基于二进制鲁棒不变尺度关键点-加速稳健特征的自然特征虚实注册方法

针对基于视觉的增强现实(AR)中虚实注册的准确率和实时效果受光照、遮挡和视角变化影响大,易导致注册失败的问题,提出一种基于二进制鲁棒不变尺度关键点-加速稳健特征(BRISK-SURF)算法的自然特征虚实注册方法。首先,利用加速稳健特征(SURF)特征提取算子检测特征点;然后,采用二进制尺度旋转不变鲁棒(BRISK)特征描述算子对特征点进行二进制描述,结合汉明距离实现准确高速的特征匹配;最后,根据图像间的单应性关系实现虚实注册。从图像特征匹配和虚实注册两方面进行实验,结果显示BRISK-SURF算法的平均准确率与SURF算法基本保持一致,比BRISK算法提高了约25%,平均召回率提高了约10%;基于BRISK-SURF的注册方法的结果接近参考标准数据,精度较高,实时性较好。实验结果表明,所提方法对于光照、遮挡和视角情况不同的图像具有较高的识别准确度、注册精度和实时效果。另外,使用此方法实现了基于AR的交互式旅游资源呈现与体验系统。     

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ORB自然特征的AR实时系统实现

针对当前基于自然特征的增强现实效率低,提出一种新的基于ORB自然特征的实时注册方法。提取视频帧与基准图像中的ORB特征点,使用汉明距离匹配,利用RANSAC算法筛选得到最佳匹配点对,确定摄像机的位姿。将三维虚拟物体叠加到真实场景中,达到虚实结合的效果。实验表明,在不同尺度角度、一定环境光变化、复杂背景和基准图像部分遮挡的情况下,该AR系统都具有良好的性能,跟踪定位准确度高,速度基本达到实时要求。     

基于标识与自然纹理特征的三维注册方法研究

三维注册方法是增强现实系统研究的一个重要方面。现有的三维注册方法普遍采用已知标识完成任务；但存在明显的局限性，它必须保证真实场景中标识的可见性。提出了一种基于ARToolKit中规则标识与自然纹理特征的三维注册方法。该方法只在离线图像处理阶段使用一次已知标识就可以完成三维注册，并不需要保证实时注册阶段标识可见，即便纹理部分被遮挡仍能正确注册。这种新方法能够大大提高增强现实系统的适用性。     

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。     

基于标识与自然纹理特征的三维注册方法研究

三维注册方法是增强现实系统研究的一个重要方面。现有的三维注册方法普遍采用已知标识完成任务,但存在明显的局限性,它必须保证真实场景中标识的可见性。提出了一种基于ARToolKit中规则标识与自然纹理特征的三维注册方法。该方法只在离线图像处理阶段使用一次已知标识就可以完成三维注册,并不需要保证实时注册阶段标识可见,即便纹理部分被遮挡仍能正确注册。这种新方法能够大大提高增强现实系统的适用性。     

利用自然特征的增强现实注册算法

在投影重现技术的基础上提出了一种利用自然特征的注册算法.这种算法由两步组成:嵌入和重现.嵌入中指定四个点,这四点在将叠加虚拟物体的地方建立世界坐标系.在重现中,用KLT特征跟踪器来跟踪视频中相应的自然特征,用已跟踪的自然特征来估计图像序列中相应的投影矩阵,接着,用投影重现技术变换所指定的四个点,从而计算出增强矩阵.还提出一种估算投影矩阵的强有力的方法.     

