基于ARKit的增强现实空间交互设计及相关技术研究

发布时间：2021-10-12 18:25

　　近年随着移动设备计算能力的提升和移动端用户体验升级,大量手机应用都借由ARKit平台中各类增强现实功能来构建更丰富的交互体验。然而,目前大部分移动端增强现实应用是通过预先对目标物进行信息注册的方式,实现物体识别、三维定位和实时追踪。由于预注册的方式需要提前获取目标物的信息,对于应用场景有较大限制,并且识别过程不具备泛化性。另外大部分应用在交互模式依然是简单地复用触屏手势交互模式,对于界面在现实空间中的排布和交互模式依然缺少相关研究,限制了空间界面交互模式的发展。本文通过深度学习及计算机视觉中相关技术实现无需预注册的目标识别,并创新性地通过结合点云信息实现三维定位和实时追踪,探索该模式下空间界面排布与交互规则并测试其交互绩效。本文研究内容主要为以下三部分。1.无预注册的目标三维定位研究。通过理论研究与实验测试得出在移动端设备上同时具备较高速度和准确度的网络模型。创新性地通过将ARKit生成点云映射至屏幕坐标,并目标检测得出的二维选框相结合得出目标的三维点云信息。之后通过点云与手机的距离分布,检测出选框中由背景和遮挡物生成的噪声点云,过滤后计算得出目标的三维坐标。最后通过将Deep-Sor... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图１－１论文行文架构图??

?第二章移动端目标检测的技术研宄Ｒ－ＣＮＮ是基于候选区域方法的目标检测算法中最先提出者。其算法思路对简单，总共分为两步：候选区域搜索和对候选区域图像的分类。Ｒ－ＣＮＮ对候选区域的搜索，是通过选择性搜索（Ｓｅｌｅｃｔｉｖｅ?ｓｅａｒｃｈ）算法［３２］来进行的，本上是启发式搜索算法。首先使用区域划分算法，把图片分割成许多小块，之后照层级分组算法通过它们之间的相似度再进行相互合并，而最后的剩下的就是选区域。示意图如下：??

示意图如下：??齡Ｕ?＾?Ｉ??編?ｉｌｉｌ??图２－１选择性搜索方法：上面为分割结果，下面为候选框［３２］??Ｒ－ＣＮＮ首先将图片通过选择性搜索算法进行处理，得出大约２０００个候选区??域，之后再将各个候选区域尺寸修改为固定尺寸，它们全部作为卷积神经网络的??输入分别输入，该卷积神经网络使用ＡｌｅｘＮｅｔ［３］来提取图像特征，最终输出结果??是４０９６维的特征向量。最后将特征向量被作为多类别ＳＶＭ分类器的输入，预??测输出各个候选区域中包含目标属于各个类型的概率。需要针对每个类型来训练??ＳＶＭ分类器，才能通过特征向量来推断其属于该类别的概率大小。为了使定位??更加准确性，Ｒ－Ｃ＿最后还训练了回归模型对边框进行预测。训练样本为（Ｐ，Ｇ），??其中Ｐ＝（Ｐｘ，Ｐｙ，Ｐｗ，Ｐｈ）为候选区域，而Ｇ＝（Ｇｘ，Ｇｙ，Ｇｗ，Ｇｈ）为真实框的位置和大小。??Ｇ的选择是与Ｐ的交并比最大的真实框

【参考文献】：
期刊论文
[1]基于距离的孤立点检测在系统入侵检测的应用[J]. 张继怀.  黑龙江科技信息. 2017(11)
[2]基于深度学习的高铁接触网定位器检测与识别[J]. 陈东杰,张文生,杨阳.  中国科学技术大学学报. 2017(04)
[3]基于卷积神经网络的目标检测研究综述[J]. 李旭冬,叶茂,李涛.  计算机应用研究. 2017(10)
[4]目标跟踪技术综述[J]. 高文,朱明,贺柏根,吴笑天.  中国光学. 2014(03)
[5]离群点挖掘方法综述[J]. 薛安荣,姚林,鞠时光,陈伟鹤,马汉达.  计算机科学. 2008(11)
[6]基于距离和密度的聚类和孤立点检测算法[J]. 刘合兵,尚俊平.  河南师范大学学报(自然科学版). 2008(03)
[7]增强现实综述[J]. 朱淼良,姚远,蒋云良.  中国图象图形学报. 2004(07)

硕士论文
[1]基于深度学习的高铁接触网悬挂目标检测图像处理研究[D]. 狄亚柳.西南交通大学 2018
[2]基于车载视频的道路车辆及行人检测[D]. 唐诗.电子科技大学 2018
[3]数据挖掘离群点检测算法及其在电力设备故障检测中的应用[D]. 冯玉伟.北京邮电大学 2017
[4]基于单目视觉的增强现实技术研究[D]. 张浩.华中科技大学 2005



本文编号：3433085