專利名稱：一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及增強(qiáng)現(xiàn)實(shí)技術(shù)領(lǐng)域，特別是涉及一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法。
背景技術(shù)：
增強(qiáng)現(xiàn)實(shí)技術(shù)(Augmented Reality，簡稱AR)是一種隨著虛擬現(xiàn)實(shí)技術(shù)的發(fā)展而 產(chǎn)生的新興計(jì)算機(jī)應(yīng)用和人機(jī)交互技術(shù)。該技術(shù)借助光電顯示技術(shù)、交互技術(shù)、多傳感器技 術(shù)、計(jì)算機(jī)圖形與多媒體技術(shù)，將計(jì)算機(jī)生成的虛擬環(huán)境與用戶周圍的真實(shí)場景相融合，使 用戶從感官效果上確信虛擬環(huán)境是其周圍真實(shí)場景的組成部分。早期，通常增強(qiáng)現(xiàn)實(shí)系統(tǒng)的應(yīng)用范圍局限于室內(nèi)或戶外的小范圍環(huán)境，研究對象 多是單一或較少目標(biāo)的簡單場景。近年來，隨著增強(qiáng)現(xiàn)實(shí)技術(shù)的發(fā)展，其應(yīng)用范圍和領(lǐng)域也不斷拓寬，研究人員逐漸 開始關(guān)注將增強(qiáng)現(xiàn)實(shí)技術(shù)應(yīng)用于戶外復(fù)雜的大范圍、多目標(biāo)環(huán)境，實(shí)現(xiàn)多種適用于不同應(yīng) 用的系統(tǒng)。主要有如下系統(tǒng)和應(yīng)用1.基于增強(qiáng)現(xiàn)實(shí)技術(shù)的城市導(dǎo)航系統(tǒng)。這一類系統(tǒng)通過GPS和羅盤測定用戶在城 市中的位置和方位，并通過顯示各條路所通往的地點(diǎn)來為用戶進(jìn)行導(dǎo)航，同時(shí)系統(tǒng)還能夠 對用戶的行進(jìn)速度進(jìn)行測量。2.博物館導(dǎo)覽系統(tǒng)。這一類系統(tǒng)使用GPS或藍(lán)牙等技術(shù)定位參觀者在博物館中的 位置，利用羅盤確定用戶朝向或利用視覺技術(shù)識(shí)別用戶所感性的展品，通過向用戶顯示與 展品有關(guān)的各種信息來幫助用戶更好的了解所參觀的展品，使用戶的參觀過程變得豐富、 有趣。3.大范圍古遺址導(dǎo)覽及重現(xiàn)系統(tǒng)。由于，古遺址建筑的重建和修復(fù)是一項(xiàng)復(fù)雜、龐 大的工程，需消耗大量的人力、物力、財(cái)力，易造成對遺址的再次破壞，于是出現(xiàn)了采用增強(qiáng) 現(xiàn)實(shí)技術(shù)來實(shí)現(xiàn)遺址重現(xiàn)的技術(shù)系統(tǒng)。這一類系統(tǒng)通過GPS或藍(lán)牙等技術(shù)定位參觀者的位 置，通過羅盤或視覺技術(shù)來對用戶姿態(tài)進(jìn)行確定，并將與古遺址相關(guān)的信息進(jìn)行增強(qiáng)顯示， 通常包括古遺址的三維原貌模型、遺址歷史介紹等。4.以智能手機(jī)為平臺(tái)的戶外增強(qiáng)現(xiàn)實(shí)應(yīng)用。這一類應(yīng)用使得增強(qiáng)現(xiàn)實(shí)技術(shù)擺脫了 大體積PC平臺(tái)的限制，算法的功耗低、所需存儲(chǔ)空間小。今年，荷蘭一家公司推出了第一款 增強(qiáng)現(xiàn)實(shí)手機(jī)瀏覽器-LayAR。該瀏覽器可運(yùn)行于Android手機(jī)平臺(tái)之上。用戶只需要將手 機(jī)的攝像頭對準(zhǔn)感興趣場景，GPS首先定位用戶所在位置，羅盤判斷攝像頭所面對的方向， 隨后用戶就能在手機(jī)的屏幕下方看到與所拍攝的場景相關(guān)的信息，甚至還包括周邊房屋出 租、酒吧及餐館的打折信息、招聘啟事以及ATM等實(shí)用性的信息。