實時增強現(xiàn)實中運動目標(biāo)及場景的跟蹤注冊關(guān)鍵問題研究.pdf_第1頁
已閱讀1頁,還剩120頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、增強現(xiàn)實技術(shù)是近年來計算機圖形圖像領(lǐng)域中的一個研究熱點,增強現(xiàn)實中的跟蹤注冊決定了增強現(xiàn)實系統(tǒng)的性能,跟蹤注冊的精確度直接影響用戶的體驗。因此,提高跟蹤注冊的精確度具有重要的意義。本文分別對實時增強現(xiàn)實中的運動目標(biāo)跟蹤注冊、模糊運動目標(biāo)跟蹤注冊、已知場景跟蹤注冊以及未知場景跟蹤注冊的關(guān)鍵問題進行了深入研究,具體研究內(nèi)容如下:
  (1)研究了運動目標(biāo)跟蹤注冊問題。首先,本文提出了一種改進的FREAK特征描述符方法,該描述符是基于F

2、REAK描述符的取樣模型基礎(chǔ)上考慮了空間結(jié)構(gòu)的描述符。IFREAK描述符中,每一感受野對存儲多個位,位數(shù)取決于參數(shù)。位數(shù)的增加獲得了更多的冗余信息,從而增強了辨別力。實驗表明,相比于FREAK描述符的存儲方式,IFREAK描述符提高了特征點匹配的精確度。其次,在IFREAK描述符的基礎(chǔ)上本文提出了一種改進的運動目標(biāo)增強現(xiàn)實跟蹤注冊算法。實驗表明,對運動目標(biāo)的跟蹤注冊效果令人滿意。
  (2)研究了模糊運動目標(biāo)跟蹤注冊問題。首先,針

3、對運動模糊嚴(yán)重時容易導(dǎo)致目標(biāo)跟蹤失敗的問題,本文提出了基于高效二階最小化(ESM)的目標(biāo)跟蹤算法ESM-MB。該算法提出一種運動模糊模板匹配的圖像構(gòu)造模型,引入ESM算法,假設(shè)快門曝光的時間已知,用ESM-MB算法跟蹤運動模板。接著,為適應(yīng)攝像機不同的快門速度,提出了ESM-MB-ST跟蹤算法,該算法引入攝像頭快門估計時間作為參數(shù),自適應(yīng)不同快門速度所引起的不同運動模糊。其次,為了使注冊物體的渲染與運動模糊一致,本文提出了一種三維運動下

4、渲染模糊虛擬物體的方法。該方法采用與前面所述相同的圖像構(gòu)造模型,通過混合2D扭曲和3D渲染來產(chǎn)生運動模糊。最后,本文提出了基于ESM-MB-ST的模糊運動目標(biāo)增強現(xiàn)實跟蹤注冊算法。實驗結(jié)果表明對模糊運動目標(biāo)的跟蹤注冊效果令人滿意,本文算法有效。
  (3)研究了已知場景跟蹤注冊問題。首先,針對大范圍已知場景增強現(xiàn)實跟蹤注冊存在注冊效果不佳、速度較慢等問題,本文提出了一種嵌入式CCA蕨分類器(EC蕨分類器)以提高特征點匹配精度。該分

5、類器采用有監(jiān)督的降維方法,引入典型相關(guān)分析(CCA),通過訓(xùn)練確定最佳二元分離參數(shù)。其次,提出了一種基于EC蕨分類器的增強現(xiàn)實跟蹤注冊算法。該算法采用離線訓(xùn)練和在線跟蹤兩個模塊。離線訓(xùn)練模塊對已知場景建立3D點云,然后提取3D特征點的特征描述符,再建立EC蕨分類器。在線跟蹤模塊對輸入視頻進行預(yù)處理,然后檢測特征點并提取特征點描述符;接著用已經(jīng)建立的EC蕨分類器對提取到的描述符進行分類,即進行2D-3D特征點匹配;進一步利用PROSAC算

6、法對已匹配特征點對估計兩圖像的外極幾何關(guān)系,計算攝像機位姿及渲染注冊虛擬物體。實驗表明,本文算法是一種具有更強魯棒性的跟蹤注冊算法,對已知場景的跟蹤注冊效果令人滿意。
  (4)研究了未知場景跟蹤注冊問題。對于未知場景基于EKF-SLAM的跟蹤注冊算法來說,由于EKF-SLAM算法存在非線性算法而引起的誤差累積,這導(dǎo)致了算法的估計結(jié)果不一致的問題。針對這一問題,本文提出了一種IEKF-SLAM算法,該算法利用多項式對EKF-SLA

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論