极速时时彩一期计划 极速时时彩计划稳定版 极速时时彩玩法规则 极速时时彩开奖历史 极速时时彩技巧稳赚 玩极速时时彩输了精光 极速时时彩五星计划 极速时时彩在线预测 极速时时彩开奖历史记录 万博极速时时彩骗局 极速时时彩在哪里玩 全天极速时时彩计划软件 极速时时彩免费计划 88彩票极速时时彩 极速时时彩开 黄金城极速时时彩下载 极速时时彩大小号码 极速时时彩是私人的 极速时时彩投注 极速时时彩的规律 极速时时彩是不是骗局 极速时时彩 玩极速时时彩被骗 全天极速时时彩计划 极速时时彩单双计划软件下载 极速时时彩一天输多少 极速时时彩独胆 极速时时彩是哪里开奖 极速时时彩彩开奖下载 极速时时彩软件计划 极速时时彩玩法规则 极速时时彩在哪里开奖结果 极速时时彩人工计划软件 极速时时彩的玩法说明 玩极速时时彩是骗局吗 极速时时彩有什么软件下载东西 极速时时彩官方开奖网站 极速时时彩九码 欧洲极速时时彩开奖结果查询 极速时时彩开奖器 极速时时彩在那儿开的 极速时时彩1分钟开一期 极速时时彩走势计划 极速时时彩开奖历史 极速时时彩公式集合 有破解极速时时彩的软件吗 极速时时彩时间 极速时时彩稳赢计划 破解极速时时彩软件 极速时时彩赌大小有什么技巧

中国虚拟现实专家与领导者

中视典联系电话 企业版入口 中视典新浪微博 QQ咨询

基于元胞自动机的增强现实标记识别算法

时间:2012-03-19 10:54:17 来源:中视典数字科技

增强现实系统 中标记识别一直是增强现实系统的瓶颈,占用了系统处理的大部?#36136;?#38388;,即使采用规则几何形式的标记,对于实时要求很高的增强现实系统而言,其识别算法的效果和实时性也是不理想的,因此提出了一种利用应用元胞自动机模型,利用给定的演化规则,改进在增强现实系统中标记识别的算法,并在ARTOOLKIT系统中做?#21496;?#20307;实现。实验结果表明,改进的算法的实时?#38498;?#35782;别效果均有了很大的提高。
 

0 引  言

增强现实技术(augmentedreality,AR),是随着虚拟现实技术(virtual reality,VR)迅速发展和实?#35270;?#29992;需要而出现的一种将真实世界信息和虚拟世界信息“无缝”集成的新技术。增强现实系统是使用了增强现实技术的应用系?#22330;?#20854;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,几乎感觉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:是在三维空间中增添定位虚拟物体,它的研?#21487;?#21450;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精确注册已经是一种较成熟的技术了,并在室内、室外?#25581;?#21160;应用等环境都得到了广范应用。其中标记识别一直是增强现实系统的瓶颈,占用了系统处理的大部?#36136;?#38388;,即使采用规则几何形式的标记,对于实时要求很高的增强现实系统而言其识别算法的结果和 实时性也 是不理想的。

元胞自动机(cellular automata,CA)是一时间和空间都离散的动力系?#22330;?#25955;布在规则格网中的每一元胞(Cel1)取有限的离散状态,遵循 同样的作用规则,依据确定的局部规则作同步更新。大量元胞通过简单的相互作用而构成动态系统的演化。不同于?#35805;?#30340;动力学模型,元胞自动机不是由严格定义的物理方程或函数确定,而是用一系列模型构造的规则构成。凡是满足这些规则的模?#25237;?#21487;以算作是元胞自动机模型。因此,元胞自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,且其状态改变的规则在时间和空间上?#38469;?#23616;部的。

1 传统识别算法

视觉标记的识别过程包括输入图像、输出图像标记的包围框和特征点的坐标。这个过程的设计要求是具有较好的精度,满足实时性要求,其中实时性要比精度更重要一些。标记的识别中,?#35805;?#21487;以利用的信息是标记的边缘信息、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 腐蚀 、边框提取和 Hough变换等 技术获得标志包围,再经过种子填充和几何限?#39057;?#25163;段取得特征点集合。

01.jpg
  
2 采用CA模型的算法


CA识别算法如图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?#29615;鵐~N大小的二维图像式中:M,N分别表示图像的高和宽。Aid')表示(  点的状态值(?#24067;?#28784;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表示灰度,为简单起见,先利用阀值进行了二值化,得到 0或 1。要注意在其过程中消除孤立点 ,不然会影 响识别效果 。P表示是 否是边缘点,如 是边缘点则为 1,否则为 0。e表示是否是边 ,如是则为 1,否 则为0。v表示是否 为顶点 ,如是 则为 1,否 则为 0;i表示是否 为标记内部特征点,如是则为 1,否则为0。

根据式(1),c=(0,1,…, )其中开始点为随机选择的。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。保障演化运算不超过矩形空间。


2.2 演化规则

(1)先判断是否是边缘点。由边缘定义可知,如果某一点状态与其近邻点中大部?#20540;?的状态相异 ,就是梯度变 化明显,那这个点就可以认为是边缘点,否则就认为是背景点,也就是非边缘点。基于此理论,按如下规则来判断边缘点位置。

(2)判断是否是边  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,则可用如下的规则判断是否是正方形边上 的点。即必须是边缘点并且满足连续 x或 Y方向上n个?#38469;?#36793;缘点。或者满足连续 x或 Y方向上 d个?#38469;?#21516;等灰度的。

(3)判断是否是顶点,如是顶点必须满足是边上的点并且满足连续 x或 Y方向上n个?#38469;?同等灰度的。

(4)内部特征点必须满足是边缘点?#20063;?#26159;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?#21592;?#39035;设置结束条件,根据应用,结束条件是?#19994;?#25152;有顶点并且特征点的数 目满足特 征识别 的要求 。

3 实验结果

ARTOOLKIT是一?#25351;?#25928;的AR开发?#25945;ā?#20854;标记识别采用传统方法,作者利用这个?#25945;ǎ?#25913;写了标记识别部分的算法,取得了较好的效果。在同一背景和相同PC及相机的情况下, 比较实验结果如表 1、表 2,以及图4、图5所示。可见采用 CA模型的系统在识别效果很好的情况下实时性有了很大提高。

4 结束语

CA方法由于采用了二值运算,并且演化步骤有限,因此算法的效率是很高的,能够较好的满足AR系统实时处理的要求,可预留更多的时间给渲染程序。?#27604;唬?#30001;于 CA在AR中的应用才刚刚起步,CA算法应该还可以应用在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?#24066;恚?#19981;得转载。

全国咨询?#35748;擼?006681235 深圳 | ?#26412;?| 上海 | 武汉 | 成都 | 苏州

粤ICP备13054486号 粤公网安备 44030502002345号

看极速时时彩开奖结果
单机水果老虎机游戏 神秘的诱惑送彩金 mg东方珍兽论坛 热血传奇祖玛阁走法 无限法则怎么收费 美因茨vs弗莱堡比分 妹妹梦工厂 保罗马尔蒂尼 山东鲁能对武里南联 什么游戏里有扎金花 神鬼奇航援彩金 西甲巴列卡诺对巴伦西亚