基于增强现实的机器人遥操作系统研究

在遥操作系统中,预测仿真中存在的建模误差和运动累计误差严重影响遥操作的安全性、精度和效率。采用增强现实技术可以有效地解决该问题。采用视频融合和物体定位技术,操作者可以方便地对比仿真规划结果和实际机器人执行结果之间的差异,并可以通过修正和更新仿真模型来补偿建模误差和运动累积误差。实验结果表明该系统不但可以有效地消除通讯时延的影响,还可以提高遥操作的精度和效率。     

基于彩色标志点的增强现实注册算法研究

增强现实是一种以计算机产生的附加信息来增强用户的视野中的真实世界的技术。目前的增强现实系统中标志点跟踪注册技术是最为常用的。当前的标志点系统通常是采用灰度图形的标志点,系统的采集输入中的颜色信息全部浪费了。因此作者提出一种采用彩色标志点的跟踪算法,并建立了相应的四点高斯牛顿迭代注册系统。这样的跟踪注册系统避免了摄像机图像中的彩色信息的丢失,可以精确、高效的完成注册。经过实验,此算法可达到很好的精度,完全可以满足目前的增强现实应用的要求。     

基于改进的ARToolKit的户外增强现实系统构建研究

户外增强现实系统的构建是一项十分困难的工作.提出基于改进的ARToolkit的户外增强现实系统的构建方案和技术路线,即通过对ARTooIKit进行改进使其可以接收GPs/三维电子罗盘的数据,使其在保留视频检测三维注册功能的基础上,增加了基于GPs/三维电子罗盘的三维注册的功能,通过三维管线为例进行的实证研究表明,该方案简单易行.     

增强现实电子沙盘中的大范围注册技术

针对基于特殊标志进行三维注册的增强现实电子沙盘在使用过程中由于使用者的大范围移动产生的三维注册问题,提出多尺寸标志综合定位的方法,该方法通过对特殊标志的设计实现大范围三维注册,不增加标志识别算法复杂度和任何硬件成本.介绍了多尺寸标志的尺寸范围计算方法和标志排布规律并给出相应的设计实例和实验结果.     

户外增强现实系统关键技术及其应用的研究

增强现实技术是虚拟现实技术发展的一个重要分支，具有虚实结合、实时交互、三维注册的新特点，户外增强现实系统是近年来增强现实技术方面的一个新的研究方向，建立一个成功的户外增强现实系统的的最大障碍是缺少在户外条件下的准确跟踪技术。本文分析了实现户外增强现实系统的关键技术及其与室内增强现实系统的区别并讨论了户外增强现实系统的进展及应用。     

基于立体视觉的三维建模方法

研究了基于立体视觉的三维反向建模方法。该方法利用线状结构光与立体视觉原理,首先测量位于四自由度平面机器人上的三维物体的表面几何信息,然后通过获得的采样数据集,自动构建具有真实纹理的三维几何模型。相应提出了一种新的系统标定方法与自动曲面重构算法,并实现了一个面向虚拟现实应用的三维物体的自动反向建模原型系统。     

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。     

一种基于视角剖分的可见性算法

文中提出了一种适用于在给定视点运动路径情况下,处理三维场景的可见性预处理算法。首先对所有可能的视线方向所对应的立方体进行细分,然后对分割后的平面沿着运动路径移动所形成的光束体进行可见性预处理,最后合并这些光束体得到对该运动路径的可能可见面集合(PVS)。由于能够有效的剔除被较大的物体遮挡的小物体,使得PVS中的面片数量远小于整个场景的面片数目,这样就可以避免绘制完全不可见的物体,从而提高场景的实时绘制的速度。     

增强现实技术的研究进展及应用

增强现实技术是近年来的一个研究热点，有着广泛的应用前景，增强现实是把计算机产生的虚拟物体或其他信息合成到用户感知的真实世界中的一种技术，它是对真实世界的补充，而不是完全替代真实世界，显示技术和跟踪注册技术是增强现实系统关键技术，也是研究的重点，本文简要介绍了头盔显示器显示，投影式显示，手持式显示器显示和普通显示器显示等显示技术以及跟踪注册技术，最后提到了目前增强现实技术应用和将来的发展方向。     

图像序列的准三维运动目标自寻的跟踪算法

根据序列图像中的运动目标特征像点必须要满足在像平面里的约束条件,又要满足其空间三维运动规律,导出一套准三维运动模型。进而建立了连续非线性的系统动态模型和离散线性的量测模型,得到一套准三维自动寻的跟踪处理算法,利用二维观测结果就可以实现三维形式的智能跟踪。算法简单,易于实现,而且同样具有三维智能跟踪的优良特点,即抗丢失、抗机动和抗噪扰的鲁棒性能。模拟和真实图像序列的实验结果充分证明了该算法的优良性能。     

基于自然特征点的实时增强现实注册算法

提出了一种基于自然特征点的实时跟踪注册算法,并将其应用于增强现实系统。算法在已知场景的3D模型以及少量标定关键帧图像的基础上,选择与当前图像最为匹配的关键帧,利用基于关键帧的图像匹配方法实时获取摄像机的运动参数估计。算法采用合成中间图像的技术解决两图像特征点间的宽基线匹配问题,并应用扩展卡尔曼滤波器对参数估计结果进行平滑,以消除系统抖动现象。实验结果表明,算法鲁棒性强,注册精度高,能够有效地克服系统误差漂移。     