蘋果公司在Iphone手機(jī) 上的這一類應(yīng)用開發(fā)也起步較早，目前，已有多款相應(yīng)的軟件運(yùn)行于Iph0ne3代以及4代產(chǎn) 品之上，如LondonPipes，用戶可以使用這一系統(tǒng)在倫敦街頭進(jìn)行游覽，它可以自動(dòng)識(shí)別建 筑物并向用戶顯示內(nèi)容詳細(xì)的指路信息。以上介紹的戶外增強(qiáng)現(xiàn)實(shí)系統(tǒng)均采用GPS、羅盤等技術(shù)對用戶位置進(jìn)行初步定位，之后使用計(jì)算機(jī)視覺方法對場景進(jìn)行精確識(shí)別并對用戶的姿態(tài)進(jìn)行注冊，最終實(shí)現(xiàn)準(zhǔn)確的 增強(qiáng)顯示。物理傳感器通常存在刷新頻率和定位精度較低的問題，同時(shí)隨著目標(biāo)物體數(shù)量 的增多和視覺識(shí)別的檢索范圍會(huì)增大，視覺方法的識(shí)別準(zhǔn)確率和實(shí)時(shí)性能都會(huì)逐漸下降。 因此，目前大多數(shù)系統(tǒng)采用軟硬件技術(shù)相結(jié)合的定位方式來完成戶外大范圍環(huán)境下的場景 識(shí)別。

發(fā)明內(nèi)容
本發(fā)明的主要目的在于針對戶外環(huán)境范圍大、場景數(shù)量多的特點(diǎn)，提出了一種戶 外環(huán)境下的無標(biāo)增強(qiáng)現(xiàn)實(shí)跟蹤注冊算法。首先，算法提出使用輪廓和紋理兩種混合特征來 對場景進(jìn)行表達(dá)，并通過結(jié)構(gòu)簡單的分類器對混合特征進(jìn)行有監(jiān)督學(xué)習(xí)。同時(shí)結(jié)合二級空 間地理位置信息約束，進(jìn)一步縮小識(shí)別用戶當(dāng)前所處場景的檢索范圍，并在這一范圍內(nèi)使 用以上提出的視覺識(shí)別方法完成場景識(shí)別。其次，將基于模式分類思想的圖像特征點(diǎn)識(shí)別 方法與光流跟蹤方法相結(jié)合提出了混合特征跟蹤算法，實(shí)現(xiàn)了快速、準(zhǔn)確、對存儲(chǔ)空間要求 更低的圖像特征點(diǎn)跟蹤。最后，與場景重建結(jié)果相結(jié)合構(gòu)成了一個(gè)完整的戶外增強(qiáng)現(xiàn)實(shí)無 標(biāo)跟蹤注冊。本發(fā)明的技術(shù)方案是根據(jù)戶外環(huán)境范圍較大、場景種類和數(shù)量較多的特點(diǎn)，算法主要包括離線階段和 在線階段兩個(gè)部分，具體步驟包括(1)離線準(zhǔn)備階段①、為每一個(gè)場景建立來自不同觀察視點(diǎn)的關(guān)鍵幀圖像數(shù)據(jù)庫，進(jìn)行場景稀疏重 建，并對每一個(gè)場景的二級空間地理位置信息進(jìn)行標(biāo)定；②、提取關(guān)鍵幀圖像上的輪廓和紋理混合特征，使用分類器對混合特征集合進(jìn)行 有監(jiān)督學(xué)習(xí)；③、使用改進(jìn)的通用樹分類器對特征點(diǎn)進(jìn)行有監(jiān)督學(xué)習(xí)；(2)在線階段，對每一幅當(dāng)前幀圖像做如下處理④、根據(jù)GPS定位結(jié)果以及離線標(biāo)定的場景二級空間地理位置信息將用戶當(dāng)前所 處場景的檢索范圍進(jìn)行縮?。虎?、提取輪廓和紋理混合特征，由分類器對混合特征進(jìn)行識(shí)別，并在上一步得到的 較小范圍內(nèi)完成場景識(shí)別；⑥、由混合特征跟蹤算法進(jìn)行特征點(diǎn)匹配和跟蹤，建立當(dāng)前幀與其對應(yīng)的關(guān)鍵幀 之間的2D-2D特征點(diǎn)匹配；⑦、將2D-2D對應(yīng)信息與場景重建結(jié)果相結(jié)合得到2D-3D對應(yīng)，計(jì)算攝像機(jī)姿態(tài)， 完成跟蹤注冊。