實(shí)時(shí)增強(qiáng)現(xiàn)實(shí)中運(yùn)動(dòng)目標(biāo)及場景的跟蹤注冊關(guān)鍵問題研究.pdf

1、增強(qiáng)現(xiàn)實(shí)技術(shù)是近年來計(jì)算機(jī)圖形圖像領(lǐng)域中的一個(gè)研究熱點(diǎn)，增強(qiáng)現(xiàn)實(shí)中的跟蹤注冊決定了增強(qiáng)現(xiàn)實(shí)系統(tǒng)的性能，跟蹤注冊的精確度直接影響用戶的體驗(yàn)。因此，提高跟蹤注冊的精確度具有重要的意義。本文分別對實(shí)時(shí)增強(qiáng)現(xiàn)實(shí)中的運(yùn)動(dòng)目標(biāo)跟蹤注冊、模糊運(yùn)動(dòng)目標(biāo)跟蹤注冊、已知場景跟蹤注冊以及未知場景跟蹤注冊的關(guān)鍵問題進(jìn)行了深入研究，具體研究內(nèi)容如下：
　　(1)研究了運(yùn)動(dòng)目標(biāo)跟蹤注冊問題。首先，本文提出了一種改進(jìn)的FREAK特征描述符方法，該描述符是基于F

2、REAK描述符的取樣模型基礎(chǔ)上考慮了空間結(jié)構(gòu)的描述符。IFREAK描述符中，每一感受野對存儲(chǔ)多個(gè)位，位數(shù)取決于參數(shù)。位數(shù)的增加獲得了更多的冗余信息，從而增強(qiáng)了辨別力。實(shí)驗(yàn)表明，相比于FREAK描述符的存儲(chǔ)方式，IFREAK描述符提高了特征點(diǎn)匹配的精確度。其次，在IFREAK描述符的基礎(chǔ)上本文提出了一種改進(jìn)的運(yùn)動(dòng)目標(biāo)增強(qiáng)現(xiàn)實(shí)跟蹤注冊算法。實(shí)驗(yàn)表明，對運(yùn)動(dòng)目標(biāo)的跟蹤注冊效果令人滿意。
　　(2)研究了模糊運(yùn)動(dòng)目標(biāo)跟蹤注冊問題。首先，針

3、對運(yùn)動(dòng)模糊嚴(yán)重時(shí)容易導(dǎo)致目標(biāo)跟蹤失敗的問題，本文提出了基于高效二階最小化(ESM)的目標(biāo)跟蹤算法ESM-MB。該算法提出一種運(yùn)動(dòng)模糊模板匹配的圖像構(gòu)造模型，引入ESM算法，假設(shè)快門曝光的時(shí)間已知，用ESM-MB算法跟蹤運(yùn)動(dòng)模板。接著，為適應(yīng)攝像機(jī)不同的快門速度，提出了ESM-MB-ST跟蹤算法，該算法引入攝像頭快門估計(jì)時(shí)間作為參數(shù)，自適應(yīng)不同快門速度所引起的不同運(yùn)動(dòng)模糊。其次，為了使注冊物體的渲染與運(yùn)動(dòng)模糊一致，本文提出了一種三維運(yùn)動(dòng)下

4、渲染模糊虛擬物體的方法。該方法采用與前面所述相同的圖像構(gòu)造模型，通過混合2D扭曲和3D渲染來產(chǎn)生運(yùn)動(dòng)模糊。最后，本文提出了基于ESM-MB-ST的模糊運(yùn)動(dòng)目標(biāo)增強(qiáng)現(xiàn)實(shí)跟蹤注冊算法。實(shí)驗(yàn)結(jié)果表明對模糊運(yùn)動(dòng)目標(biāo)的跟蹤注冊效果令人滿意，本文算法有效。
　　(3)研究了已知場景跟蹤注冊問題。首先，針對大范圍已知場景增強(qiáng)現(xiàn)實(shí)跟蹤注冊存在注冊效果不佳、速度較慢等問題，本文提出了一種嵌入式CCA蕨分類器（EC蕨分類器）以提高特征點(diǎn)匹配精度。該分

5、類器采用有監(jiān)督的降維方法，引入典型相關(guān)分析(CCA)，通過訓(xùn)練確定最佳二元分離參數(shù)。其次，提出了一種基于EC蕨分類器的增強(qiáng)現(xiàn)實(shí)跟蹤注冊算法。該算法采用離線訓(xùn)練和在線跟蹤兩個(gè)模塊。離線訓(xùn)練模塊對已知場景建立3D點(diǎn)云，然后提取3D特征點(diǎn)的特征描述符，再建立EC蕨分類器。在線跟蹤模塊對輸入視頻進(jìn)行預(yù)處理，然后檢測特征點(diǎn)并提取特征點(diǎn)描述符;接著用已經(jīng)建立的EC蕨分類器對提取到的描述符進(jìn)行分類，即進(jìn)行2D-3D特征點(diǎn)匹配;進(jìn)一步利用PROSAC算

6、法對已匹配特征點(diǎn)對估計(jì)兩圖像的外極幾何關(guān)系，計(jì)算攝像機(jī)位姿及渲染注冊虛擬物體。實(shí)驗(yàn)表明，本文算法是一種具有更強(qiáng)魯棒性的跟蹤注冊算法，對已知場景的跟蹤注冊效果令人滿意。
　　(4)研究了未知場景跟蹤注冊問題。對于未知場景基于EKF-SLAM的跟蹤注冊算法來說，由于EKF-SLAM算法存在非線性算法而引起的誤差累積，這導(dǎo)致了算法的估計(jì)結(jié)果不一致的問題。針對這一問題，本文提出了一種IEKF-SLAM算法，該算法利用多項(xiàng)式對EKF-SLA