CN104050475A - 基于图像特征匹配的增强现实的系统和方法 - Google Patents
基于图像特征匹配的增强现实的系统和方法 Download PDFInfo
- Publication number
- CN104050475A CN104050475A CN201410275712.4A CN201410275712A CN104050475A CN 104050475 A CN104050475 A CN 104050475A CN 201410275712 A CN201410275712 A CN 201410275712A CN 104050475 A CN104050475 A CN 104050475A
- Authority
- CN
- China
- Prior art keywords
- feature
- target image
- image
- matching
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003190 augmentative effect Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000008878 coupling Effects 0.000 claims description 17
- 238000010168 coupling process Methods 0.000 claims description 17
- 238000005859 coupling reaction Methods 0.000 claims description 17
- 238000006073 displacement reaction Methods 0.000 claims description 17
- 230000000007 visual effect Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004064 recycling Methods 0.000 claims description 6
- 230000013011 mating Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000008859 change Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 8
- 206010042772 syncope Diseases 0.000 description 6
- 239000003550 marker Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种基于图像特征匹配的增强现实的系统和方法。其利用图像的自然特征信息处理图像的匹配技术，实现多模板的无标识增强现实技术。在特征点匹配过程中使用了去误匹配算法，提高了图像匹配的准确性；利用corse-to-fine策略，两次提取特征参数的方法；匹配失败或者跟踪失败时，系统只需执行粗特征提取，提高了系统的执行速度；在目标图像与标识图像特征点匹配过程中，利用跟踪算法由当前匹配的特征点估计下一帧的匹配特征点位置，得到变化稳定的特征点对，保证模型显示的稳定性，提高了用户体验感。
Description
技术领域
本发明涉及增强现实的系统和方法，尤其涉及一种基于图像特征匹配的增强现实的系统和方法。
背景技术
增强现实借助计算机图形技术和可视化技术生成现实环境中不存在的虚拟对象，并通过图像识别定位技术将虚拟对象准确“放置”在真实环境中，借助显示设备将虚拟对象与真实环境融为一体，并呈现给使用者一个真实的视觉感受。增强现实技术利用标识物建立虚拟三维空间，标识物在虚拟空间与现实空间之间起到连接的作用。根据标识物类别目前分为有标识(Marker)增强现实技术和无标识(Markless)增强现实技术两类。相比于有标识的增强现实技术，无标识的增强现实技术利用识别模板图像本身的内容进行识别，这样可以避免人为的标记对真实感的破坏，并且识别准确性会更好。缺点则是，目标的跟踪与识别的技术变得复杂，稳定性降低。在无标识增强现实技术中，利用图像的随机厥特征(RandomFern)进行图像识别与姿态估计，可以得到较好的跟踪与识别效果。然而，由于随机厥特征计算复杂，特征数据量很大，在多个模板的无标识的AR应用中具有很大的局限性，尤其是当标识数量达到几十甚至上百数目时候。图像的ORB特征相较于随机厥特征，在图像特征表示方面具有同样的理想效果，ORB特征具有尺度不变性与旋转不变性，并且比随机厥特征计算简单，数据量小。然而，图像的ORB特征计算具有一定的随机性，就是说，对相同图像计算ORB特征，得到的特征在图像上位置分布具有随机性，这种差异使得ORB特征在图像识别方面稳定性较差。201310208905.3涉及利用图像捕获和识别技术实现增强现实的方法，其公开了可行的图像捕获与匹配方案，但是直接进行特征匹配，数据处理量大，系统响应慢。