本發(fā)明是一種新的用于戶外增強(qiáng)現(xiàn)實(shí)系統(tǒng)的場景識(shí)別技術(shù)，具有以下優(yōu)點(diǎn)(1)在本發(fā)明的技術(shù)方案中，二級空間位置信息約束的引入以及GPS信息的使用， 在很大程度上縮小了基于視覺方法的場景識(shí)別的檢索范圍，由此進(jìn)一步縮短了后續(xù)場景識(shí) 別過程的處理時(shí)間、實(shí)現(xiàn)了較高的場景識(shí)別成功率。(2)在本發(fā)明的技術(shù)方案中，由于是首先通過使用紋理和輪廓兩種混合特征來對 用戶所在場景進(jìn)行表達(dá)，因此與以往使用單一特征的表達(dá)方式相比，提高了對于戶外復(fù)雜
5場景的表達(dá)能力，F(xiàn)erns分類器的引入更是實(shí)現(xiàn)了對于混合特征的有效的有監(jiān)督學(xué)習(xí)和更 加快速、準(zhǔn)確的識(shí)別。因此，可以為戶外復(fù)雜的大范圍環(huán)境下的增強(qiáng)現(xiàn)實(shí)系統(tǒng)提供較為高 效、準(zhǔn)確的場景識(shí)別結(jié)果。(3)在本發(fā)明的技術(shù)方案中，通用樹分類器的使用提高了圖像特征點(diǎn)匹配的速度、 準(zhǔn)確性和魯棒性，保證了圖像特征點(diǎn)匹配的性能不會(huì)受到場景數(shù)量多少的影響。(4)在本發(fā)明的技術(shù)方案中，圖像特征點(diǎn)匹配和特征點(diǎn)的光流跟蹤相結(jié)合，即確保 了無標(biāo)跟蹤注冊的魯棒性，又滿足了增強(qiáng)現(xiàn)實(shí)對于跟蹤注冊的快速、準(zhǔn)確的要求。


圖1為本發(fā)明中戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法流程圖。圖2為本發(fā)明中場景關(guān)鍵幀圖像以及基于序列圖像的三維重建結(jié)果示意圖。(a) 和(b)是從不同視角觀察的三維點(diǎn)云重建結(jié)果。圖3為本發(fā)明中針對一些物體提取得到的LoG特征點(diǎn)、部分紋理特征、輪廓特征提 取結(jié)果及其PHOG直方圖。圖4為本發(fā)明中Ferns分類器結(jié)構(gòu)演化示意圖。圖5為本發(fā)明中對某一校園環(huán)境進(jìn)行的submap空間地理位置信息標(biāo)注示意圖。圖6為本發(fā)明中依據(jù)隱式和顯式流型約束所選擇的候選基圖像塊及每一類的聚 類中心示意圖。圖7為本發(fā)明中某一幀圖像需要進(jìn)行特征點(diǎn)的重新初始化情況下的示意圖(a) 表示KLT跟蹤過程中某一幀圖像的特征點(diǎn)的數(shù)目較多；(b)示意跟蹤過程中特征點(diǎn)數(shù)目減 少，需要重新初始化；(c)黃色點(diǎn)為重新初始化加入特征點(diǎn)后的點(diǎn)集。圖8為本發(fā)明中算法對某一戶外場景進(jìn)行跟蹤注冊的精度測試結(jié)果，通過重建的 3D點(diǎn)的重投影誤差來表示跟蹤注冊的精度，圖中曲線所示的是每一時(shí)刻對應(yīng)的所有被識(shí)別 3D點(diǎn)的重投影誤差的平均值。圖9為本發(fā)明中算法對某一戶外場景進(jìn)行跟蹤注冊時(shí)處理每一幀圖像所需的時(shí) 間，其中曲線的各波峰所對應(yīng)的是混合特征跟蹤過程中的重新初始化情況，各波峰之間的 每個(gè)階段對應(yīng)兩次重新初始化之間的光流跟蹤過程。圖10為本發(fā)明中算法對于各種環(huán)境和攝像機(jī)運(yùn)動(dòng)變化的魯棒性示意圖，其中包 含了各種攝像機(jī)可能的運(yùn)動(dòng)例如旋轉(zhuǎn)變化、尺度變化、視角變化和快速運(yùn)動(dòng)所導(dǎo)致的圖像 模糊等，以及各種場景變化例如遮擋、光照變化等。圖11為根據(jù)本發(fā)明提出的方法對某校園環(huán)境內(nèi)的若干場景進(jìn)行識(shí)別后得到的識(shí) 別結(jié)果示意圖。
