面向线缆装配引导的AR跟踪注册方法研究
发布时间:2021-08-04 04:49
增强现实(Augmented Reality,AR)是一种新型的人机交互技术,它通过计算机将虚拟信息实时叠加到真实场景中,为用户提供虚实融合的图像引导。其中,跟踪注册技术是AR线缆装配引导系统的关键技术之一,它是实现虚拟引导信息和装配现场“无缝”融合的基础,直接决定了AR线缆装配引导系统的性能与用户体验。因此研究跟踪注册具有重要的理论意义和工程价值。论文主要研究内容如下:1.研究了模板匹配算法原理、基本模型的跟踪注册算法和AR跟踪注册方法的基本思想及工作流程,为AR跟踪注册方法的研究提供了理论基础。2.研究了基于线性并行多模态(LINE Multimodal,LINE-MOD)模板匹配的线缆装配体跟踪注册初始化方法。针对现有的LINE-MOD模板匹配只能在固定尺度对刚性物体进行识别,以及现有的跟踪注册方法需要人为装配引导坐标系初始化的问题,该方法首先在离线阶段对多视角线缆装配体图像进行采集、梯度方向提取及量化和梯度方向扩展。然后通过模板匹配实现对线缆装配体的识别与位姿初始化。引入深度信息,获得改进的LINE-MOD模板匹配。最后通过实验表明,该方法能完成线缆装配体在多尺度下的识别,并实...
【文章来源】:重庆邮电大学重庆市
【文章页数】:75 页
【学位级别】:硕士
【部分图文】:
椒盐噪声实
重庆邮电大学硕士学位论文第3章基于LINE-MOD模板匹配的线缆装配体跟踪注册初始化方法20模糊化状态。实验结果表明,本文提出了改进的LOG算子图像预处理算法相对于传统LOG算子图像预处理算法,能有效地去除图像的噪声,并且更好地保留图像的边缘信息。(a)线缆装配场景原图(b)椒盐噪声实验原图(c)传统LOG算子(d)改进LOG算子图3.1椒盐噪声实验结果图(a)线缆装配场景原图(b)模糊化实验原图(c)传统LOG算子(d)改进LOG算子图3.2模糊图片实验结果图
重庆邮电大学硕士学位论文第3章基于LINE-MOD模板匹配的线缆装配体跟踪注册初始化方法22同时保存获取到的每一幅图像所对应相机的采集位置和姿态。由于对CAD环境中的线缆装配体模型进行离线训练时,需要考虑到其采样视角的范围不能按照均匀分布进行,造成采样密度过小或过大,以及出现半球表面采样[64,65]极点处等问题。对线缆装配体进行多视角图像采集时,本文选用正二十面体表面对线缆装配体进行多视角图像采样,主要将该正二十面体进行均匀划分,其中将它的每一个面平均分成四份,然后对已分成的每一份再进行迭代划分。为了考虑图像采集时运算的速度和精度,在正二十面体的每一个面,对线缆装配体进行图像采样时,将选择迭代2次进行图像采集,并且形成的16个等边三角形将处于正二十面体的每一个面上。将线缆装配体模型放置于CAD环境中,该线缆装配体模型主要是位于正二十面体中心。正二十面体表面上的每一个三角形的顶点可作为线缆装配体模型的图像采样视点,线缆装配体三维CAD模型离线采样示意图,如图3.3所示:图3.3线缆装配体三维CAD模型离线采样示意图对线缆装配体本身结构进行分析,可发现线缆装配体存在许多对称结构,可根据这种对称的性质,从而可降低对其采样的数量,同时可提高对其识别和跟踪的速度。对于该结构,在经度和纬度上的采样区间分别为00~180和00~90。在00-45~45的图像采样区间中,将形成四个旋转角度,为了表示在同一位置上,对不同视角下的图像进行采样。在多视角下获取线缆装配体模型的图像以作为参考图像,同时记录相机的采集位置和姿态。然后将该参考图像进行特征提取,如梯度方向描述符特征,并将所提取到的特征存储到XML文件中。采集后的部分线缆装配体三维CAD模型不同视角下的模板图像如图3.4所示:
本文编号:3321037
【文章来源】:重庆邮电大学重庆市
【文章页数】:75 页
【学位级别】:硕士
【部分图文】:
椒盐噪声实
重庆邮电大学硕士学位论文第3章基于LINE-MOD模板匹配的线缆装配体跟踪注册初始化方法20模糊化状态。实验结果表明,本文提出了改进的LOG算子图像预处理算法相对于传统LOG算子图像预处理算法,能有效地去除图像的噪声,并且更好地保留图像的边缘信息。(a)线缆装配场景原图(b)椒盐噪声实验原图(c)传统LOG算子(d)改进LOG算子图3.1椒盐噪声实验结果图(a)线缆装配场景原图(b)模糊化实验原图(c)传统LOG算子(d)改进LOG算子图3.2模糊图片实验结果图
重庆邮电大学硕士学位论文第3章基于LINE-MOD模板匹配的线缆装配体跟踪注册初始化方法22同时保存获取到的每一幅图像所对应相机的采集位置和姿态。由于对CAD环境中的线缆装配体模型进行离线训练时,需要考虑到其采样视角的范围不能按照均匀分布进行,造成采样密度过小或过大,以及出现半球表面采样[64,65]极点处等问题。对线缆装配体进行多视角图像采集时,本文选用正二十面体表面对线缆装配体进行多视角图像采样,主要将该正二十面体进行均匀划分,其中将它的每一个面平均分成四份,然后对已分成的每一份再进行迭代划分。为了考虑图像采集时运算的速度和精度,在正二十面体的每一个面,对线缆装配体进行图像采样时,将选择迭代2次进行图像采集,并且形成的16个等边三角形将处于正二十面体的每一个面上。将线缆装配体模型放置于CAD环境中,该线缆装配体模型主要是位于正二十面体中心。正二十面体表面上的每一个三角形的顶点可作为线缆装配体模型的图像采样视点,线缆装配体三维CAD模型离线采样示意图,如图3.3所示:图3.3线缆装配体三维CAD模型离线采样示意图对线缆装配体本身结构进行分析,可发现线缆装配体存在许多对称结构,可根据这种对称的性质,从而可降低对其采样的数量,同时可提高对其识别和跟踪的速度。对于该结构,在经度和纬度上的采样区间分别为00~180和00~90。在00-45~45的图像采样区间中,将形成四个旋转角度,为了表示在同一位置上,对不同视角下的图像进行采样。在多视角下获取线缆装配体模型的图像以作为参考图像,同时记录相机的采集位置和姿态。然后将该参考图像进行特征提取,如梯度方向描述符特征,并将所提取到的特征存储到XML文件中。采集后的部分线缆装配体三维CAD模型不同视角下的模板图像如图3.4所示:
本文编号:3321037
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3321037.html
最近更新
教材专著