发明内容
本发明要解决的技术问题在于提出一种基于图像特征匹配的增强现实的系统和方法，有效地解决大量图像标识识别和叠加三维模型的稳定性等问题。
本发明的技术方案是这样实现的：
一种基于图像特征匹配的增强现实的系统，其特征在于包括：
图像捕获单元，用于捕获目标物的目标图像；
特征存储单元，用于存储多个特征文件的多尺度特征；
模型存储单元，用于存储至少一个的与特征文件对应的模型；
第一特征提取单元，用于提取目标图像的自然特征；
第一特征匹配单元，用于分别匹配多个特征文件的特征与目标图像的特征，并查找与目标图像最优匹配的特征文件；
第二特征提取单元，用于进一步提取目标图像的自然特征；
第二特征匹配单元，用于匹配最优特征文件的特征与目标图像的特征，并剔除所述第二特征匹配单元的误匹配；
位置标定单元，用于根据目标图像的特征匹配结果计算目标图像中目标平面与相机平面的单应性矩阵，再利用相机标定算法计算相机内参数，由单应性矩阵以及相机内参数，计算出目标物相对相机平面的位移与旋转；
图像处理单元，用于根据目标物相对相机平面的旋转参数确定对应模型的对应视角的模型；
图像显示单元，用于根据目标物相对相机平面的平移参数在特定显示区域显示该视角；
特征跟踪单元，用于跟踪目标图像的特征并将该图像特征的状态反馈至第二特征匹配单元；
在本发明增强现实的系统中，所述特征跟踪单元根据光流法跟踪目标图像的特征；
在本发明增强现实的系统中，所述模型为三维模型、三维动画、二维图片或视频；
在本发明增强现实的系统中，所述目标物为载有图像数据的二维模板。
一种基于图像特征匹配的增强现实的方法，其特征在于，包括以下步骤：
捕获目标物的目标图像；
提取目标图像的自然特征；
比较已存储的多个特征文件的特征与该目标图像的特征，查找与目标图像最优匹配的特征文件；
进一步提取目标图像的自然特征；
匹配最优匹配的特征文件的特征与该目标图像的特征，剔除误匹配；
根据特征匹配结果计算目标图像中目标与相机平面的单应性矩阵，再利用相机标定算法计算相机内参数，由单应性矩阵以及相机内参数，计算出目标物相对相机平面的位移与旋转；
根据目标物相对相机平面的旋转参数确定在最优特征文件对应的模型的对应视角；
根据目标物相对相机平面的位移参数在特定显示区域显示模型该视角；
跟踪上述进一步提取的目标图像的特征，跟踪成功后，则对最优匹配的特征文件的特征与特征跟踪结果的特征进行匹配，继续计算目标物的位移与旋转参数；跟踪失败则反馈捕获目标物的目标图像。
在本发明增强现实的方法中，根据捕获目标图像并进行跟踪目标图像特征，不断地识别目标物的位置与三维姿态，使得模型随目标物同步运动。
在本发明增强现实的方法中，由多个预存图像提取特征文件。
在本发明增强现实的方法中，捕获目标物的目标图像后进行降噪、增强处理。
实施本发明的基于图像特征匹配的增强现实的系统和方法，具有以下有益效果：利用图像的自然特征信息处理图像的匹配问题，在特征点匹配过程中使用了去误匹配算法，提高了图像匹配的准确性；采用两次提取特征参数的方法，匹配失败或者跟踪失败时，系统只需执行粗特征提取，提高了系统的执行速度；在目标图像与标识图像特征点匹配过程中，利用跟踪算法由当前匹配的特征点估计下一帧的匹配特征点位置，得到变化稳定的特征点对，保证模型显示的稳定性，提高了用户体验感。
附图说明
图1为本发明的基于图像特征匹配的增强现实的系统的示意图；
图2为本发明的基于图像特征匹配的增强现实的方法的流程图；
图3为在剔除误匹配之前，最优匹配的特征文件与该目标图像的匹配结果；
图4为在剔除误匹配之后，最优匹配的特征文件与该目标图像的匹配结果；
图5为模板对应于注册三维模型的显示图像的一种视角；
图6为图5的三维显示图像的另一视角。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
如图1、2所示的本发明的这种基于图像特征匹配的增强现实的系统，包括：图像捕获单元、特征存储单元、模型存储单元、第一特征提取单元、第一特征匹配单元、第二特征提取单元、第二特征匹配单元、位置标定单元、图像处理单元、图像显示单元、特征跟踪单元。
图像捕获单元捕获目标物的目标图像，第一特征提取单元提取目标图像的自然特征。特征存储单元存储多个特征文件的多尺度特征，模型存储单元存储至少一个的与特征文件对应的模型。多尺度特征包括不同参数下的粗略的特征和精细的特征，多尺度特征的提取方法与目标图像的自然特征的提取方法相同。第一特征匹配单元分别匹配多个特征文件的特征与目标图像的特征，并查找与目标图像最优匹配的特征文件。第二特征提取单元进一步提取目标图像的自然特征，该自然特征为更为精细的自然特征。第二特征匹配单元匹配最优匹配特征文件的特征与目标图像的特征，并查找某些误匹配，剔除误匹配。位置标定单元根据第二特征匹配单元的特征匹配结果，计算目标图像中目标平面与相机平面的单应性矩阵，再利用相机标定算法计算相机内参数，由单应性矩阵以及相机内参数，计算出目标物相对相机平面的位移与旋转。图像处理单元根据目标物相对相机平面的旋转参数确定对应模型的对应视角的模型，该模型为模型存储单元存储的与最优匹配的特征文件对应的模型。图像显示单元根据目标物相对相机平面的位移在特定显示区域显示该视角。至此完成模型注册。