具體實(shí)施例方式下面結(jié)合附圖，對本發(fā)明進(jìn)行詳細(xì)說明。圖1為本發(fā)明中戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法流程圖。詳見針對算法流程中的 各主要步驟實(shí)施方式所進(jìn)行的介紹。圖2為本發(fā)明中某一場景的三維重建示意圖。為了獲得攝像機(jī)的姿態(tài)信息，需要在用戶所處場景的世界坐標(biāo)和其對應(yīng)的圖像坐
6標(biāo)之間建立聯(lián)系。在無標(biāo)增強(qiáng)現(xiàn)實(shí)系統(tǒng)中，場景的世界坐標(biāo)是通過對場景進(jìn)行三維重建而 獲得的。在場景范圍較小的情況下，直接對整個(gè)場景進(jìn)行三維重建較為方便。而在戶外增 強(qiáng)現(xiàn)實(shí)應(yīng)用系統(tǒng)中，用戶所處的整個(gè)環(huán)境范圍較大，場景之間的空間間隔較大，因此，本發(fā) 明提出只針對每個(gè)獨(dú)立的場景進(jìn)行三維重建，避免了對整個(gè)大范圍環(huán)境進(jìn)行重建的問題， 在很大程度上降低了計(jì)算復(fù)雜度和處理時(shí)間并且提高了各場景特征匹配的成功率。目前存在眾多較為成熟的三維重建方法，本發(fā)明采用基于場景序列圖像的三維 重建方法，用圖像序列進(jìn)行三維重建，首先沿著場景周圍拍攝幾幅序列圖像(稱之為關(guān)鍵 幀)，具體做法是針對每一個(gè)場景Si (i = 1，2，. . .，η)，η是場景個(gè)數(shù)，Wi是的場景坐標(biāo) 系，沿著場景拍攝5幅關(guān)鍵幀圖像Ru(j = 1,2, ...，5)(如圖2所示)，Rij表示第i個(gè)場 景中的第j幅關(guān)鍵幀圖像。其中，中間一幅圖像在用戶觀察場景時(shí)最有可能所處的位置進(jìn) 行拍攝，一般這一位置在場景的正前方某處(如圖2中的Ri3)。每個(gè)場景的關(guān)鍵幀圖像除 了要被用于場景重建過程之外，還將被用于場景的有監(jiān)督學(xué)習(xí)。重建過程中從Rij中提取 LoG(Laplacian-of-Gaussian)特征，并由改進(jìn)的通用樹方法進(jìn)行特征識(shí)別匹配。圖3為本發(fā)明中一些物體的LoG特征點(diǎn)、部分紋理特征、輪廓特征提取結(jié)果及其 PHOG直方圖。戶外環(huán)境中的場景復(fù)雜，不同場景所具有的典型特征各不相同。例如建筑物、車 輛等物體的輪廓特征要較其紋理特征更為明顯(如圖3所示)。因此若要使用紋理特征 區(qū)分圖3中的兩個(gè)汽車就可能會(huì)無法得到正確結(jié)果。紋理特征通常用圖像中以特征點(diǎn)為 中心的圖像塊來表示(如圖3中顯示的一些以紅色特征點(diǎn)為中心的紋理特征)。本發(fā)明 提出將紋理與輪廓兩種特征相結(jié)合來描述一個(gè)場景。其中提取紋理特征所需的特征點(diǎn)采 用目前較為常用的LoG(Laplacian-of-Gaussian)特征點(diǎn)，它被證明是目前最穩(wěn)定的局部 特征點(diǎn)算子。在使用LoG特征時(shí)，首先計(jì)算圖像的Laplacian-of-Gaussian多尺度空間， 選取Laplacian算子最大值的尺度值最為圖像的尺度，之后在該尺度上提取特征點(diǎn)。輪廓 特征使用 PHOG (Pyra mid Histogram of Gradient)算子 PHOG 算子是對 HOG，(Histogram ofOriented Gradients)算子的改進(jìn)。PHOG根據(jù)梯度的方向?qū)⑦吘壍奶荻戎祫澐譃棣莻€(gè)區(qū) 域，之后在梯度直方圖的基礎(chǔ)上加入了空間金字塔的特性，進(jìn)一步提高了這一特征的穩(wěn)定 性。為構(gòu)造空間金字塔，在第1層，圖像被分為21個(gè)子區(qū)域，并在子區(qū)域上分別統(tǒng)計(jì)直方圖。如圖4中的二叉樹結(jié)構(gòu)所示，本發(fā)明所使用的Ferns分類器是對隨機(jī)樹分類器 (Randomized Tree)的改進(jìn)。