基于增强现实的自适应跟踪注册方法

针对增强现实跟踪注册过程中遮挡及尺度变换的问题,提出一种基于Camshift和ORB算法的自适应跟踪注册方法.将高斯背景建模和Camshift算法融入到跟踪过程中,实现对目标尺度变化的自适应跟踪;在特征匹配中,将图像与Gauss函数进行卷积和差分运算,得到稳定的尺度空间,使ORB算法提取的特征点具有尺度不变性.实验结果...     

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。     

移动增强现实中视觉三维注册方法的实现

为了提高移动增强现实注册技术的性能,采用了一种基于计算机视觉的注册算法。该方法利用ARToolkit中的标识检测法查找相关的标识和特征点,然后基于视觉三维注册算法得到模型视图矩阵,最后在相应位置绘制虚拟物体。实验结果表明这种注册方法在实时性、稳定性、抗遮挡性方面效果良好,满足移动增强现实系统高精度三维注册的要求。     

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。     

增强现实中三维跟踪注册技术概述

三维跟踪注册技术是增强现实领域中的重要关键技术，通过对现实场景中的图像或物体进行跟踪与定位，将虚拟物体按照正确的空间透视关系叠加到真实场景当中。综述了增强现实中的三维跟踪注册技术（基于计算机视觉的跟踪注册技术、基于硬件传感器的跟踪注册技术以及混合跟踪注册技术），详细阐述了不同跟踪注册技术的优势与不足，并介绍了不同跟踪注册技术的当前应用现状，随后探讨了跟踪注册技术的发展趋势与存在的难题，对三维跟踪注册技术的进一步研究进行了展望。     

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.     

一种基于手眼标定的增强现实跟踪注册方法

手眼标定是机器人领域常用的一种确定机器人末端坐标系和摄像机坐标系之间相互关系的标定方法。跟踪和定位是增强现实研究的热点,跟踪定位通常为复合跟踪系统,结合多传感器跟踪信息,优势互补,达到更高测量精度和准确度。跟踪注册是实现信息有效融合的基本前提。文章将机器人手眼标定引入多传感器跟踪注册,并通过实验验证了这种基于手眼标定的跟踪注册方法的有效性。     

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。     

增强现实跟踪预测方法研究

为提高增强现实系统中标记跟踪注册的实时性,本文基于视频帧图像块匹配运动估计方法,通过连续帧间运动相关性预测标记运动方向,在预测方向区域检测标记,降低了全帧检测标记的时间复杂性。基于 ARToolKit,验证了本方法可显著提高标记跟踪的时间性能。     

一种增强现实系统的三维注册方法

三维注册技术是增强现实系统研究的一个重要方面。现有的增强现实技术三维注册方法都是用平面标志来作为定位基准的,且系统构造较复杂,图象处理所需计算量较大,还会因此引入误差。该文提出了一种使用立体标志物的基于视觉的三维注册方法。该方法只需要一个彩色ＣＣＤ摄像机就可以完成三维环境注册,并且不需要进行复杂的图象处理运算,这种新方法能够有效简化注册系统和算法,并且能消除使用多个传感器的配合误差。     

增强现实中基于视觉与磁力跟踪器的三维注册方法

讨论了如何实现了一种基于三个标志点的视觉式三维注册方法，对电磁式三维注册方法进行了必要的说明，给出了实验平台，同时对实验结果进行了必要的分析说明。实验表明，此方法比较有效。     

基于CenSurE特征的虚实配准方法研究

针对虚实配准的高精度和实时性要求, 提出了一种基于CenSurE特征的自适应虚实配准方法。该方法包括离线初始化和在线跟踪两个阶段。离线阶段系统利用CenSurE-OCT滤波器和MU-SURF描述符进行特征提取和匹配操作, 并根据特征匹配集合建立坐标系, 同时求得虚实配准的初始矩阵。在线跟踪阶段系统采用自适应跟踪方法获取当前图像特征点与参考特征点的对应关系, 然后利用误差逼近的方法求得当前图像的虚实配准矩阵。实验结果表明, 该方法的配准误差均值为1. 91　mm, 运算速度为21 fps, 其综合性能优于基于FAST、SIFT和SURF等局部特征的虚实配准方法, 具有较高的配准精度和较强的实时性。     

