基于增强现实技术的景观交互式系统设计

针对景观交互式系统设计的体验性要求,提出一种增强现实技术的景观交互方法。其中,利用改进的AKAZE算法对图像特征进行提取和匹配提纯,进而获得两张图像上匹配的特征点对的2D坐标;利用AKAZE算法得到的2D坐标,以及结合摄像机标定获得的摄像机内参和畸变参数,对现实场景中特征点的3D坐标进行计算,从而实现户外景观场景的跟踪注册;最后利用3d Max进行三维建模和渲染,实现虚实场景的融合;最后通过系统展示出来。结果表明,在噪声、不作处理和降光条件下,AKAZE算法提取到的图像特征数量最多;同时利用AKAZE+RANSAC+Flann-based对现实场景和虚拟场景的特征点进行匹配提纯,其匹配的数量最多;通过单目SLAM算法的姿态估计,其准确率可到97.5%,高于传统的pnp;最后通过交互界面,可清晰展示现实景观和虚拟景观的融合效果。由此得出,以上构建方法可用于景观体验型设计中,具有一定的工程应用价值。     

基于改进随机蕨的跟踪注册方法研究

针对无标识增强现实跟踪注册方法在复杂环境下存在跟踪注册失败、速度较慢的问题,提出一种基于改进随机蕨的无标识增强现实跟踪注册方法。该方法以真实场景中的目标物体图像作为模板,使用随机蕨分类器进行目标检测,解决环境光照变化或目标被遮挡跟踪注册失败的问题。使用FAST角点进行特征检测提升检测速度,对随机蕨的仿射过程进行改进来弥补特征点尺度不变性和仿射不变性缺失。通过该分类器进行特征匹配,进而估计三维位姿并渲染注册虚拟物体。实验结果证明,该方法具有较好的准确性、实时性和鲁棒性。     

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。     

动态背景下的稀疏光流目标提取与跟踪

目的 针对背景和摄像机同时运动情况下的运动目标提取与跟踪,提出一种基于稀疏光流的目标提取与跟踪新方法。方法 首先,利用金字塔LK光流法生成光流图像匹配相邻两幅图像的特征点,依据光流图像中的位移、方向等光流信息初步划分背景和前景目标的特征点;然后利用中心迭代法去除不属于目标运动区域的噪声特征点;最后,通过前N帧图像目标特征点的最大交集得到属于目标的稳定特征点并在后续帧中进行跟踪。对于后续跟踪图像中存在的遮挡问题,引入了一个基于特征点的遮挡系数,运用Kalman预估算法得到目标位置的预测,并且在目标重新出现时能够迅速定位目标。结果 与已有的光流匹配算法相比,本文算法的目标特征点误检率降低了10%左右,成功跟踪率达到97%;引入预估器使得本文算法对有遮挡运动目标也能够实现准确跟踪和定位。结论 本文算法对复杂动态背景下无遮挡和有遮挡的持续运动目标跟踪均具有准确识别定位性能,满足实时要求,适用于缓慢或者快速移动的运动场景目标提取和目标跟踪。     

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。     

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。     

一种针对大尺度运动的快速光流算法

传统的光流法必须满足一致连贯性假设,不适用于大幅度运动目标的跟踪。为克服复杂场景下,大尺度运动中目标位移量超出特征跟踪窗口带来的光流计算问题,提出了一种针对大尺度运动的快速光流计算方法。引入图像金字塔模型,利用基于多尺度分层的金字塔结构和光流映射变换,实现小窗口捕获大运动。同时,采用非极大值抑制方法保留图像自相关矩阵的大特征值,得到的强角点作为特征点,降低了光流计算的时间开销。实验结果表明,提出的方法在复杂场景和运动条件下,可准确快速地计算出表征目标运动方向和速率的光流矢量,具有较高的鲁棒性和实时性。     

