论文部分内容阅读
随着计算机技术的快速发展,增强现实(Augmented Reality,AR)技术得到了越来越多的应用。增强现实顾名思义是将计算机生成的虚拟物体、场景或者相关提示信息叠加到现实世界之中,从而实现对现实环境的“增强”。它能够将真实场景同虚拟物体加以融合,实现虚实空间的一致性结合以及实时交互,其关键技术主要包括:跟踪注册技术、虚实交互技术和虚实融合技术等。本文以提高增强现实系统的用户交互体验为目的,重点研究了基于磁跟踪和Kinect的混合跟踪技术、基于深度信息的虚实融合技术和基于手势识别的人机交互技术。本文的主要工作以及创新点如下:提出了一种基于模糊逻辑的自适应卡尔曼滤波混合跟踪算法。在传统增强现实系统的跟踪注册中存在跟踪注册不精确和不稳定的问题,本文针对这个问题,提出了将磁感应跟踪系统和Kinect跟踪相结合的方式对物体进行跟踪注册,同时通过使用跟踪质量函数对实时跟踪误差估计进行矫正的算法,进一步提高了物体跟踪注册的精确性与稳定性。实验表明,该算法能有效地对多传感器数据进行融合,通过自适应地改变噪声方差,并和跟踪质量函数共同改变多传感器融合数据的权值,在保证稳定性的同时,能准确地对物体进行实时跟踪。提出了一种基于Kinect深度信息和颜色信息融合的虚实遮挡边缘提取算法。基于深度信息的虚实遮挡方法难以在实时的条件下获得足够稠密的深度图,导致在深度图中提取的遮挡边缘精度不高。本文针对这个问题,提出了基于深度信息和颜色信息融合的虚实遮挡高精度边缘提取算法。首先,在Kinect的深度图中提取出一个相对粗糙的遮挡边缘;其次,对深度图像和RGB图像进行配准,使深度信息对应到RGB平面图像上;最后,结合粗遮挡边缘和轮廓信息,利用RGB直方图统计过滤的手段,获得高精度的遮挡边缘。实验表明,通过该算法能有效地提高虚实遮挡边缘提取精度,给予用户更好的视觉感受。实现了一种基于磁感应和Kinect设备混合的手势识别交互系统。传统的增强现实人机交互技术通常使用磁感应跟踪或Kinect单一的设备去完成交互,但是单独的磁感应设备无法完成手势的静态识别,需要借助于数据手套等繁琐复杂的设备;而使用Kinect则需要完成复杂的帧计算和空间信息转换才能完成动态手势识别且缺乏足够的精确性。本文针对以上问题,提出了磁感应设备和Kinect设备混合识别的方式来进行交互,具体使用隐马尔可夫模型利用磁感应坐标去完成动态手势识别,用Kinect完成静态手势识别从而达到了更好的实时性和识别准确率。通过磁感应和Kinect混合识别的优越性实现了较好的真实沉浸感与精确的手部操作识别系统。本文围绕磁感应跟踪设备和Kinect体感设备进行了基于磁感应和Kinect的混合跟踪技术、基于深度信息的虚实融合技术和基于手势识别的人机交互技术研究。一系列相关实验表明了本文所提方法的有效性与创新性。并且,通过将磁感应和Kinect混合使用引入到增强现实技术当中,可以有效地扩展增强现实跟踪注册的鲁棒性和准确性,从而能极大地促进AR技术的发展。