基于视觉增强现实姿态估计算法与注册技术研究.pdfVIP

增强现实(AR)允许在图像序列中无缝虚拟对象。对于增强现实的广泛认可的定义是

由于Azuma在第一次专题[7]。AR系统应该结合实际和虚拟对象，实时交互，真

实和虚拟对象。必须的是，这个定义并不关注具体的定位和可视化技术。早在1997

年，被认为是“目前限制增强现实最基本的问题之一”[7]。

姿态估计：增强现实的一个“基本问题”。AR本质上是一个多学科和旧的研究领域。很

明显，和虚拟世界的问题受到了极大的关注。从更广泛的角度来看，这是一个运

动问题。为了完成这个任务，已经考虑了许多传感器：机械装置，超声波装置，磁性

传感器，惯性装置，GPS，指南针以及明显的光学传感器[146]。换句话说，没有解决这个

问题的银弹，但基于视觉的技术迅速兴起。

上，就其他传感器而言，与显示器结合的相机是一种吸引人的配置。正如[9]所的，这样

的设置了基于视觉的反馈，可以有效地关闭定位过程和显示之间的循环。这也减少了繁重

的校准过程。然而，当Azuma的[7]时，数基于视觉的技术符合他的定义。

直到初，几乎所有基于视觉的技术都依赖于标记。然后在文献中迅速出现了各

种无标记的方法。一方面，无标记基于模型的技术明显改善(但符合)基于标记的方法。

另一方面，由于能够轻松匹配像SIFT这样的关键点和多视图几何的完美知识，所以出现了

基于图像模型和相机位移估计的新方法[122]。最后，在二十世纪二十年代后期，引入了基

于关键帧的同时定位和映射(SLAM)[57]，作为方法的结构(广泛用于业的离线合成)

的结构允许摆脱场景模型。

虽然基于视觉的仍然是一个难题，但现在可以向最终用户提出成解决方案，并且

可以预见现实世界或工业应用（如果还没有看到的话）。同时，许多开源软件库（

OpenCV,ViSP,Vuforia,...）和商业SDK(Metaio（现在与苹果），

Wikitude,AugmentedPro,Diotasoft等）已经发布，为开发人员了易于使用接口和高效

的过程。因此它可以快速建立AR系统的原型。

基本原理。

不幸的是，使用这样的库，最终用户可能会广泛地将底层技术和方法论方面视为黑盒子。然

后，我们的目标是在提醒的同时，提出一个简短但几乎自成一体的介绍机定位最重要的

方法，以及对近年来扩展的。我们也尝试将这些方法概念与市场上的主要库和

SDK联系起来。

本文的目的是为研究人员和从业人员一个近乎全面的综合介绍，以促进增强现实研究

的有效工具。它也是致力于在本科生和教学中参与增强现实教学的学者。对于大多数

方法，我们还了一些短代码的。这应该让读者轻松弥合理论方面和实践之

间的差距。这些例子是使用OpenCV和在Inria开发的ViSP库[79]编写的。

必须做出选择。

增强现实（AR）允许在图像序列中无缝虚拟对象。对于增强现实的广泛认可的定义是

由于Azuma在第一次专题[7]。AR系统应该结合实际和虚拟对象，实时交互，真

实和虚拟对象。必须的是，这个定义并不关注具体的定位和可视化技术。早在1997

年，被认为是“目前限制增强现实最基本的问题之一”[7]。

姿态估计：增强现实的一个“基本问题”。AR本质上是一个多学科和旧的研究领域。很显

然，的和虚拟的世界问题受到了很大的关注。从更广泛的角度来看，这是一个

问题。为了完成这个任务，已经考虑了许多传感器：机械装置，超声波装置，磁性传感

器，惯性装置，GPS，指南针以及明显的光学传感器[146]。换句话说，没有解决这个问题的

银弹，但基于视觉的技术迅速出现。

上，就其他传感器而言，与显示器结合的相机是一种吸引人的配置。正如[9]所的，这样

的设置了基于视觉的反馈，可以有效地关闭定位过程和显示之间的循环。这也减少了繁

重的校准过程。然而，当Azuma的[7]时，数基于视觉的技术符合他的定义。

直到21世纪初，几乎所有基于视觉的技术都依赖于标记。然后在文献中迅速出现了各

种无标记的方法。一方面，无标记基于模型的技术明显改善（但符合）基于标记的方法。另

一方面，由于能够轻松匹配像SIFT