局部特征描述改进的LK跟踪注册方法

针对KLT跟踪方法抗光照变化和抗遮挡较差的问题,提出一种使用局部特征描述改进的LK跟踪注册方法(DF-LK)。使用ORB特征点求解初始位姿,通过自适应非极大值抑制重新划分特征点,选择均匀分布的特征点作为LK方法跟踪的控制点集。相邻帧图像之间的单应性矩阵通过在DF描述后的图像上使用LK方法进行求解,跟踪的结果由向前向后错误检测进行评估,由单应性矩阵和初始位姿求解出当前帧的摄像机位姿,并叠加虚拟信息。实验结果表明,该方法在光照变化、部分遮挡和透视变化时均有较好的稳定性和鲁棒性。     

基于改进KCF的跟踪注册方法

针对三维注册易受环境以及目标跟踪检测算法耗时严重、精度低的影响,提出改进KCF(I KCF)的跟踪注册方法。该方法分为4步：（1)利用正则最小二乘分类器的样本训练来获取尺度核相关滤波器和位置信息;（2)搜索尺度核相关滤波器和位置输出响应最大值,完成尺度和目标位置的检测;（3)借鉴MOSSE跟踪器更新方法对模型更新;（4)采用ORB算法对目标位置特征检测并计算出注册矩阵。选取视觉跟踪基准数据集中的6组数据以及拍摄的视频序列仿真实验。仿真结果表明,当目标位置发生旋转、缩放、部分遮挡、光照和运动模糊时,I KCF在精确度、成功率以及效率上总体优于KCF、TLD、Struck和CT算法;且目标位置与OpenGL立方体注册融合度较高;基于I KCF的AR系统具有较好的实时性、稳定性和鲁棒性。     

Marker-less registration based on template tracking for augmented reality

Accurate 3D registration is a key issue in the Augmented Reality (AR) applications, particularly where are no markers placed manually. In this paper, an efficient markerless registration algorithm is presented for both outdoor and indoor AR system. This algorithm first calculates the correspondences among frames using fixed region tracking, and then estimates the motion parameters on projective transformation following the homography of the tracked region. To achieve the illumination insensitive tracking, the illumination parameters are solved jointly with motion parameters in each step. Based on the perspective motion parameters of the tracked region, the 3D registration, the camera’s pose and position, can be calculated with calibrated intrinsic parameters. A marker-less AR system is described using this algorithm, and the system architecture and working flow are also proposed. Experimental results with comparison quantitatively demonstrate the correctness of the theoretical analysis and the robustness of the registration algorithm.

基于SIFT特征跟踪匹配的视频拼接方法

针对不同摄像头的监控视频序列,提出了一种基于视频帧SIFT（Scale Invariant Feature Transform,即尺度不变特征变换）特征跟踪的拼接方法。通过SIFT算法提取帧图像的特征,并在跟踪的估计区域搜索匹配特征,从而确定待整合帧之间的变换参数。实验结果表明,该方法较好实现视频快速拼接,且对重叠区域小、形变大、有运动物体遮挡的视频具有较强的鲁棒性。     

增强现实系统中磁力跟踪注册的精确性研究

为进一步提高增强现实系统的三维注册精度,分析了磁力跟踪系统误差产生原因,在坐标变换校正法的基础上,提出了一种自适应网格线性插值校正法,对跟踪器进行校正.该方法首先将系统所用的整个三维空间划分为空间网格,再建立磁力坐标与真实坐标的对应表,然后对网格进行自适应重划分,最后利用线性插值法对实时磁力坐标进行校正.对该方法进行了详细的分析说明,进行了相关实验,实验结果表明,该方法能够显著提高增强现实系统的跟踪精确度,使虚实结合更自然.     

基于局部特征匹配的多目标跟踪算法

为解决多目标跟踪过程中因遮挡导致跟踪失败的问题,提出一种基于局部特征匹配的跟踪算法。在卡尔曼滤波跟踪框架下,根据目标数据关联的结果判断目标的状态并进行针对性处理。当目标处于相互遮挡的状态时,利用目标的局部模板在当前帧进行匹配获取目标候选区域,利用改进的距离加权彩色直方图计算候选区域与局部模板的相似度,结合直方图的相似度和卡尔曼预测确定目标的位置。实验结果表明,在满足实时性的要求下,该方法能够有效地处理目标的遮挡问题。