一种基于SIFT特征光流的运动目标跟踪算法

针对传统光流跟踪算法计算复杂度高、受噪声影响大的问题,提出了一种基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)和卡尔曼滤波器的特征点光流跟踪算法。首先,利用SIFT算法提取图像中的特征点;然后,根据最小绝对值误差准则对运动目标的特征点进行匹配,建立卡尔曼滤波器方程来计算特征点光流;最后,通过光流特征聚类实现运动目标的识别与跟踪。实验结果表明,算法对自然场景中的运动目标具有良好的跟踪特性,稳定性好,计算量小,易于实现。     

isMHI结合CAMSHIFT的多目标跟踪

为实现对视频监控场景中多目标的实时跟踪,提出一种基于isMHI与CamShift 的持续跟踪方法。当进入到视频场景中的目标处于运动状态时,该方法基于isMHI对其进行跟踪。当场景中的某些目标转为静止状态时,则基于CamShift 对其进行监视锁定,并确定了两种跟踪状态的承接算法。实验数据表明,该方法通过优点互补克服了基于MHI方法以及基于CamShift 方法各自的缺陷,能够在保持较小错误率基础上实现对视频场景中多个目标的动态或静态状态下的持续、稳定、实时的跟踪,可用于安全保卫应用或交通应用中感兴趣目标的跟踪监控。     

面向基站线束设备的无标志AR布线指导系统构建

为了提高布线效率、保障装配质量,利用增强现实(AR)技术对基站线束设备进行辅助布线。针对线束设备三维注册范围需求大的问题,系统设计架设头顶摄像头,将基于人工标志物与自然特征点的视觉跟踪算法集成入框架,实现对操作载体和线束设备的动态跟踪,数据通信协同实现多坐标系转换,完成大范围的注册配准。同时为了减少人工标志造成额外信息干扰,初始化注册完成后,利用实时感知场景的同步定位与地图构建(SLAM)技术和空间锚技术实现虚拟模型在混合场景的位置保持,简化注册步骤,缩短注册时间,达到无标志目的。     

基于自然场景在线学习的跟踪注册技术

三维注册是移动增强现实的关键技术之一,提出了一种在线学习的跟踪注册方法,能够精确地对自然场景进行跟踪注册.该方法首先改进SURF（speeded up robust features）描述符匹配方法,提高初始注册矩阵的正确性;然后,通过对场景进行有效的在线学习,提高注册精度;最后,利用前一帧的注册矩阵快速恢复已丢失的关键点,以提高注册的速度.实验结果表明,该方法能够较为流畅地对视频帧进行跟踪,并能保持较好的注册精度.     

基于高速公路场景的车辆目标跟踪

车辆目标检测与跟踪是高速公路视频监控系统实时监控获取交通参数的关键步骤.本文提出了一种面向高速公路场景的目标轨迹时序信息结合核相关滤波KCF算法的车辆目标跟踪方法,实现了车辆目标的高精度持续跟踪.该方法首先采用基于深度学习的单目标检测SSD算法,通过建立车辆数据集,实现了适用于高速公路场景的车辆目标的分类与检测.然后,基于目标轨迹时序信息实现目标车辆与轨迹的匹配,并且采用KCF跟踪算法对丢失目标进行预测重定位,从而实现车辆目标轨迹的持续跟踪.实验表明,该跟踪方法精度高,且适应多种不同场景,具有较高的应用价值.     

基于尺度不变特征的光流法目标跟踪技术研究

针对目标跟踪问题中目标和场景动态变化的问题,提出了一种结合尺度不变特征变换（SIFT）和光流估计算法并改进模板更新策略的目标跟踪算法。SIFT特征是一种局部特征,具有尺度和旋转不变性。光流场反映的是一种全局特征,表示像素点强度的变化。SIFT特征点可以很好地满足光流估计的条件。实验结果表明这种改进后的目标跟踪算法能应用于部分遮挡的情况,并且相对于传统光流法具有更高的精确度。     

