《增強現實中多目標3D跟蹤定位和WH-SIFT特徵識別方法研究》是依託北京理工大學，由陳靖擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：增強現實中多目標3D跟蹤定位和WH-SIFT特徵識別方法研究
- 依託單位：北京理工大學
- 項目負責人：陳靖
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
目前大多數增強現實跟蹤定位技術主要採用純粹基於幾何信息的跟蹤定位方式，缺乏對場景的理解和對目標的識別。造成現有算法需要大量的人工干預，無法實現場景中的多目標跟蹤定位。此外，算法在實現特徵識別時，為保證特徵對尺度、光照和視點變化的魯棒性，而採用高維數的強特徵描述。強特徵描述矢量的建立加大了系統的計算負載，降低了系統的實時性能。對需要進行大數據量處理的問題，如圖像檢索、大型三維模型的創建構成性能瓶頸。針對以上問題，課題採用Bag of features的物體識別模型在Randomized ferns分類器框架下，實現複雜場景下的多目標識別與跟蹤定位。同時採用Walsh-Hadamard核變換方法，在保持特徵具有尺度、光照、視點不變性的同時，有效降低特徵描述矢量的維數。課題的研究成果將為構建更高效、穩定、能夠自適應場景和環境的智慧型化增強現實平台打下基礎，拓展系統的套用領域和範圍。
結題摘要
由於目前大多數增強現實跟蹤定位技術主要採用純粹基於幾何信息的跟蹤定位方式，缺乏對場景的理解和對目標的識別。造成現有算法需要大量的人工干預，無法實現場景中的多目標跟蹤定位。此外，現有的特徵提取匹配算法為保證特徵對尺度、光照和視點變化的魯棒性，而採用高維數的強特徵描述。強特徵描述矢量的建立加大了系統的計算負載，降低了系統的實時性能。對需要進行大數據量處理的問題，如圖像檢索、大型三維模型的創建構成性能瓶頸。針對以上問題，本課題採用Bag of features的物體識別模型在Randomized ferns分類器框架下，實現校園環境下的多目標識別。實驗結果表明，該算法實時性好，識別場景數量可多達1000個。在特徵提取匹配算法方面，課題組採用Walsh-Hadamard核變換方法，在保持特徵具有尺度、光照、視點不變性的同時，有效降低特徵描述矢量的維數。在增強現實跟蹤定位方面，課題組對基於平面的跟蹤註冊算法以及基於模型的跟蹤註冊算法都進行了深入的研究與探索。完成了戶外複雜環境下的增強現實跟蹤註冊算法，並成功套用於圓明園數字數重現項目。在完成課題基礎上，課題組超額完成了基於辭彙樹的目標識別算法，並成功套用於基於手機平台的移動增強現實系統中。同時課題組拓展研究了實時目標檢測算法，實現了手機端的蔬菜自動檢測算法。課題的研究成果為構建更高效、穩定、能夠自適應場景和環境的智慧型化增強現實平台打下了基礎，拓展了系統的套用領域和適用範圍。目前課題取得的多目標識別以及跟蹤定位算法研究成果已申請國家發明專利，並成功套用到國家重大專項支持項目以及多項企業聯合項目。