为了提高人机交互能力，要求目标物的运动，模型的视角也应发生变化。特征跟踪单元根据光流法跟踪目标图像的特征，并将该图像特征的状态反馈至第二特征匹配单元。特征跟踪单元在跟踪过程中判断目标图像的特征下一帧状态。不需要重新计算各个特征点的位置，提高了特征匹配速度和模型注册速度。
所述模型为三维模型、三维动画、二维图片或视频。所述目标物为载有图像数据的二维模板。
一种基于图像特征匹配的增强现实的方法，包括以下步骤：捕获目标物的目标图像，降噪、增强处理；提取目标图像的自然特征；比较已存储的多个特征文件的特征与该目标图像的特征，查找与目标图像最优匹配的特征文件；进一步提取目标图像的自然特征；比较最优匹配的特征文件的特征与该目标图像的特征，剔除误匹配；根据第二特征匹配单元的特征匹配结果，计算目标图像中目标平面与相机平面的单应性矩阵，再利用相机标定算法计算相机内参数，由单应性矩阵以及相机内参数，计算出目标物相对相机平面的位移与旋转；根据目标物相对相机平面的旋转参数确定在最优特征文件对应的模型的对应视角；根据目标物相对相机平面的位移参数在特定显示区域显示模型该视角；跟踪上述进一步提取的目标图像的特征，跟踪成功则匹配最优匹配的特征文件的特征与特征跟踪的结果的预测特征，继续计算目标物的位移与旋转参数；跟踪失败则反馈捕获目标物的目标图像；根据捕获目标图像并进行跟踪目标图像特征，不断地识别目标物的位置与三维姿态，使得模型随目标物同步运动。
特征文件由多个预存图像提取出来，特征文件中含有预存图像不同尺度下的多尺度特征。如果寻找到的最优匹配模板与目标图像匹配的特征点数目小于预设的阈值，可以认为匹配失败，重新捕获目标图像。如果跟踪失败，即追踪到的特征数量小于阈值，可以认为跟踪失败，重新捕获目标图像。利用多线程处理技术，最优匹配特征搜索与目标物位移旋转参数计算分开处理，采用coarse-to-fine策略解决了算法实时性与算法有效性的平衡问题。在第一次匹配失败时，不进行第二次匹配，降低了系统运行负荷。
图3和图4显示了剔除误匹配前后的特征匹配图。模板1上的特征通过人为连线的方式对应至显示界面2上的特征，图3存在不正确匹配的特征，图4剔除不正确匹配关系。图5、6显示了注册三维模型后的增强现实，显示界面在模板上注册三维模型，并随模板的运动而显示模型的不同视角。
本发明具体可以采下述步骤实施。
步骤1，获取目标图像T，计算其自然特征。
对目标图像T，计算其角点特征，特征包括特征点KT以及特征描述算子DT。
步骤2，计算每个模板图像Mk,k∈{1,2,...,n}的多尺度自然特征。
计算每个模板图像Mk,k∈{1,2,...,n}的特征点和特征描述子其中，n是模板图像的个数。
步骤3，求解出模板图像Mi,其中模板图像Mi与目标图像T的特征匹配最优。
利用特征匹配算法，对每个模板图像Mk,k∈{1,2,...,n}特征与目标图像T进行特征点匹配，得到匹配的特征点数目最多时对应的模板图像Mi，即模板图像Mi包含在目标图像T中，此时得到模板Mi对应的虚拟对象Modeli。
步骤4，计算模板图像Mi与目标图像T的精确匹配特征点。
修改参数，计算模板图像Mi的特征点K′Mi和特征描述子D′Mi，并与目标图像T进行特征匹配，得到精确匹配的特征点对，并对所得的匹配特征点，滤除误匹配点。
步骤5，特征点跟踪。
对目标图像匹配的特征点进行跟踪，下一帧利用跟踪的特征点进行特征点匹配；
步骤6,计算模板图像Mi相对相机的位移参数S和旋转参数R。
利用新的匹配特征点计算模板图像Mi相对相机平面的单应性矩阵H，由相机标定算法计算相机内参和外参，根据单应性矩阵H以及相机内参数估计模板图像Mi相对相机的位移参数S和旋转参数R。
步骤7，注册虚拟三维模型。
利用相机外部参数，以及模板图像Mi相对相机的位移参数S和旋转参数R，在目标图像T中绘制出与模板图像Mi对应的三维模型Modeli。
算法实际样例
目标图像与标识图像使用StefanLeutenegger等人提出的算法计算BRISK特征，该算法用AGAST算法进行角点检测，用BRIEF算法生成特征描述符。标识图像在3层金字塔结构上提取特征点，特征点计算的距离阈值设为90，检测图像在原尺度上提取特征点，阈值设置相同为90。特征点匹配时使用Hamming距离。
表1是利用随机厥特征、ORB特征以及BRISK特征对模板图像进行特征提取和匹配时间比较。单位为毫秒(ms)。
表1表明，随机厥特征在表示模板图像时计算复杂度很高，而ORB特征与BRISK特征的计算复杂度很低，在多模板增强现实技术应用方面有巨大优势。
表2是不同自然特征在检测模板图像时稳定性比较。主要通过比较相邻帧之间模板姿态参数四元数的误差评定算法的稳定性。在相邻帧测试过程中，保持模板图像与相机的相对位置不变。