仿射变换在增强现实中的应用

增强现实是把计算机产生的虚拟物体或其它信息合成到用户看到的真实世界中的一种技术。实现虚拟信息与真实景象的正确匹配或有机结合是每个增强现实实用系统都必须完成的一项重要任务,它的具体实现依赖于计算机硬件和软件系统的相互配合及协调。本文在对基于位置跟踪和相机定标技术的传统虚实注册技术分析的基础上,讨论了仿射变换在增强现实中应用,并提出了在全局仿射坐标系下获取像素相对深度参数的一种策略。     

自适应跟踪算法在增强现实中的应用

介绍在增强现实应用中的一种改进跟踪算法——自适应跟踪算法。该算法根据平板图案的运动状态自动调整检测窗口参数,从而实现各种条件下对平板图案的较为稳定的跟踪。实验结果证明,在平板图案发生快速运动以及目标图案较小或者平板与摄像机平面偏角较大的情况下,该算法能在一定程度上保证跟踪的准确度和健壮性。     

基于SINGER模型的实时误差配准算法及分析

系统误差配准是多平台、多传感器目标跟踪的关键环节,可以有效地估计雷达跟踪系统误差,并进行准确误差补偿。若不进行精确的系统误差配准,则可能导致多平台、多传感器跟踪系统对目标融合跟踪的错误或对同一目标产生多条航迹,从而导致系统性能恶化。给出了基于目标SINGER运动模型的扩维卡尔曼滤波算法。通过仿真实验分析了误差配准精度与机动频率的关系,结论为针对不同机动频率目标进行雷达跟踪系统的误差配准提供理论参考。     

一种全景图象拼合算法

提出了一种新的自动全景图象拼合的鲁棒性算法。一是，基于多分辨率样条提出了一种新的图象拼接算法，它采用多分辨率样条来确定拼接区域宽度T和加权函数，使图象在不同分辨率下分别拼合，这样使拼合成的图象既清晰又光滑无缝；二是，在Levenberg-Marquardt非线性最小迭代算法的基础上提出了一种新的非线性最小迭代算法。算法在大多数情况下能自动完成，适宜于任何大小的图象并又不需要知道任何相机参数；对相邻帧之间相机运动没有严格的限制。     

一种改进的雷达组网误差配准算法

雷达组网系统首先要解决误差配准问题，来准确地估计和消除系统误差。对一种经典的误差配准技术广义最小二乘估计GLSE配准算法进行了研究，讨论了系统偏差增大时，配准精度退化的原因，并针对这一问题提出了一种改进的误差配准算法(MGLSE算法)。通过循环配准，MGLSE算法不但可以对真实的系统偏差进行逼近，而且当GLSE算法失效时，可以自动退出配准循环，放弃配准。仿真结果表明，系统偏差较大时MGLSE算法优于GLSE算法和其他传统的配准算法，并具有配准效果自动检验功能，防止配准后系统偏差反而增大。     

户外增强现实地理配准精度测试评估

地理配准技术是增强现实与地理信息系统结合应用的一项关键技术,其配准精度对ARGIS (Augmented Reality Geographic Information System)的可用性有显著的影响。针对增强现实这一应用,阐释了增强现实地理配准的基本概念与技术原理,提出了地理配准精度量化评估方法;结合预先采集的高精度地理信息数据,采用多种硬件设备设计了不同的地理配准精度评估方案,实际评估了各类地理配准方法的量化精度;基于评估结果,进一步分析了配准误差因素及各方法的局限性,探讨了不同应用场景的配准方案思路,为后续研究提供参考和借鉴。     

一种基于亮度和深度信息的实时景深渲染算法

在研究透镜成像模型与针孔成像模型的基础上,提出了一种基于亮度和深度信息的实时景深渲染算法,首次把景深渲染应用到增强现实系统。使用OpenGL和Visual Studio2008实现整个算法。通过建立三维空间坐标系,实时追踪和获取真实场景深度信息,把生成虚拟物体融入到真实场景中。随后,依据亮度信息对虚实融合场景进行模糊处理。最后进行图像融合,把模拟的景深效果输出到屏幕。实验结果表明,新算法更接近于真实摄像机拍摄的景深效果图,适用于增强现实系统。     

High speed robust image registration and localization using optimized algorithm and its performances evaluation

Local invariant algorithm applied in downward-looking image registration, usually computes the camera’s pose relative to visual landmarks. Generally, there are three requirements in the process of image registration when using these approaches. First, the algorithm is apt to be influenced by illumination. Second, algorithm should have less computational complexity. Third, the depth information of images needs to be estimated without other sensors. This paper investigates a famous local invariant feature named speeded up robust feature (SURF), and proposes a highspeed and robust image registration and localization algorithm based on it. With supports from feature tracking and pose estimation methods, the proposed algorithm can compute camera poses under different conditions of scale, viewpoint and rotation so as to precisely localize object’s position. At last, the study makes registration experiment by scale invariant feature transform (SIFT), SURF and the proposed algorithm, and designs a method to evaluate their performances. Furthermore, this study makes object retrieval test on remote sensing video. For there is big deformation on remote sensing frames, the registration algorithm absorbs the Kanade-Lucas-Tomasi (KLT) 3-D coplanar calibration feature tracker methods, which can localize interesting targets precisely and efficiently. The experimental results prove that the proposed method has a higher localization speed and lower localization error rate than traditional visual simultaneous localization and mapping (vSLAM) in a period of time.