中国虚拟现实专家与领导者

中视典接洽电话 企业版入口 中视典新浪微博 QQ咨询

全国统一客服电话 400-668-1235

基于元胞主动机的加强现实标记辨认算法

时间:2012-03-19 10:54:17 起源:中视典数字科技

加强现实系统 中标记辨认一直是加强现实系统的瓶颈,占用了系统处理的大部分时间,即使采用规矩几何情势的标记,对于实时请求很高的加强现实系统而言,其辨认算法的效果和实时性也是不理想的,因此提出了一种利用利用元胞主动机模型,利用给定的演变规矩,改良在加强现实系统中标记辨认的算法,并在ARTOOLKIT系统中做了具体实现••。实验成果表明,改良的算法的实时性和辨认效果均有了很大的进步••。
 

0 引  言

加强现实技巧(augmentedreality,AR),是随着虚拟现实技巧(virtual reality,VR)迅速发展和实际利用需要而涌现的一种将真实世界信息和虚拟世界信息“无缝”集成的新技巧••。加强现实系统是应用了加强现实技巧的利用系统••。其重要特点的有:用户拥有沉浸感,虚拟环境与实际环境融为一体,几乎感到不到真假融合所产生的不和谐;系统具有交互性,用户可以通过交互设备直接与虚拟物体或虚拟环境进行交互:是在三维空间中增长定位虚拟物体,它的研究涉及系统结构¶••⊿人机接口¶••⊿三维注册¶••⊿头盔显示等方面••。利用标记实现虚拟物体的准确注册已经是一种较成熟的技巧了,并在室内¶••⊿室外到移动利用等环境都得到了广范利用••。其中标记辨认一直是加强现实系统的瓶颈,占用了系统处理的大部分时间,即使采用规矩几何情势的标记,对于实时请求很高的加强现实系统而言其辨认算法的成果和 实时性也 是不理想的••。

元胞主动机(cellular automata,CA)是一时间和空间都离散的动力系统••。散布在规矩格网中的每一元胞(Cel1)取有限的离散状态,遵守 同样的作用规矩,根据断定的局部规矩作同步更新••。大批元胞通过简略的相互作用而构成动态系统的演变••。不同于一般的动力学模型,元胞主动机不是由严格定义的物理方程或函数断定,而是用一系列模型结构的规矩构成••。凡是满足这些规矩的模型都可以算作是元胞主动机模型••。因此,元胞主动机是一类模型的总称,或者说是一个方法框架••。其特点是时间¶••⊿空间¶••⊿状态都离散,每个变量只取有限多个状态,且其状态转变的规矩在时间和空间上都是局部的••。

1 传统辨认算法

视觉标记的辨认过程包含输入图像¶••⊿输出图像标记的包围框和特点点的坐标••。这个过程的设计请求是具有较好的精度,满足实时性请求,其中实时性要比精度更重要一些••。标记的辨认中,一般可以利用的信息是标记的边沿信息¶••⊿几何信息¶••⊿色度信息  ••。如图 1所示••。首先将图像转化为二值图像,然后利用 腐化 ¶••⊿边框提取和 Hough变换等 技巧获得标记包围,再经过种子填充和几何限制等手段取得特点点集合••。

01.jpg
  
2 采用CA模型的算法


CA辨认算法如图2所示,可见算法的效率高低取决于CA模 的设计••。本文采用的CA模 犁如下:

02.jpg
  
2.1 元胞空间


假设元胞空间由二维 M*N个像素构成••。并假设是时间同步的••。定义一幅M~N大小的二维图像式中:M,N分辨表现图像的高和宽••。Aid')表现(  点的状态值(也即灰度值)••。对于k值图像,(  在状态集取值••。含有标记的视频图像如图3所示••。
  
邻居模式采用摩尔型••。每个元胞构成如下:每个元胞由4个分量构成:GCell(c,p,e,v),其中C表现灰度,为简略起见,先利用阀值进行了二值化,得到 0或 1••。要注意在其过程中打消孤立点 ,不然会影 响辨认效果 ••。P表现是 否是边沿点,如 是边沿点则为 1,否则为 0••。e表现是否是边 ,如是则为 1,否 则为0••。v表现是否 为顶点 ,如是 则为 1,否 则为 0;i表现是否 为标记内部特点点,如是则为 1,否则为0••。

根据式(1),c=(0,1,…, )其中开端点为随机选择的••。实验证明,随机选择的效果比固定选择,如边界的情况要好一些••。算法采用定值型的边界••。保障演变运算不超过矩形空间••。


2.2 演变规矩

(1)先断定是否是边沿点••。由边沿定义可知,如果某一点状态与其近邻点中大部分点 的状态相异 ,就是梯度变 化明显,那这个点就可以认为是边沿点,否则就认为是背景点,也就是非边沿点••。基于此理论,按如下规矩来断定边沿点地位••。

(2)断定是否是边  的点,可 以有两种判 断方 法,从 图 1可知,标记是由一个固定宽度的正方形构成的••。设标记的宽度为d,黑色标记带的宽度为n,则可用如下的规矩断定是否是正方形边上 的点••。即必须是边沿点并且满足持续 x或 Y方向上n个都是边沿点••。或者满足持续 x或 Y方向上 d个都是同等灰度的••。

(3)断定是否是顶点,如是顶点必须满足是边上的点并且满足持续 x或 Y方向上n个都是 同等灰度的••。

(4)内部特点点必须满足是边沿点且不是边点

(5)系统结束条件是非常重要的,不然根据现在对 CA的研究,是很容易陷入混沌状态的 ••。所以必须设置结束条件,根据利用,结束条件是找到所有顶点并且特点点的数 目满足特 征辨认 的请求 ••。

3 实验成果

ARTOOLKIT是一种高效的AR开发平台••。其标记辨认采用传统方法,作者利用这个平台,改写了标记辨认部分的算法,取得了较好的效果••。在同一背景和雷同PC及相机的情况下, 比较实验成果如表 1¶••⊿表 2,以及图4¶••⊿图5所示••。可见采用 CA模型的系统在辨认效果很好的情况下实时性有了很大进步••。

4 结束语

CA方法由于采用了二值运算,并且演变步骤有限,因此算法的效率是很高的,能够较好的满足AR系统实时处理的请求,可预留更多的时间给渲染程序••。当然,由于 CA在AR中的利用才刚刚起步,CA算法应当还可以利用在AR系统的很多地面,如坐标系变换¶••⊿光照处理等,这些还有待进一步的研究••。

深圳市中视典数字科技有限公司 (2002-2019)版权所有 本网站信息未经容许,不得转载••。

全国咨询热线:4006681235 深圳 | 北京 | 上海 | 武汉 | 成都 | 苏州

粤ICP备13054486号 粤公网安备 44030502002345号

彩世界彩票注册平台 飞速赛车开奖平台 鸿途彩票开奖网 台湾幸运飞艇直播网 极速牛牛怎么下注 广东快乐十分 幸运赛车在线投注 腾讯分分彩官网开奖 快速飞艇玩法 飞速赛车开奖结果