一种基于平面模板的虚实配准算法

虚实配准是增强现实的关键技术。因为有运算量小实时性强的特点，利用平面模板进行虚实配准被广泛使用。本文算法利用平面模板进行虚实配准中的单应性映射关系，建立从平面模板坐标系到摄像机坐标系3维空间坐标转换和从摄像机坐标系到投影平面的3维-2维空间坐标转换，既减小了运算量，又解决了人工定标的问题。在实现虚实配准的基础上，进一步探讨了配准的优化问题，对关键的单应性矩阵进行优化筛选，提高虚实配准的强劲性，实现部分标志点被遮挡情况下的虚实配准。实验结果证明，本文算法成功实现了虚实配准，并在抗遮挡性上有强劲的表现。     

Android的无标识增强现实注册算法实现

为了克服传统增强现实技术的局限性,在Android系统上实现了基于无标识增强现实注册算法.使用ORB和强制匹配算法对特征点进行检测、描述和匹配,再使用RANSAC算法计算单应性矩阵并对匹配结果进行优化,然后计算摄像头位姿并进行滤波处理,最后将三维模型注册到真实场景中,达到了虚实融合的效果.实验结果表明,算法结合Android NDK编程和多线程技术,注册准确,性能较好,能够达到实时的要求,而且在光照和距离发生变化、标志被部分遮挡的情况下鲁棒性较好,克服了传统增强现实技术的局限性,具有一定的研究价值.     

基于增强现实的手术导航系统快速标定算法

针对光学半透式头戴显示器(OST-HMD)在增强现实(AR)中的虚实融合问题,提出了一种基于光学定位跟踪系统的OST-HMD快速标定算法.首先,通过把OST-HMD中的虚拟标记点和其在真实世界中的对应点组成两个三维点集,对虚拟空间到光学定位追踪空间之间的映射进行估计,从而求解虚拟空间到真实场景的转换矩阵.然后,建立整个...     

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。     

结合SURF特征和RANSAC算法的图像配准方法

提出了一种基于SURF特征和RANSAC算法的图像配准方法。首先通过SURF算法对图像进行特征点检测,将欧式距离作为相似性测度进行特征点粗匹配,并通过RANSAC算法剔除误匹配点对;然后利用正确的匹配点对求解仿射变换模型从而实现图像的精确配准。实验结果表明了该方法的精确性和有效性。     

基于SURF算法和SC-RANSAC算法的图像配准

提出了一种融合SURF算法和SC-RANSAC算法的图像配准方法。首先利用SURF算法提取待匹配图像的特征, 然后用最近邻方法找出匹配点, 最后运用SC-RANSAC算法剔除错误的匹配点, 实现图像的正确配准。实验结果表明, 该方法在保持较高的特征点正确匹配率的前提下, 配准速度高于SURF和RANSAC相结合的方法和SIFT和RANSAC相结合的方法。     

基于SUSAN算法的图像配准

通过检测物体的特征点来完成两幅图像的配准。根据USAN区域的描述,采用简化了的SUSAN算法检测刚体的特征点,然后通过找到的特征点和刚体形状不变的特性采用特征点之间的几何关系来配准。实验的结果表明,在无旋转条件下的刚体图像配准中,该算法在特征点提取和图像配准过程中速度比较快。     

基于改进ORB算法的视觉里程计定位方法

针对环境亮度变化导致V-SLAM视觉里程计定位精度不准确的问题,提出一种基于改进ORB算法的视觉里程计定位方法.使用自适应阈值ORB算法提取特征点,提高特征提取的稳定性,通过FLANN进行粗匹配并采用PROSAC算法进行误匹配剔除,同时利用ICP方法进行图像配准求解位姿,使用光束法平差对轨迹图进行优化,采用TUM标准数...     

基于Powell算法与改进遗传算法的医学图像配准方法

针对基于互信息图像配准的局部极值问题,提出一种基于Powell算法与改进遗传算法结合的医学图像配准方法。该方法对标准遗传算法存在的收敛速度慢、易早熟、有可能导致误配的缺陷,提出了相应的改进策略; 采用Logistic混沌映射生成迭代过程中的个体; 运用基于小波变换的多分辨率分析策略,采用混合优化算法在图像的最低分辨率层进行全局优化,以全局最优值,结合Powell算法完成医学图像配准。实验结果表明,所提方法可有效避免优化算子陷入局部极值,并提高了配准速度; 相对于纯Powell方法和未改进的遗传算法,配准的精确度和性能更好。     

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。