表二表明，ORB特征相较于BRISK特征，在对模板图像检测与定位过程中，在保持标识图像相对相机位置不变情况下，相邻帧的误差更明显一些，这说明ORB特征在图像检测与定位方面的稳定不如BRISK特征，前文也提出，这是由于ORB特征点位置和特征点数量的随机性较大造成的。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于图像特征匹配的增强现实的系统，其特征在于包括：
图像捕获单元，用于捕获目标物的目标图像；
特征存储单元，用于存储多个特征文件的多尺度特征；
模型存储单元，用于存储至少一个的与特征文件对应的模型；
第一特征提取单元，用于提取目标图像的自然特征；
第一特征匹配单元，用于分别匹配多个特征文件的特征与目标图像的特征，并查找与目标图像最优匹配的特征文件；
第二特征提取单元，用于进一步提取目标图像的自然特征；
第二特征匹配单元，用于匹配最优特征文件的特征与目标图像的特征，并剔除所述第二特征匹配单元的误匹配；
位置标定单元，用于根据目标图像的特征匹配结果计算目标图像中目标平面与相机平面的单应性矩阵，再利用相机标定算法计算相机内参数，由单应性矩阵以及相机内参数，计算出目标物相对相机平面的位移与旋转；
图像处理单元，用于根据目标物相对相机平面的旋转参数确定对应模型的对应视角的模型；
图像显示单元，用于根据目标物相对相机平面的平移参数在特定显示区域显示该视角；
特征跟踪单元，用于跟踪目标图像的特征并将该图像特征的状态反馈至第二特征匹配单元。
2.根据权利要求1所述的增强现实的系统，其特征在于，所述特征跟踪单元根据光流法跟踪目标图像的特征。
3.根据权利要求1所述的增强现实的系统，其特征在于，所述特征跟踪单元跟踪目标图像特征的过程中，进行特征匹配并剔除误匹配，同时估计下一帧目标图像特征的位置。
4.根据权利要求1所述的增强现实的系统，其特征在于，所述模型为三维模型、三维动画、二维图片或视频。
5.一种基于图像特征匹配的增强现实的方法，其特征在于，包括以下步骤：
捕获目标物的目标图像；
提取目标图像的自然特征；
比较已存储的多个特征文件的特征与该目标图像的特征，查找与目标图像最优匹配的特征文件；
进一步提取目标图像的自然特征；
匹配最优匹配的特征文件的特征与该目标图像的特征，剔除误匹配；
根据特征匹配结果计算目标图像中目标与相机平面的单应性矩阵，再利用相机标定算法计算相机内参数，由单应性矩阵以及相机内参数，计算出目标物相对相机平面的位移与旋转；
根据目标物相对相机平面的旋转参数确定在最优特征文件对应的模型的对应视角；
根据目标物相对相机平面的位移参数在特定显示区域显示模型该视角；
跟踪上述进一步提取的目标图像的特征，跟踪成功则匹配最优匹配的特征文件的特征与特征跟踪的结果的预测特征，继续计算目标物的位移与旋转参数；跟踪失败则反馈捕获目标物的目标图像。
6.根据权利要求5所述的增强现实的方法，其特征在于，根据目标图像的跟踪结果，不断更新目标物的位置，使得模型随目标物同步运动。
7.根据权利要求5或6所述的增强现实的方法，其特征在于，由多个预存图像提取特征文件。
8.根据权利要求5或6所述的增强现实的方法，其特征在于，捕获目标物的目标图像后降噪、增强处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410275712.4A CN104050475A (zh) | 2014-06-19 | 2014-06-19 | 基于图像特征匹配的增强现实的系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410275712.4A CN104050475A (zh) | 2014-06-19 | 2014-06-19 | 基于图像特征匹配的增强现实的系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104050475A true CN104050475A (zh) | 2014-09-17 |
Family
ID=51503287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410275712.4A Pending CN104050475A (zh) | 2014-06-19 | 2014-06-19 | 基于图像特征匹配的增强现实的系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104050475A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778697A (zh) * | 2015-04-13 | 2015-07-15 | 清华大学 | 基于快速定位图像尺度和区域的三维跟踪方法及系统 |
