论文部分内容阅读
目前增强现实技术在移动端的应用研究还处在初始阶段,与PC端的实现相比,移动端的计算能力较弱,如何利用移动设备中有限的资源实现增强现实系统高效的运行,是目前急需解决的问题。跟踪注册是增强现实系统的核心,本文围绕如何在移动端实现稳定、高效的运动跟踪进行相关的研究。首先对增强现实的整体框架进行了介绍,说明跟踪注册在系统中的使用场景和功能。然后经过分析提出可行的适用于移动端的跟踪注册方法,并进行相应的实验验证。最后,围绕在移动平台上实现高效、稳定的无标识跟踪注册,本文主要做了以下工作:(1)对跟踪注册技术中最主要的特征跟踪进行算法分析,从特征的提取和匹配两个阶段对算法的性能进行分析。SIFT和SURF算法提取的特征点多且稳定,但是计算复杂度高,对于增强现实系统来说跟踪的实时性是虚拟信息准确注册的保障,而且特征的提取和跟踪只是系统运用最基本的一环,之后还需要姿态计算,虚拟信息渲染。综合考虑下,选择基于加速分割测试的FAST算法进行特征提取,FAST算法只能提取特征点,无法进行特征跟踪。考虑到稀疏光流法对序列图片的特定点具有稳定跟踪的功能,使用LK光流对提取的FAST特征进行跟踪,取得了较好的效果。(2)对LK光流对运动跟踪中大位移和光线变化时跟踪较差的问题进行分析,为提升光流跟踪稳定性,提出一种基于菱形模板改进的金字塔Lucas-Kanade光流算法。首先使用菱形模板对光流计算时的误差进行矫正,然后跟高斯金字塔结合对摄像机的大位移进行跟踪。通过理论分析和实验对比,确定改进的金字塔LK光流算法适用于无标识增强现实的摄像机运功跟踪。(3)设计实现一个移动端的无标识增强现实系统,利用Android对多线程的支持将较为耗时的跟踪操作放在单独的线程,加快系统运行的效率。系统实现时考虑到Android平台对传感器的支持,引入方向传感器和加速度传感器实现对特征的混合跟踪。工作最后给出系统在真机上的实现,验证本文提出的方法使用时的实时性、准确性和稳定性。