基于标识位置变化移动增强现实研究.docVIP

基于标识位置变化移动增强现实研究 　　摘 要：目前移动增强现实系统，由于采用阈值法进行图像分割，当标识位置发生变化时，不能较好的实现增强现实；针对这一问题，根据系统的鲁棒性，能够确定视频帧中的点对之间的关系不变，通过提取特征点对方法进行图像分割，进而实现增强现实。结果表明该方法在标识位置变动时，系统仍能很好实现增强现实，验证了该方法的有效性与实时性，提高了增强现实系统的整体性能。 　　关键词：增强现实；鲁棒性；特征点对 　　中图分类号：TP391 文献标识码：A 　　1 引言（Introduction） 　　增强现实（Augmented Reality，简称AR）是一种将计算机生成的虚拟信息叠加到真实环境中，实现虚拟和现实的融合，达到增强现实环境效果的技术[1]。随着移动平台可用性能的提升，增强现实技术在终端平台上得到了很大的发展[2]。AndAR是基于非常流行的ARToolKitPlus跟踪器的增强现实框架[3]。其提供了面向对象的纯Java API，隐藏了所有的本地库调用。移动端一般采用基于人工标识实现增强现实，而标识识别中图像分割[4]对增强现实效果有决定的作用。目前在PC端通过ARToolKit结合其他工具开发增强现实系统，文献5利用ARToolKit设计一套能够实时展现三维物体的系统，开发过程中通过阈值实现图像分割，所以系统的实时性较好，但不能适应场景的较大变化。文献6中采用了一种基于计算机视觉的算法，检测查找相关的标识和特征点，然后得到模型视图矩阵，此方法在实时性、稳定性方面效果良好，同样不能适应场景的较大变化。针对以上问题，本文对实时视频序列中的图像采用一种全新的方法实现三维注册，当标识位置发生变化时，也能准确的进行图像分割，提高系统的整体性能。 　　2 关键技术与算法（The key technique and 　　algorithm） 　　2.1 AndAR的工作原理 　　AndAR通过计算机来判断是否找到标识（标识物一般情况下都是黑色矩形框），及在标识识别成功后计算虚拟物体所需叠加的位置。这里标识采用人工标识，目前人工标识的识别方法主要分为两种：基于图像模板匹配的标识识别和基于编码特征的标识识别[7]。基于图像模板匹配的标识具有可读性，标识本身带有一定的信息。程序初始化时根据用户判断，设定一个固定的图像分割阈值，此分割阈值在系统运行过程中保持不变，通过此阈值对采集到的每一帧图形进行分割，找出此帧图像中所有的四边形区域作为候选匹配区域，然后将每一候选区域进行模板匹配测试，如果达到匹配成功条件，则系统认为找到了一个标识，阈值的设定直接影响分割的效果，进而影响能否实现增强现实。即使采用动态阈值分割图像，当场景发生变化时，以及在噪声的干扰下无法得到最优的分割阈值[8]等问题，也会影响匹配结果。 　　2.2 基于边缘的分割方法 　　在AndAR增强现实系统中，因为标识物一般情况下都是黑色矩形框，和背景的灰度有相当大的反差，由于这种设计，它在摄像机上的投影图像一般应该是由一个较黑的物体叠加在一个相对较白的背景上形成的，根据这种特性采用阈值分割法能够做到系统的实时性，但不能适应场景较大变化。由于进行此方法是确定合适的阈值，进而提取兴趣区域，最终目的是根据兴趣区域的特性进而进行图像分割。一般通过摄像头获取的视频帧，是没有深度信息的，可以求得黑色矩形框的直线方程提取兴趣区域。四条边的直线方程y=kx+b。这样就能提取兴趣区域，由平行四边形的特性对边斜率相同，需求得四个点坐标和两个斜率。 　　为计算兴趣区域的直线方程，首先对摄像头获取的视频帧进行图像二值化处理[9]，然后采用横向扫描的方式寻找兴趣点。经过扫描检测，扫描线与黑色矩形边框的位置关系呈现以下四种关系如图1所示。 　　图1 扫描线和兴趣边框的关系 　　Fig.1 Relationship between scan 　　line and interest border 　　当扫描线找到黑色连续的区域，能够确定连续区域左侧点P1坐标（如图1所示），以及兴趣区域的宽度d1，如图1黑色线条所示，进行如下处理： 　　（1）以P1点为圆心，并且以为d1半径，以旋转方向顺时针方向进行检测（向量起点P1，方向水平，长度d1）。 　　（2）当检测半径方向上首次出现与兴趣区域灰度不一样的点P时，计算P到P1点的距离d0。若d0=d1，则执行（3）。若d0≠d1，判断方向若为顺时针则执行（1）方向改为逆时针，否则执行（5）。 　　（3）以P为起点横向进行区域检测到长度d，判断若d1=d，则执行（4）。若d1≠d，则执行（5）。 　　（4）可以得到兴趣区域边缘与检测线的角度θ，以及旋转方向（0表示顺时针反向，1表示逆时针方向）。 　　（5）P1点不