| CN104850851A (zh) * | 2015-04-22 | 2015-08-19 | 福州大学 | 一种具有尺度不变性的orb特征点匹配方法 |
| CN105653036A (zh) * | 2015-12-31 | 2016-06-08 | 深圳市路通网络技术有限公司 | 一种涂鸦增强现实的方法及系统 |
| CN105761245A (zh) * | 2016-01-29 | 2016-07-13 | 速感科技（北京）有限公司 | 一种基于视觉特征点的自动跟踪方法及装置 |
| CN106250938A (zh) * | 2016-07-19 | 2016-12-21 | 易视腾科技股份有限公司 | 目标跟踪方法、增强现实方法及其装置 |
| CN107274431A (zh) * | 2017-03-07 | 2017-10-20 | 阿里巴巴集团控股有限公司 | 视频内容增强方法及装置 |
| CN107358658A (zh) * | 2017-07-20 | 2017-11-17 | 深圳市大象文化科技产业有限公司 | 一种乳房整形ar预测方法、装置和系统 |
| CN107590453A (zh) * | 2017-09-04 | 2018-01-16 | 腾讯科技（深圳）有限公司 | 增强现实场景的处理方法、装置及设备、计算机存储介质 |
| WO2018014601A1 (zh) * | 2016-07-19 | 2018-01-25 | 央数文化(上海)股份有限公司 | 方位跟踪方法、实现增强现实的方法及相关装置、设备 |
| CN107693117A (zh) * | 2017-09-29 | 2018-02-16 | 黑龙江蓝智科技有限公司 | 增强现实辅助手术系统及将3d模型与手术患者进行自动重合匹配的方法 |
| CN107886532A (zh) * | 2017-11-20 | 2018-04-06 | 北京小米移动软件有限公司 | 基于增强现实的虚拟物体的放置方法及装置 |
| CN107967699A (zh) * | 2016-10-19 | 2018-04-27 | 财团法人资讯工业策进会 | 视觉定位装置及方法 |
| CN108318024A (zh) * | 2017-01-18 | 2018-07-24 | 樊晓东 | 一种基于图像识别云服务的地理定位系统和方法 |
| CN109087376A (zh) * | 2018-07-31 | 2018-12-25 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| WO2019084726A1 (zh) * | 2017-10-30 | 2019-05-09 | 深圳市柔宇科技有限公司 | 基于标志物的摄像头图像处理方法、增强现实设备 |
| CN110232664A (zh) * | 2019-06-13 | 2019-09-13 | 大连民族大学 | 一种基于增强现实的傩面具修复方法 |
| CN110322569A (zh) * | 2019-07-03 | 2019-10-11 | 百度在线网络技术（北京）有限公司 | 多模态ar处理方法、装置、设备和可读存储介质 |
| CN110517319A (zh) * | 2017-07-07 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 一种相机姿态信息确定的方法及相关装置 |
| WO2020029554A1 (zh) * | 2018-08-09 | 2020-02-13 | 北京微播视界科技有限公司 | 增强现实多平面模型动画交互方法、装置、设备及存储介质 |
| CN112233252A (zh) * | 2020-10-23 | 2021-01-15 | 上海影谱科技有限公司 | 一种基于特征匹配与光流融合的ar目标跟踪方法及系统 |
| CN113222867A (zh) * | 2021-04-16 | 2021-08-06 | 山东师范大学 | 基于多模板图像的图像数据增强方法及系统 |
| US11158083B2 (en) | 2018-04-27 | 2021-10-26 | Tencent Technology (Shenzhen) Company Limited | Position and attitude determining method and apparatus, smart device, and storage medium |
| CN113723311A (zh) * | 2021-08-31 | 2021-11-30 | 浙江大华技术股份有限公司 | 目标跟踪方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2685393A2 (en) * | 2012-07-12 | 2014-01-15 | Palo Alto Research Center Incorporated | Distributed object tracking for augmented reality application |
