论文部分内容阅读
增强现实是将虚拟信息与现实环境相结合来实现交互的可视化技术,作为新兴技术在近些年得到快速地发展。增强现实技术主要包括跟踪注册技术、虚实融合技术以及实时交互技术,而跟踪注册技术是实现增强现实的关键。现有的跟踪注册技术大多采用基于特征点的方式进行目标识别,通过特征点提取、匹配和跟踪进行姿态估计完成虚实融合。本文针对基于特征点方法存在运算速率低、稳定性较差及受复杂环境影响等问题,改进特征点检测匹配算法以提高匹配效率和精度,在此基础上,改进基于区域和特征点的跟踪注册方法以提高跟踪注册的准确性、稳定性和实时性,主要研究内容如下:(1)针对特征点检测匹配算法存在计算复杂度较高和准确性较低的问题,本文提出了结合快速定向二进制描述(Oriented Fast and Rotated Brief,ORB)和快速视网膜关键点(Fast Retina Keypoint,FREAK)的特征点检测匹配算法,提高了特征提取与匹配速度。在匹配点提纯阶段,针对传统随机抽样一致(Random Sample Consensus,RANSAC)算法估计单应性矩阵的不足,利用汉明距离粗过滤错误匹配点对,并将其进行升序排列,采用顺序采样的方式迭代估计最优的单应性矩阵,提高了迭代计算的效率以及单应性矩阵的估计精度,在旋转、尺度、视角及亮度变化下,算法均具有很好的鲁棒性。(2)针对基于特征检测匹配的跟踪注册方法存在计算耗时以及易受复杂环境干扰的问题,本文提出了基于区域的混合跟踪注册方法,采用背景加权(Corrected Background Weighted Histogram,CBWH)的均值漂移算法对目标进行区域跟踪,引入了模板匹配重定位模块以及目标模型更新策略以提高连续跟踪的稳定性,对跟踪到的目标区域采用本文改进的特征点检测匹配算法进行姿态估计,在较复杂的场景下依然能够准确的进行跟踪注册,并且基本满足增强现实实时性的需求。(3)针对基于光流法的跟踪注册方法在姿态跟踪过程中存在特征点丢失无法找回以及误差累计的问题,本文提出了一种基于光流法的特征点选取与姿态恢复的跟踪注册方法,仅对目标区域内进行特征点距离约束优化选取,采用2D特征点与3D空间坐标点一一对应匹配的方式进行姿态估计完成虚实注册,并通过特征点匹配方式及时恢复光流法的特征点跟踪序列和相机姿态,在目标超出边界、遮挡等导致特征点丢失的情况下,相比现有跟踪注册方法在长时间跟踪下更加稳定、鲁棒,且具有极好的实时性。