它以二叉樹為基礎(chǔ)，將隨機(jī)樹的hierarchical結(jié)構(gòu)改為flat 結(jié)構(gòu)，通過在每個(gè)子節(jié)點(diǎn)設(shè)置相應(yīng)的測試將特征樣本集合進(jìn)行合理的空間劃分，并最終在 每個(gè)葉節(jié)點(diǎn)統(tǒng)計(jì)出每一類特征的后驗(yàn)概率分布，通過尋找最大后驗(yàn)概率評分將待識(shí)別的目 標(biāo)進(jìn)行分類。Ferns算法將圖像中每一個(gè)圖像塊及其在各種圖像變化下所得的圖像塊視為一個(gè) 類。使用Ferns分類器對一個(gè)圖像塊進(jìn)行識(shí)別，其實(shí)就是要找到與這一個(gè)圖像塊最為相似 的那個(gè)類。令Ck (k = 1，2，3，...，L，類的總數(shù)為L)代表第k個(gè)類；令、(j = 1，2，3，...， Μ)為每個(gè)子節(jié)點(diǎn)分類所需要進(jìn)行的二值測試集合。則將圖像塊進(jìn)行識(shí)別分類的標(biāo)準(zhǔn)是
權(quán)利要求
一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于，包括以下步驟(1)離線準(zhǔn)備階段①、為每一個(gè)場景建立來自不同觀察視點(diǎn)的關(guān)鍵幀圖像數(shù)據(jù)庫，進(jìn)行場景稀疏重建，并對每一個(gè)場景的二級空間地理位置信息進(jìn)行標(biāo)定；②、提取關(guān)鍵幀圖像上的輪廓和紋理混合特征，使用分類器對混合特征集合進(jìn)行有監(jiān)督學(xué)習(xí)；③、使用改進(jìn)的通用樹分類器對特征點(diǎn)進(jìn)行有監(jiān)督學(xué)習(xí)；(2)在線階段，對每一幅當(dāng)前幀圖像④、根據(jù)GPS定位結(jié)果以及離線標(biāo)定的場景二級空間地理位置信息將用戶當(dāng)前所處場景的檢索范圍進(jìn)行縮小；⑤、提取輪廓和紋理混合特征，由分類器對混合特征進(jìn)行識(shí)別，并在上一步得到的較小范圍內(nèi)完成場景識(shí)別；⑥、由混合特征跟蹤算法進(jìn)行特征點(diǎn)匹配和跟蹤，建立當(dāng)前幀與其對應(yīng)的關(guān)鍵幀之間的2D 2D特征點(diǎn)匹配；⑦、將2D 2D對應(yīng)信息與場景重建結(jié)果相結(jié)合得到2D 3D對應(yīng)，計(jì)算攝像機(jī)姿態(tài)，完成跟蹤注冊。
2.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在① 中，場景三維重建的方法不局限于序列幀圖像的計(jì)算方法，可以使用目前已有的各種成熟 三維重建方法來進(jìn)行。
3.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在 ①中，使用二級空間地理位置信息來對環(huán)境中的每一個(gè)場景進(jìn)行表示，這樣一種二級位置 信息的表示方式是第一級信息為這一場景所在的空間區(qū)域信息，該信息的測量可以使用 GPS對其空間范圍進(jìn)行測量和標(biāo)定，并采用經(jīng)緯度來表示這一范圍，這其中空間位置的測量 手段和方式不局限于GPS方法，還可以是通過藍(lán)牙、Wifi等無線空間位置測量方式；第二級 信息為在這一場景在其所在的空間區(qū)域內(nèi)，該場景與區(qū)域內(nèi)的其他場景的相鄰關(guān)系來表示 和確定。
4.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在① 中，確定每個(gè)場景的二級空間地理位置信息時(shí)，依據(jù)整個(gè)環(huán)境范圍的大小以及環(huán)境中場景 的空間密度大小來對整個(gè)環(huán)境的區(qū)域進(jìn)行劃分，每個(gè)區(qū)域范圍的劃分方法和表示單位根據(jù) 使用的測量方式的不同而不同，例如使用GPS作為測量方式，則使用度(° )分(‘)和秒 (“)來作為區(qū)域范圍的表示單位。