| CN103854283A (zh) * | 2014-02-21 | 2014-06-11 | 北京理工大学 | 一种基于在线学习的移动增强现实跟踪注册方法 |
| CN103871073A (zh) * | 2012-12-18 | 2014-06-18 | 华为技术有限公司 | 一种基于增强现实的目标跟踪方法、设备及系统 |
-
2014
- 2014-06-19 CN CN201410275712.4A patent/CN104050475A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2685393A2 (en) * | 2012-07-12 | 2014-01-15 | Palo Alto Research Center Incorporated | Distributed object tracking for augmented reality application |
| CN103871073A (zh) * | 2012-12-18 | 2014-06-18 | 华为技术有限公司 | 一种基于增强现实的目标跟踪方法、设备及系统 |
| CN103854283A (zh) * | 2014-02-21 | 2014-06-11 | 北京理工大学 | 一种基于在线学习的移动增强现实跟踪注册方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李秀秀等: "一种新的自动图像配准技术", 《计算机应用研究》 * |
Cited By (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778697A (zh) * | 2015-04-13 | 2015-07-15 | 清华大学 | 基于快速定位图像尺度和区域的三维跟踪方法及系统 |
| CN104778697B (zh) * | 2015-04-13 | 2017-07-28 | 清华大学 | 基于快速定位图像尺度和区域的三维跟踪方法及系统 |
| CN104850851A (zh) * | 2015-04-22 | 2015-08-19 | 福州大学 | 一种具有尺度不变性的orb特征点匹配方法 |
| CN105653036A (zh) * | 2015-12-31 | 2016-06-08 | 深圳市路通网络技术有限公司 | 一种涂鸦增强现实的方法及系统 |
| CN105761245A (zh) * | 2016-01-29 | 2016-07-13 | 速感科技（北京）有限公司 | 一种基于视觉特征点的自动跟踪方法及装置 |
| CN105761245B (zh) * | 2016-01-29 | 2018-03-06 | 速感科技（北京）有限公司 | 一种基于视觉特征点的自动跟踪方法及装置 |
| WO2018014601A1 (zh) * | 2016-07-19 | 2018-01-25 | 央数文化(上海)股份有限公司 | 方位跟踪方法、实现增强现实的方法及相关装置、设备 |
| CN106250938B (zh) * | 2016-07-19 | 2021-09-10 | 易视腾科技股份有限公司 | 目标跟踪方法、增强现实方法及其装置 |
| CN106250938A (zh) * | 2016-07-19 | 2016-12-21 | 易视腾科技股份有限公司 | 目标跟踪方法、增强现实方法及其装置 |
| CN107967699A (zh) * | 2016-10-19 | 2018-04-27 | 财团法人资讯工业策进会 | 视觉定位装置及方法 |
| CN108318024A (zh) * | 2017-01-18 | 2018-07-24 | 樊晓东 | 一种基于图像识别云服务的地理定位系统和方法 |
| CN107274431A (zh) * | 2017-03-07 | 2017-10-20 | 阿里巴巴集团控股有限公司 | 视频内容增强方法及装置 |
| CN110517319A (zh) * | 2017-07-07 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 一种相机姿态信息确定的方法及相关装置 |
| CN107358658B (zh) * | 2017-07-20 | 2021-08-20 | 深圳市大象文化科技产业有限公司 | 一种乳房整形ar预测方法、装置和系统 |
| CN107358658A (zh) * | 2017-07-20 | 2017-11-17 | 深圳市大象文化科技产业有限公司 | 一种乳房整形ar预测方法、装置和系统 |
