虚实配准技术是增强现实中的关键技术之一,其对增强系统的实时性、运行速度等起着重要作用。采用人工标志物方式进行识别,算法的计算量较小、注册精度高、速度快。然而基于自然特征的场景识别与注册,具有更加广泛的应用,但是对实时性要求更高,传统的技术很难达到要求,需要重点研究如何提高在自然场景中注册的精度、加快注册速度及提升鲁棒性等问题。本文针对自然场景识别与注册问题,提出基于遗传算法的点云配准方法,对点云配准技术进行了改进,提高了配准的精确度和速度,并将该方法应用到增强系统中,对增强现实中显示的模型进行检测评估,其主要研究工作如下:(1)数据的采集与处理本文对采集到的点云数据,利用KD树对点云进行去噪,利用平面特征进行点云边缘特征检测,对点云数据进行简化处理,对所需的模型数据进行建模。(2)特征点提取与匹配研究本文对SIFT、SURF、ORB各个算法原理进行阐述,并进行实验分析,其中ORB具有更好的特征点提取与匹配的效果。为满足AR系统的实时性要求,采用ORB来进行特征提取与匹配。(3)点云配准方法的改进本文利用遗传算法及KD树对点云配准方法进行改进,利用遗传算法来进行全局迭代,迭代过程中通过交叉、变异来产生新的染色体,通过适应度函数来进行每一代的结果评估,指导种群进化方向,利用KD树对点云进行划分,进行K近邻搜索,提高了搜索速度,从而提高了迭代过程中点云的距离计算速度,达到期望的配准精度。(4)原型系统实现本文对移动设备的摄像头进行标定得其内部参数,使用Matlab完成了AR系统的模型检测模块,将检测合格的模型导入Android Studio工程,通过Android Studio开发完成系统的虚实配准等模块,最终编译生成Android移动端应用,实现移动端的增强现实原型系统。该系统能够在自然场景中实时显示模型而不需要标志物,达到了对现实进行增强的效果。