论文部分内容阅读
增强现实是一种将计算机生成的虚拟物体实时叠加到真实场景中的技术。叠加过程中,虚拟物体与真实场景相互之间必须正确对齐,否则增强现实的效果将大打折扣。因此,当虚拟物体与真实场景进行虚实融合时,用何种方法将它们进行对齐是增强现实面对的关键问题。通过跟踪注册技术可获得计算机设备相对于真实场景的位姿,并随着计算机设备在场景中的运动对其位姿进行实时跟踪。然后根据获得的位姿即可将虚拟内容正确的整合到真实场景中。然而,移动设备存在内存较小、CPU运算能力较低等资源限制。针对这些问题,本文提出一些方法对现有的跟踪注册算法进行改进,以满足移动设备的需求。本文的主要内容和贡献如下所示:(1)为提升图像匹配算法的实时性和鲁棒性,提出一种基于改进FREAK的特征点匹配算法(MyFREAK算法)。首先将经典FREAK算法的8层视网膜模型简化为5层,且根据贪婪搜索算法仅选取64组感受野点对,使得在减少运算开销的同时尽量保留有效的点对信息。然后设计一种具有旋转不变性的LBP算法,对每个感受野进行编码,以增加描述符的区分度。与实验里其它算法相比,提出的算法具有最小的描述符尺寸。根据在Mikolajczy和day-night数据集上的实验结果可知,在多数场景下,提出的算法运算更快、精度更高,而且更适合光照变化复杂的环境。(2)对于整合了陀螺仪及加速计读数、偏置和噪音的惯性系统,本文以哈密顿单位四元组表示空间方向,使用基于误差状态量的卡尔曼滤波器对其预积分误差状态量之间的等式关系进行推导。因为误差状态量是小量,所以其所有二阶的乘积都可以消去,以简化和加速雅可比矩阵的计算。与传统的foster预积分相比,基于ESKF的预积分计算得更快,因此更加适合移动设备。接着,为了满足移动设备的需求,本文基于OKVIS算法提出一种新的跟踪注册算法(MyVIO算法)。MyVIO算法的基本思想是,使用基于ESKF的预积分,代替OKVIS算法使用的IMU运动学模型,对IMU数据进行处理;使用提出的MyFREAK特征点匹配算法,代替OKVIS算法使用的BRISK算法,对图像数据进行处理。为了提升MyVIO算法的整体鲁棒性,本文还提出一种视觉惯性初始化方法用于鲁棒地启动跟踪注册算法。根据在EuRoC数据集上的实验结果可知,在多数场景下,提出的MyVIO算法可以获得更高的帧率和更精确的跟踪轨迹。最后,本文基于提出的MyVIO算法,在移动平台上设计并实现应用程序。根据应用程序在移动平台上的真实运行效果可知,本文提出的MyVIO算法能够基本满足移动平台对实时性和鲁棒性的需求。