| CN107590453A (zh) * | 2017-09-04 | 2018-01-16 | 腾讯科技（深圳）有限公司 | 增强现实场景的处理方法、装置及设备、计算机存储介质 |
| CN107590453B (zh) * | 2017-09-04 | 2019-01-11 | 腾讯科技（深圳）有限公司 | 增强现实场景的处理方法、装置及设备、计算机存储介质 |
| WO2019042426A1 (zh) * | 2017-09-04 | 2019-03-07 | 腾讯科技（深圳）有限公司 | 增强现实场景的处理方法、设备及计算机存储介质 |
| US11210516B2 (en) * | 2017-09-04 | 2021-12-28 | Tencent Technology (Shenzhen) Company Limited | AR scenario processing method and device, and computer storage medium |
| CN107693117B (zh) * | 2017-09-29 | 2020-06-12 | 苏州蓝软智能医疗科技有限公司 | 辅助手术系统及3d模型与手术患者自动重合匹配的方法 |
| CN107693117A (zh) * | 2017-09-29 | 2018-02-16 | 黑龙江蓝智科技有限公司 | 增强现实辅助手术系统及将3d模型与手术患者进行自动重合匹配的方法 |
| WO2019084726A1 (zh) * | 2017-10-30 | 2019-05-09 | 深圳市柔宇科技有限公司 | 基于标志物的摄像头图像处理方法、增强现实设备 |
| CN107886532A (zh) * | 2017-11-20 | 2018-04-06 | 北京小米移动软件有限公司 | 基于增强现实的虚拟物体的放置方法及装置 |
| US11158083B2 (en) | 2018-04-27 | 2021-10-26 | Tencent Technology (Shenzhen) Company Limited | Position and attitude determining method and apparatus, smart device, and storage medium |
| CN109087376A (zh) * | 2018-07-31 | 2018-12-25 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| GB2590212B (en) * | 2018-08-09 | 2023-05-24 | Beijing Microlive Vision Tech Co Ltd | Multi-plane model animation interaction method, apparatus and device for augmented reality, and storage medium |
| WO2020029554A1 (zh) * | 2018-08-09 | 2020-02-13 | 北京微播视界科技有限公司 | 增强现实多平面模型动画交互方法、装置、设备及存储介质 |
| GB2590212A (en) * | 2018-08-09 | 2021-06-23 | Beijing Microlive Vision Tech Co Ltd | Augmented reality multi-plane model animation interaction method and device, apparatus, and storage medium |
| CN110232664A (zh) * | 2019-06-13 | 2019-09-13 | 大连民族大学 | 一种基于增强现实的傩面具修复方法 |
| CN110322569B (zh) * | 2019-07-03 | 2023-03-31 | 百度在线网络技术（北京）有限公司 | 多模态ar处理方法、装置、设备和可读存储介质 |
| CN110322569A (zh) * | 2019-07-03 | 2019-10-11 | 百度在线网络技术（北京）有限公司 | 多模态ar处理方法、装置、设备和可读存储介质 |
| CN112233252A (zh) * | 2020-10-23 | 2021-01-15 | 上海影谱科技有限公司 | 一种基于特征匹配与光流融合的ar目标跟踪方法及系统 |
| CN112233252B (zh) * | 2020-10-23 | 2024-02-13 | 上海影谱科技有限公司 | 一种基于特征匹配与光流融合的ar目标跟踪方法及系统 |
| CN113222867A (zh) * | 2021-04-16 | 2021-08-06 | 山东师范大学 | 基于多模板图像的图像数据增强方法及系统 |
