MEEM跟踪和改进ORB特征检测的三维注册方法

针对增强现实系统三维注册在线跟踪模型漂移问题,以及特征检测算法耗时问题导致的注册失败。提出一种基于MEEM跟踪和改进ORB特征检测的三维注册方法。通过MEEM算法对移动对象区域跟踪。对跟踪的目标位置采用ORB算法检测特征点时,采用多尺度空间理论提取稳定特征点,并且采用改进决策树的递归调整方式,同时对特征检测参数设置。利用相邻帧之间特征点的匹配关系求得三维注册矩阵;将跟踪数据集与OpenGL生成的立方体模型进行跟踪注册仿真实验。仿真结果表明,改进ORB特征检测算法对待注册区域的检测具有尺度不变性、更高稳定性以及特征分布均匀,误差相比ORB算法降低约42%,该注册方法在运行过程中基本能够保证误差在7 mm以内;使得AR系统具有较好的实时性、精确性和鲁棒性。     

基于SURF与光流法的增强现实跟踪注册

提出一种基于SURF与光流法相结合的增强现实局部跟踪注册方法。采用光流法对移动对象区域进行跟踪,利用SURF算法仿射、尺度不变性及运算速度快的优点对该区域进行特征提取与匹配,利用相邻帧之间特征点的匹配关系求得三维注册矩阵,在保持注册精确性的同时降低了系统运算时间。实验结果表明该方法达到了实时跟踪与准确注册的效果,并且在环境变化时保持了较好的鲁棒性。     

基于投影技术的增强现实注册方法

注册技术是实现增强现实应用系统的关键问题之一。实现了一种利用投影技术改进了的注册方法。这种注册方法主要包含4个步骤：（1）检测标识和特征点的位置;（2）利用投影技术跟踪摄像机;（3）计算模型视图矩阵;（4）绘制虚拟物体。在初始阶段,指定4个点建立世界坐标系,虚拟物体将会被叠加到这个坐标系上;在注册过程中,利用投影技术跟踪特征点的位置,并计算用于增强的模型视图转换。这种注册方法可以为一般的室内增强现实系统提供所需的精确度和实时性。     

增强现实无标识跟踪注册方法研究综述

增强现实是一种将虚拟物体或信息无缝地融入到真实场景中的技术。无标识跟踪注册作为增强现实的关键技术，无须借助场景中人为添加的标识物即可完成虚实配准。简述无标识跟踪注册问题；概括和总结近年来几类无标识跟踪注册方法的研究进展和现有技术的优缺点；总结现有的增强现实无标识跟踪注册方法存在的问题，展望该领域未来的发展方向。     

基于FAST角点和仿射改进的随机蕨丛的单目视觉实时匹配算法

针对传统配准方法在自然特征粗匹配过程中在线匹配速度较慢、识别率较低的问题,提出一种基于FAST角点与仿射改进的适用于单目视觉实时定位的随机蕨丛匹配方案.该方案基于随机蕨半朴素贝叶斯非层次结构分类模型,突破了传统匹配方案中离线过程与在线过程的对称处理架构.采用FAST角点作为环境自然特征提升检测速度,进而改进随机蕨丛离线过程中稳定点选取、训练片元生成的仿射策略,提升识别率、缩短离线训练时间,最后收缩随机蕨丛规模,缩短在线匹配时耗.室内、外实时匹配定位实验结果表明该方案满足单目视觉定位的实时性、识别率需求.     

基于在线多示例提升随机蕨丛的目标跟踪

为了实现在光线变化、目标形变及背景复杂环境下健壮有效的目标跟踪,提出一种基于在线多示例提升随机蕨丛的目标跟踪方法,通过无限冲激响应（IIR）滤波器实现随机蕨丛分类器的在线增量学习,构建在线随机蕨分类器池,并在在线多示例提升框架下对在线随机蕨进行更新和选取,生成在线多示例提升随机蕨丛分类器,利用该分类器对目标候选区域的采样进行分类以确定目标位置,同时构造正例和负例训练集进行在线增量更新。实验结果表明,复杂环境下,算法具有良好的目标跟踪稳定性。     

增强现实三维注册中标识点匹配算法研究与改进

基于标识点的增强现实系统中,计算机生成的虚拟物体需要正确地注册到相应的标识点上构成对现实环境的增强.针对增强现实三维注册过程中传统算法标识点匹配过程中误识率较高,匹配不够精确的不足,提出了将相对误差法进行改进实现增强现实中的三维注册,同时提出了将基于颜色直方图的图像匹配原理引入增强现实的三维注册过程中,通过实验验证与分析,改进后的匹配算法与传统算法相比减少了标识的误识率,提高了注册精度,已成功应用于增强现实系统的三维注册过程中.     

基于点云匹配的AR饰面作业系统跟踪注册方法

针对建筑机器人饰面作业过程中常因视觉遮挡导致作业效率低的问题,使用增强现实解决遮挡并提出一种基于点云匹配的增强现实跟踪注册方法。利用目标模型点云与作业环境点云的匹配进行目标的初始定位;利用改进的相关滤波跟踪算法对目标进行跟踪获取目标位置;基于迭代最近点法对目标位姿进行估计。在跟踪注册过程中加入位姿优化,保证目标位姿估计精度。为了更加准确地跟踪目标位置,提出一种特征融合和尺度自适应的改进相关滤波目标跟踪算法。通过板材安装实验,表明跟踪注册方法精确性、实时性均较好,最小识别误差达到2.88 mm,具有良好的虚实融合效果。     

基于SURF的增强现实标识物跟踪注册

针对基于标识物的增强现实跟踪注册方法对复杂环境的适应能力和鲁棒性的不足,提出一种用SURF实现标识物跟踪注册的改进算法。用SURF对平面标识物的特征点进行检测与描述,采用K-means算法对检测出的标识物特征点集合进行聚类分析得到其聚类中心,结合对视频图像中标识物的阈值分割与连通域分析,以聚类中心构建标识物的SURF特征点坐标系,通过矩阵变换实现标识物的跟踪注册。实验结果表明,该算法的增强现实系统具备较好的鲁棒性、稳定性和实时性。     

改进TLD与ORB的AR系统长时跟踪注册方法

针对增强现实系统长时跟踪注册需求以及三维跟踪注册时待注册区域尺度变化、光照变化、内外旋转等复杂环境易导致注册失败问题,提出改进TLD跟踪及ORB特征检测的增强现实长时三维注册方法。通过采用TLD长时鲁棒跟踪算法对待注册区域跟踪,并利用待注册位置自适应动态检测策略对TLD算法跟踪-学习-检测的结构机制的实时性和精确度进行优化;利用ORB算法对待注册位置进行特征检测及三维注册矩阵计算;将虚拟信息叠加至待注册位置。选取长时视频序列进行跟踪、检测及注册仿真实验。实验结果表明,改进TLD长时跟踪算法相比TLD算法在OPE精确度方面提升约5%,对待注册位置的跟踪速率提升约2倍,使得AR系统在复杂环境下的长时跟踪注册具有更好的稳定性和鲁棒性。