該幀特征點(diǎn)進(jìn)行聚類，則對應(yīng)深度點(diǎn)（即三維??點(diǎn)）也分為對應(yīng)類別，接下來對于空間中每一類進(jìn)行平面擬合，并計(jì)算錯(cuò)誤率劃分??權(quán)重，最后對于符合平面參數(shù)的面片根據(jù)法向量和距離加權(quán)合并面片。??特征點(diǎn)對應(yīng)深度點(diǎn)求解??ＦＴ：??當(dāng)前幀特征提＿＾當(dāng)前幀相機(jī)求解特征點(diǎn)??取７姿態(tài)估計(jì)對應(yīng)深度點(diǎn)????”??肝＇法崎?丨＊備點(diǎn)＇?丨過二夕卜??與距離合并＋聚類劃分深＋??面片?度空間?丨隨??圖２－１基于ＲＡＮＳＡＣ的多平面擬合算法框架??Ｆｉｇｕｒｅ?２－１?ＲＡＮＳＡＣ－ｂａｓｅｄ?ｍｕｌｔｉ－ｐｌａｎａｒ?ｆｉｔｔｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｆｒａｍｅｗｏｒｋ??２．２．１當(dāng)前幀特征提取及匹配??在本系統(tǒng)中，相機(jī)實(shí)時(shí)捕捉圖像獲取每一幀，并對每一幀進(jìn)行特征提取，特??征匹配后即可通過三角化計(jì)算深度

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合復(fù)小波域和空間總變分的無參考圖像清晰度評價(jià)[J]. 邵雪,曾臺英,汪祖輝.  包裝工程. 2017(05)
[2]視覺SLAM綜述[J]. 權(quán)美香,樸松昊,李國.  智能系統(tǒng)學(xué)報(bào). 2016(06)
[3]基于相機(jī)姿態(tài)信息的圖像投影[J]. 付森原,陳姝,張鈞,田金文.  計(jì)算機(jī)與數(shù)字工程. 2015(10)
[4]圖像匹配中誤匹配點(diǎn)檢測技術(shù)綜述[J]. 單小軍,唐娉.  計(jì)算機(jī)應(yīng)用研究. 2015(09)
[5]Moravec和Harris角點(diǎn)檢測方法比較研究[J]. 盧瑜,郝興文,王永俊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(06)
[6]圖像分割方法綜述[J]. 郭佳.  中國新技術(shù)新產(chǎn)品. 2011(01)
[7]視覺跟蹤算法綜述[J]. 楊戈,劉宏.  智能系統(tǒng)學(xué)報(bào). 2010(02)
[8]基于漢字標(biāo)志的增強(qiáng)現(xiàn)實(shí)系統(tǒng)[J]. 董子龍,章國鋒,邵元龍,華煒.  中國圖象圖形學(xué)報(bào). 2009(07)
[9]基于自然特征點(diǎn)的實(shí)時(shí)增強(qiáng)現(xiàn)實(shí)注冊算法[J]. 陳靖,王涌天,李玉,胡文澤,藏曉軍.  系統(tǒng)仿真學(xué)報(bào). 2007(22)
[10]彩色圖象量化方法的研究[J]. 凌玲.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2000(01)



本文編號：2983757