基于视觉定位的混合现实框架

发布时间：2021-01-02 07:51

　　近年来,随着科学技术的发展,各种崭新的人机交互方式开始出现在人们的日常生活中,其中混合现实技术有望改变人们与外部世界进行交互的基本形式。本文主要研究基于视觉定位的混合现实框架。本文采用基于特征点法的ORB-SLAM算法为基础的相机空间定位算法,对视觉里程计的图像特征点和相机位姿估计部分进行改进,实现混合现实框架中虚拟物体的三维注册,并完成三维场景的虚实融合渲染。本文对一些常用的SLAM算法和三维渲染技术进行了研究,取得的主要研究成果如下:（1）改进ORB-SLAM系统中的图像特征点提取与匹配算法。为了在相机拍摄的图像上实时提取分布均匀、数量准确、响应相近的图像特征点,首先,本文采用基于多阈值的FAST角点提取算法,依据分块图像纹理丰富程度调整FAST角点的阈值,多阈值的设定保证各角点之间相应值相近,提取到过量的,分布均匀的FAST角点。然后,本文采用基于四叉树的Shi-Tomasi角点筛选算法获得数量准确的角点集合。此外,采用基于查找表的相似度度量算法,转移图像特征点匹配过程中的运算量,提高视觉里程计中图像特征点匹配的实时性能。（2）改进ORB-SLAM系统中的相机位姿估计算法。在OR... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

精灵宝可梦Go

到更多的关注。基于计算机视觉的相机空间定位技术可以分为三类:基于人工标识的相机空间定位技术、基于自然标识的相机空间定位技术以及基于无标识的相机空间定位技术[7],[8]。1.2.1 基于人工标识的相机定位基于人工标识的相机空间定位技术是较为早期的相机空间定位技术，该技术依赖于一个或多个人工标识进行相机姿态估计。人工标识一般为带有黑色方框的正方形黑白图案，如图 1.3 所示，三维虚拟物体通常以人工标识为参考坐标系进行叠加。在进行相机空间定位时，首先检测中现实场景图像中人工标识的位置，利用正方形人工标识的四个顶点位置计算相机位姿信息。基于人工标识的相机空间定位技术具有算法复杂度低，追踪稳定性强等优点，适合应用于计算能力有限的混合现实系统。由于基于人工标识的相机空间定位技术依赖于事先定义好的人工标识，需要对现实场景进行预先布置，限制了应用场景。此外，人工标识受到大面积遮挡时，无法完成对相机的位姿计算。

西安电子科技大学硕士学位论文空间定位技术。离线条件下，在自然平面图像上提取图像特征点，作为后续图像模板匹配的依据，在实时相机空间定位时，利用模板匹配获得的点对信息估计相机位姿。相较于基于人工标识的相机空间定位技术，基于自然标识的相机空间定位技术需要的自然模板图像无需预先定义，但仍需在应用之前对现实场景中的平面图像进行离线的图像特征点检测。在遮挡问题上，由于图像特征点数量较多，在模板图像部分遮挡时，基于自然标识的相机空间定位技术仍能正常工作。采用基于自然标识的相机定位技术实现的混合现实效果如图 1.4 所示。

【参考文献】：
期刊论文
[1]基于单目视觉的同时定位与地图构建方法综述[J]. 刘浩敏,章国锋,鲍虎军.  计算机辅助设计与图形学学报. 2016(06)



本文编号：2952963