基于局部特征描述符的平面标志检测及其应用
发布时间：2021-04-17 22:23
增强现实技术是近年来非常火热的技术之一,有着非常良好的前景。基于平面标志物的增强现实技术是其中非常重要的一部分,并且因为它的稳定高效和应用领域广泛,在很多生活场景中都有用武之地。但是它对于速度,稳定性,通用性,多目标能力等方面越来越高的要求,使得它的进一步普及受到了阻碍,也使得该领域目前仍然有着巨大的机遇和挑战。本文提出并实现了一系列与平面标志物检测和跟踪相关的技术,包括一种基于色彩学和旋转不变的局部特征描述符,一种基于局部特征描述符的平面标志物检测算法,一个能同时检测和跟踪多目标的解决方案,一个增强现实应用的跨平台解决方案等。其中基于色彩学和旋转不变的局部特征描述符经过实验在平面标志检测领域比经典的SIFT描述符有更好的效果和速度。而平面标志物检测算法包含一系列子算法,除了用到了本文提出的局部特征描述符,还有基于四叉树的关键点选择,快速近似最近邻匹配,RANSAC,逆向匹配扩充等算法,经过实验本文的平面标志物检测算法比传统的算法更稳定快速。本文最后整合了这些技术,形成了一个完整的算法流程,实现了一个能够在移动端实时运行的平面标志物增强现实应用实例。这一系列的技术有着广阔的应用前景和发...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图１．１增强现实效果示例（图片（ａ）、（ｂ）、（ｃ）分别引自文献［１］、［２］、［３］）
?第１章绪论??采用纯黑和纯白二色构成图案，如图１．２所示。而自然标志则是使用彩色图像，具有丰富的??纹理特征，我们平日里常见的彩色图片大多可以用作自然标志。不难发现，人工标志相对??于自然标志拥有更易识别的特征，因而往往具有更好的速度和稳定性。而自然标志则因为??其多样性以及良好的外观，能够在更多的场合应用并且产生更好的体验，但是其识别难度??也更大。因此，稳定而迅速的自然标志识别与跟踪是目前行业内研宄的热点。本文的算法??都是针对自然标志设计的，因此当后面的内容提到平面标志时都是指平面自然标记。??囡驪??（ａ）?（ｂ）??图１．２两种人工标志（图片引自Ｗ?）。??现在主流的平面标志物增强现实框架，可以分为纯检测的框架，以及检测和跟踪结合??的框架这两种类型。纯检测的框架在每一帧输入数据上进行物体检测，单独估计位姿。而??检测和跟踪结合的框架
除了?ＯＲＢ描述符，二进制描述符还有诸如ＢＲＩＳＫ描述符问，ＦＲＥＡＫ描述符Ｍ等。??ＢＲＩＳＫ描述符和ＦＲＥＡＫ描述符与ＯＲＢ描述符的主要区别之处在于它们比较位置的“图??案”不同。ＢＲＩＳＫ的呈环状，并且离中心越远高斯核的标准偏差也越大，如图１．３ａ所示。??ＦＲＥＡＫ则借鉴了生物中视网膜的原理，它的位置“图案”呈中心对称，相互叠加，并且内??小外大。如图１．３ｂ所示。??．５??ｊ?〇??■ｔｏ－?、、０Ｉ?〇?卜／－、，?＇??ｏ＇ｗ，＇??＇＊?－？＇、＜＾二，１－）＇１一??－１５?－？０?－４?０?５?１＊０?，‘Ｓ??⑷?（ｂ）??图１．３?ＢＲＩＳＫ和ＦＲＥＡＫ的描述符图案（图片（ａ）、（ｂ）分别引自问、［叫）。??１．２．１．２基于词袋的检测方法??词袋（Ｂａｇ?ｏｆ?Ｗｏｒｄｓ）法一开始是用在自然语言处理以及信息检索之中的网。在该方??法中，文章会被表示成它里面的单词的一个集合，而抛弃了文章原本的语法结构。同时，记??录文章中每个单词出现的次数，并以此将文章用一个向量来表示。向量中的某一维就代表??某一个单词的出现次数。例如
【参考文献】：
博士论文
[1]面向复杂环境的鲁棒高效的三维注册与结构恢复[D]. 刘浩敏.浙江大学 2017
硕士论文
[1]面向增强现实的平面自然标记的识别与跟踪研究[D]. 沈强.浙江大学 2018
本文编号：3144238
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
图１．１增强现实效果示例（图片（ａ）、（ｂ）、（ｃ）分别引自文献［１］、［２］、［３］）
?第１章绪论??采用纯黑和纯白二色构成图案，如图１．２所示。而自然标志则是使用彩色图像，具有丰富的??纹理特征，我们平日里常见的彩色图片大多可以用作自然标志。不难发现，人工标志相对??于自然标志拥有更易识别的特征，因而往往具有更好的速度和稳定性。而自然标志则因为??其多样性以及良好的外观，能够在更多的场合应用并且产生更好的体验，但是其识别难度??也更大。因此，稳定而迅速的自然标志识别与跟踪是目前行业内研宄的热点。本文的算法??都是针对自然标志设计的，因此当后面的内容提到平面标志时都是指平面自然标记。??囡驪??（ａ）?（ｂ）??图１．２两种人工标志（图片引自Ｗ?）。??现在主流的平面标志物增强现实框架，可以分为纯检测的框架，以及检测和跟踪结合??的框架这两种类型。纯检测的框架在每一帧输入数据上进行物体检测，单独估计位姿。而??检测和跟踪结合的框架
除了?ＯＲＢ描述符，二进制描述符还有诸如ＢＲＩＳＫ描述符问，ＦＲＥＡＫ描述符Ｍ等。??ＢＲＩＳＫ描述符和ＦＲＥＡＫ描述符与ＯＲＢ描述符的主要区别之处在于它们比较位置的“图??案”不同。ＢＲＩＳＫ的呈环状，并且离中心越远高斯核的标准偏差也越大，如图１．３ａ所示。??ＦＲＥＡＫ则借鉴了生物中视网膜的原理，它的位置“图案”呈中心对称，相互叠加，并且内??小外大。如图１．３ｂ所示。??．５??ｊ?〇??■ｔｏ－?、、０Ｉ?〇?卜／－、，?＇??ｏ＇ｗ，＇??＇＊?－？＇、＜＾二，１－）＇１一??－１５?－？０?－４?０?５?１＊０?，‘Ｓ??⑷?（ｂ）??图１．３?ＢＲＩＳＫ和ＦＲＥＡＫ的描述符图案（图片（ａ）、（ｂ）分别引自问、［叫）。??１．２．１．２基于词袋的检测方法??词袋（Ｂａｇ?ｏｆ?Ｗｏｒｄｓ）法一开始是用在自然语言处理以及信息检索之中的网。在该方??法中，文章会被表示成它里面的单词的一个集合，而抛弃了文章原本的语法结构。同时，记??录文章中每个单词出现的次数，并以此将文章用一个向量来表示。向量中的某一维就代表??某一个单词的出现次数。例如
【参考文献】：
博士论文
[1]面向复杂环境的鲁棒高效的三维注册与结构恢复[D]. 刘浩敏.浙江大学 2017
硕士论文
[1]面向增强现实的平面自然标记的识别与跟踪研究[D]. 沈强.浙江大学 2018
本文编号：3144238
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3144238.html