基于模板跟踪的实时无标志点注册算法

为了解决不依赖于标志点的增强现实系统的环境注册问题,提出了一种基于选定模板跟踪的无标志点注册算法。该算法使用已标定的单目摄像机进行场景捕捉,通过对运动目标上的选定模板进行实时跟踪,获得每帧场景图像中的对应特征,利用透射投影变换计算运动区域的单应性约束后,再结合摄像机内参数,完成对目标的3维姿态估计,从而得到场景的3维环境注册信息。实现了一种基于该算法的无标志点的增强现实系统。介绍了系统结构和工作流程,试验结果验证了理论的正确性和系统的鲁棒性。     

海天背景下三维目标红外成像仿真方法研究

通过建立的目标三维模型和场景数学模型,利用光线跟踪技术与图像融合算法,实现了海天背景下指定场景信息的目标红外成像仿真.首先,介绍仿真的主要流程,然后对建立三维目标信息、实现光线跟踪算法、目标红外图像与背景红外图像融合三部分分别进行了讨论,最后给出了实验生成的海天背景下指定位置的三维目标的仿真红外图像.     

采用主监视窗扩展技术的增强现实三维注册方法

在增强现实三维注册中,采用重新检测策略时顿卡现象严重。提出一种采用主监视窗扩展技术的增强现实三维注册方法。在检测阶段,引入特征点可信度和主监视窗,并设计主监视窗的分割、扩展和调控策略,大幅提升了计算速度;在跟踪阶段,采用基于图像金字塔的光流算法进行特征点跟踪。实验证明,该方法不仅有效缓解了顿卡现象,也提升了系统整体的实时性。     

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。     

基于KCF与改进ORB的增强现实方法

针对增强现实(AR)系统在进行虚拟信息叠加时待注册区域被遮挡的情况,提出一种基于实时特征检测与目标跟踪的AR系统三维注册方法。使用KCF算法对待注册目标区域与模板进行实时FAST特征匹配,通过改进ORB算法,提出SIFT-ORB-MRANSAC融合算法,完成特征点的提取、匹配以及误匹配去除。在此基础上,根据特征点之间的匹配关系计算注册矩阵,通过注册矩阵叠加虚拟信息实现对现实世界的增强。实验结果表明,该方法在光照变化、遮挡以及旋转变换的情况下,可将虚拟信息快速、准确地叠加到待注册区域,提高AR系统的运算效率。     

基于运动目标三维轨迹重建的视频序列同步算法

提出一种利用运动目标三维轨迹重建的视频时域同步算法.待同步的视频序列由不同相机在同一场景中同时拍摄得到,对场景及相机运动不做限制性约束.假设每帧图像的相机投影矩阵已知,首先基于离散余弦变换基重建运动目标的三维轨迹.然后提出一种基于轨迹基系数矩阵的秩约束,用于衡量不同序列子段间的空间时间对准程度.最后构建代价矩阵,并利用基于图的方法实现视频间的非线性时域同步.我们不依赖已知的点对应关系,不同视频中的跟踪点甚至可以对应不同的三维点,只要它们之间满足以下假设:观测序列中跟踪点对应的三维点,其空间位置可以用参考序列中所有跟踪点对应的三维点集的子集的线性组合描述,且该线性关系维持不变.与多数现有方法要求特征点跟踪持续整个图像序列不同,本文方法可以利用长短不一的图像点轨迹.本文在仿真数据和真实数据集上验证了提出方法的鲁棒性和性能.     

结合三维几何形状信息和二维纹理的3D目标匹配

为了实现场景中三维目标与模型之间的匹配,提出了一种结合三维几何形状信息和二维纹理的三维目标匹配方法。首先提取场景中深度图像的尺度不变特征变换(SIFT)特征,用SIFT算法与三维模型重建时所用到的一系列2.5维深度图像进行一一匹配,找到与场景中目标姿态最为相似的深度图像,提取此深度图像的三维几何形状特征与模型进行匹配,实现模型的初始化,即将模型重置到与场景目标相接近的姿态。最后用融合二维纹理信息的迭代就近点（ICP）算法实现场景中目标与模型之间的匹配,从而得到场景中三维目标的准确姿态。实验结果验证了方法的可行性与精确性。