| CN113222867B (zh) * | 2021-04-16 | 2022-05-20 | 山东师范大学 | 基于多模板图像的图像数据增强方法及系统 |
| CN113723311A (zh) * | 2021-08-31 | 2021-11-30 | 浙江大华技术股份有限公司 | 目标跟踪方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104050475A (zh) | 基于图像特征匹配的增强现实的系统和方法 | |
| Papazov et al. | Real-time 3D head pose and facial landmark estimation from depth images using triangular surface patch features | |
| CN105405154B (zh) | 基于颜色-结构特征的目标对象跟踪方法 | |
| Rogez et al. | Mocap-guided data augmentation for 3d pose estimation in the wild | |
| Lim et al. | Real-time image-based 6-dof localization in large-scale environments | |
| Rublee et al. | ORB: An efficient alternative to SIFT or SURF | |
| Drost et al. | 3d object detection and localization using multimodal point pair features | |
| CN103839277B (zh) | 一种户外大范围自然场景的移动增强现实注册方法 | |
| US8442307B1 (en) | Appearance augmented 3-D point clouds for trajectory and camera localization | |
| Azad et al. | Stereo-based 6d object localization for grasping with humanoid robot systems | |
| WO2015161816A1 (en) | Three-dimensional facial recognition method and system | |
| Yang et al. | Aligning 2.5 D scene fragments with distinctive local geometric features and voting-based correspondences | |
| CN102324042B (zh) | 视觉识别系统及视觉识别方法 | |
| CN113160285B (zh) | 一种基于局部深度图像关键性的点云匹配方法 | |
| CN107016319B (zh) | 一种特征点定位方法和装置 | |
| CN108573231B (zh) | 基于运动历史点云生成的深度运动图的人体行为识别方法 | |
| CN105069809A (zh) | 一种基于平面混合标识物的相机定位方法及系统 | |
| Wang et al. | Real-time hand posture recognition based on hand dominant line using kinect | |
| Hinterstoisser et al. | N3m: Natural 3d markers for real-time object detection and pose estimation | |
| TWI684956B (zh) | 物體辨識與追蹤系統及其方法 | |
| Lin et al. | High quality facial data synthesis and fusion for 3D low-quality face recognition | |
| CN105488541A (zh) | 增强现实系统中基于机器学习的自然特征点识别方法 | |
| CN112200917B (zh) | 一种高精度增强现实方法及系统 | |
| CN114140883A (zh) | 步态识别方法和装置 | |
| Wang et al. | Hand posture recognition from disparity cost map |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140917 |
|
| RJ01 | Rejection of invention patent application after publication |