[發明專利]一種無標識三維注冊算法

在審

• 申請號: 201810228293.7
• 申請日: 2018-03-16
• 公開（公告）號: CN108416846A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 王一帆;陳鋼;張煜;孫漢旭
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06T19/00
• 分類號: G06T19/00;G06F17/50;G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明實施提供了一種無標識三維注冊算法，包括：依據圖像的特征點及特征點鄰域的紋理特征，改進特征向量的構建方式。依據特征點及其改進的特征向量，設計一種訓練樣本集的構建方法。依據訓練樣本集，構建隨機森林分類器，利用分類器的匹配結果，計算出相機位姿，完成模型的疊加顯示。根據本發明實施例提供的技術方案，以實現無標識三維注冊算法。

【技術領域】

本發明涉及一種無標識三維注冊算法，屬于增強現實三維注冊技術領域。

【背景技術】

增強現實技術是虛擬現實技術的延伸和發展。通過對視頻流中圖像信息的實時處理，計算出此時攝像機的位姿，并根據實際應用需求，利用得到位姿信息在視頻流中實時疊加圖像、三維模型、交互界面等。增強現實技術實現了虛擬信息和現實世界的疊加，給用戶帶來更好的交互體驗。因此增強現實技術不僅擁有虛擬現實技術多感知性、交互性、自主性等特點，而且具有虛實融合的特性。在醫療、裝配與維修、教育培訓、機械臂仿真等領域，增強現實技術比虛擬現實技術擁有更好的應用前景。

三維注冊的任務是根據場景信息，快速準確地計算出所要添加的圖像信息、人機交互界面以及虛擬模型等在真實場景中的位姿，是增強現實技術的核心內容，三維注冊的效果將直接影響增強現實系統的性能和用戶體驗。目前的三維注冊算法分為有標識三維注冊算法和無標識三維注冊算法。有標識三維注冊算法通過事先在真實場景中放置標識物并利用標識物的一些標注信息實時求解出攝像機與疊加物體的位姿，進而實現虛擬信息的疊加。這種方法實現難度低，注冊精度高。但是這種方法只適用于室內可控環境，對標識物部分遮擋魯棒性較差，甚至可能注冊失敗。無標識三維注冊算法利用場景圖像的自然特征求解出攝像機與疊加物體的位姿，進而實現虛擬信息的疊加。這種方法可以適用于室外大范圍、無標識的環境。并且對標識物部分遮擋有一定的魯棒性，是當前增強現實技術研究的熱點。然而，目前的無標識三維注冊算法存在對于旋轉變化、視角變化、光照變化等魯棒性較差的問題。導致這些問題的主要原因在于無標識三維注冊算法中提取的特征向量對于上述變化的魯棒性較差，而圖像的LBP特征具有旋轉不變和光照不變的特性。因此，研究如何在特征向量中融入LBP特征，構建訓練樣本集和隨機森林分類器，提高無標識三維注冊算法對于上述變化的精度和魯棒性，具有重要的現實意義。

【發明內容】

有鑒于此，本發明實施例提供了一種無標識三維注冊算法，以實現虛擬模型和現實世界的疊加，提高仿真的精度，增強系統的沉浸感。

本發明實施例提供了一種無標識三維注冊方法，步驟如下：

1)利用SURF特征提取算法獲得特征點集

SURF算法通過Hessian矩陣來確定特征點的位置。Hessian矩陣如下所示：

其中(x,y)為圖像中像素點的坐標，Hessian矩陣的判別式為：

當Hessian矩陣的判別式取得局部極大值時，判定當前點是比周圍鄰域內其他點更亮或更暗的點，由此來定位特征點的位置。對目標圖像中的每一個像素點進行上述處理，得到圖像的特征點集KP，kp_i(i＝1,2,…,n)為特征點集KP中的第i個特征點。

2)利用SURF算法與LBP算法獲得特征向量集

SURF算法基于Hessian矩陣和harr小波特征計算獲得特征點kp_i的特征向量，用表示。該向量對光照變化和尺度變化有較強的魯棒性，但對于旋轉變化，視角變化的魯棒性較差。

LBP算法通過對像素和它局部周圍像素進行對比獲得每個像素點的編碼值，以特征點為kp_i中心，取20×20像素的鄰域，統計該鄰域內所有像素點的LBP值，得到LBP特征向量，用表示該向量具有旋轉不變性和光照不變性。