基于特征识别的增强现实跟踪定位算法

文中提出一种在场景自然特征识别基础上采用关键帧匹配的增强现实跟踪注册算法,实现了基于计算机视觉的户外大场景范围内的实时跟踪定位.算法针对关键帧匹配中的宽基线特征匹配问题,提出采用随机树的模式分类方法实现场景自然特征的离线训练和在线实时精确匹配.同时采用Kalman滤波器对参数估计结果进行平滑解决视觉跟踪定位中的抖动问题.以该算法为核心构建出基于视频透视式头盔显示器的移动增强现实系统,并将其成功应用于圆明园大水法景观的数字重现.真实场景实验验证表明,该方法具有实时、鲁棒的优点,适用于户外跟踪定位.     

随机树特征匹配算子性能研究

为了改进增强现实实时跟踪系统,评估增强现实特征匹配算子随机树的性能,并与尺度不变特征变换算子SIFT进行比较. 分别在旋转变换、尺度变换和光照变换的情况下,测试两种算子的鲁棒性能和匹配速度. 实验结果表明,随机树算子能达到每秒30帧的实时特征匹配速度,且光照变换可以到达50%以上的匹配率,但匹配精度有待提高.     

基于增强现实技术的圆明园景观数字重现

提出基于关键帧匹配的增强现实跟踪注册算法,实现圆明园大水法遗址的数字重现。并采用随机树的方法将特征点的匹配问题转化为特征模式分类问题,解决图像间的宽基线特征匹配。基于该算法构建出基于视频透视式头盔显示器的移动增强现实系统。实验验证表明,该方法具有实时、鲁棒,适用于户外跟踪注册。