發(fā)布時間：2024-03-10 13:27

　　移動學習以互聯(lián)網(wǎng)為載體,通過計算機技術(shù)打破時空限制,使知識獲取方式更加便捷,進一步推進教育資源共享。但是目前移動學習表現(xiàn)形式單一,實踐不易開展,學習者常處于被動接受地位。增強現(xiàn)實技術(shù)將虛擬三維場景疊加顯示在真實世界場景中使內(nèi)容展示效果直觀立體,但是移動端實時圖像匹配性能存在瓶頸。本文將增強現(xiàn)實技術(shù)與MOOC移動學習模式相結(jié)合,開發(fā)了具有AR互動功能的移動學習平臺,主要工作內(nèi)容為:分析了圖像匹配技術(shù)基本原理,研究基于AKAZE算法(Accelerated-KAZE)的圖像匹配技術(shù)。AKAZE算法構(gòu)建非線性尺度空間通過快速顯式擴散方法加速非線性濾波,使圖像匹配實時性和穩(wěn)定性大幅提升。對比AKAZE算法與ORB算法、BRISK算法在圖像匹配方面綜合性能可知AKAZE算法更符合增強現(xiàn)實技術(shù)中圖像實時匹配性能要求。研究了基于AKAZE算法的圖像匹配工作流程,并將其應用于增強現(xiàn)實技術(shù)跟蹤注冊環(huán)節(jié),通過Unity引擎進行平臺構(gòu)建,OpenCV庫構(gòu)建圖像匹配主程序。用戶使用移動智能設備攝像頭掃描圖像,圖像匹配主程序從視頻流中截取圖像幀,通過AKAZE算法進行圖像特征檢測,通過64位M-LDB描述符對圖...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖２．１區(qū)域特征選擇示意圖??

／／＾ｙ＼碩士學位論之??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??２．１．２圖像特征分類??圖像特征按照提取方式不同可以分為全局特征和局部特征。全局特征主要是指??圖像整體屬性，如方差、梯度、顏色、紋理信息等，這些信息以像素為單位，表示??直觀易于處理。全局特征常用于物體跟蹤和識別，例....

圖２．２特征點匹配示意圖??

丨碩士學位論文??ｖＭ＾ＷＪ）?ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??＿匿??（ａ）?（ｂ＞??圖２．２特征點匹配示意圖??如圖２．２所示，當圖像發(fā)生旋轉(zhuǎn)時，圖２．２（ａ）中提取的特征點絕大多數(shù)都能在圖??２．２（ｂ）中找到對應點，這些特征點就是有效匹配點。??衡量一個特征提取算法穩(wěn)....

圖２．３圖像金字塔示意圖??尺度空間可分為線性尺度空間和非線性尺度空間｜２９］

碩士學位論文??ｖＭ＾Ｕ）?ＭＡＳＴＥＲ?Ｓ?ＴＨＥＳＩＳ??補?ｆ??第３層??＝??雖??圖２．３圖像金字塔示意圖??尺度空間可分為線性尺度空間和非線性尺度空間｜２９］。線性尺度空間主要采用??高斯核函數(shù)進行構(gòu)造．通過高斯濾波生成０組圖像金字塔，每組金字塔有Ｌ層圖??像．這組....

圖２．４?ＲＡＮＳＡＣ算法篩選結(jié)果示意圖??如圖２．４所示，ＲＡＮＳＡＣ算法能夠有效剔除誤匹配特征點對，保留正確匹配的??特征點對，進一步提高圖像匹配的準確率和穩(wěn)定性

／／ｐｙ＼碩士學位論文??ＭＡＳＴＥＲ?Ｓ?ＴＨＥＳＩＳ??相同即為正確匹配，否則為錯誤匹配。??（３）?ＲＡＮＳＡＣ算法…１通過匹配點集來計算兩個圖像單應矩陣，若單應矩陣與??數(shù)據(jù)之間投影誤差小于預設閾值即為正確匹配，否則為錯誤匹配。ＲＡＮＳＡＣ算法通??常分為三個步驟：隨機從....

本文編號：3924863