5.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在② 中，為了達(dá)到對場景進(jìn)行更加準(zhǔn)確的表達(dá)的目的，使用輪廓和紋理混合特征來表達(dá)場景， 這其中的混合特征也可以是更多種特征的組合，同時(shí)為了對混合特征進(jìn)行有監(jiān)督學(xué)習(xí)和 實(shí)時(shí)的識(shí)別，使用結(jié)構(gòu)較為簡單的分類器對其進(jìn)行訓(xùn)練和識(shí)別，這里的分類器種類可以是 Ferns，也可以是其他能夠進(jìn)行實(shí)時(shí)特征識(shí)別的分類器。
6.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在③ 中，對于圖像特征點(diǎn)的學(xué)習(xí)方法，不局限于通用樹方法，可以是其他種類的符合模式分類思 想的有監(jiān)督學(xué)習(xí)方法。
7.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在④ 中，使用與步驟一中相一致的一級和二級空間位置測量和表示方法來對當(dāng)前場景的空間位 置范圍進(jìn)行縮小。
8.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在⑤ 中，使用與步驟二中相同種類的混合特征和分類器來進(jìn)行基于計(jì)算機(jī)視覺的場景識(shí)別。
9.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在⑥ 中，特征點(diǎn)的匹配和跟蹤方式不局限于將通用樹方法和光流跟蹤相結(jié)合的方法，可以是其 他種類的匹配和跟蹤方法。
10.如權(quán)利要求1所述的一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法，其特征在于在 ⑦中，通過將特征點(diǎn)的匹配結(jié)果與步驟一中的三維重建結(jié)果相結(jié)合，由此得到場景的二維 圖像特征點(diǎn)與三維世界點(diǎn)之間的一一對應(yīng)關(guān)系，并通過優(yōu)化計(jì)算完成攝像機(jī)姿態(tài)的跟蹤注π Π冊。經(jīng)由以上所述的處理之后，便可以實(shí)現(xiàn)戶外環(huán)境下增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊。
全文摘要
本發(fā)明涉及增強(qiáng)現(xiàn)實(shí)技術(shù)領(lǐng)域，特別是涉及一種新的戶外增強(qiáng)現(xiàn)實(shí)無標(biāo)跟蹤注冊算法。首先，本發(fā)明利用二級空間位置信息約束將場景識(shí)別的檢索范圍進(jìn)行縮??；其次，提出使用紋理和輪廓兩種特征來對場景進(jìn)行表達(dá)，并使用結(jié)構(gòu)較為簡單的分類器對兩種特征的后驗(yàn)概率模型進(jìn)行估計(jì)，實(shí)現(xiàn)了基于視覺的場景識(shí)別方法；再次，通過優(yōu)化通用樹方法的基圖像塊選擇方式提高了圖像特征的識(shí)別性能，并與幀間光流跟蹤相結(jié)合，提出了基于混合特征跟蹤的注冊方法。本發(fā)明所使用的無標(biāo)跟蹤注冊算法能夠滿足實(shí)時(shí)性、魯棒性的要求，適用于戶外環(huán)境下的增強(qiáng)現(xiàn)實(shí)應(yīng)用。
文檔編號G06T7/00GK101976461SQ20101052383
公開日2011年2月16日 申請日期2010年10月25日 優(yōu)先權(quán)日2010年10月25日
發(fā)明者劉偉, 劉越, 王涌天, 郭俊偉, 陳靖 申請人:北京理工大學(xué)