基于AKAZE图像匹配的AR移动学习平台设计与实现

发布时间：2024-03-10 13:27

　　移动学习以互联网为载体,通过计算机技术打破时空限制,使知识获取方式更加便捷,进一步推进教育资源共享。但是目前移动学习表现形式单一,实践不易开展,学习者常处于被动接受地位。增强现实技术将虚拟三维场景叠加显示在真实世界场景中使内容展示效果直观立体,但是移动端实时图像匹配性能存在瓶颈。本文将增强现实技术与MOOC移动学习模式相结合,开发了具有AR互动功能的移动学习平台,主要工作内容为:分析了图像匹配技术基本原理,研究基于AKAZE算法(Accelerated-KAZE)的图像匹配技术。AKAZE算法构建非线性尺度空间通过快速显式扩散方法加速非线性滤波,使图像匹配实时性和稳定性大幅提升。对比AKAZE算法与ORB算法、BRISK算法在图像匹配方面综合性能可知AKAZE算法更符合增强现实技术中图像实时匹配性能要求。研究了基于AKAZE算法的图像匹配工作流程,并将其应用于增强现实技术跟踪注册环节,通过Unity引擎进行平台构建,OpenCV库构建图像匹配主程序。用户使用移动智能设备摄像头扫描图像,图像匹配主程序从视频流中截取图像帧,通过AKAZE算法进行图像特征检测,通过64位M-LDB描述符对图...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图２．１区域特征选择示意图??

／／＾ｙ＼硕士学位论之??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??２．１．２图像特征分类??图像特征按照提取方式不同可以分为全局特征和局部特征。全局特征主要是指??图像整体属性，如方差、梯度、颜色、纹理信息等，这些信息以像素为单位，表示??直观易于处理。全局特征常用于物体跟踪和识别，例....

图２．２特征点匹配示意图??

丨硕士学位论文??ｖＭ＾ＷＪ）?ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??＿匿??（ａ）?（ｂ＞??图２．２特征点匹配示意图??如图２．２所示，当图像发生旋转时，图２．２（ａ）中提取的特征点绝大多数都能在图??２．２（ｂ）中找到对应点，这些特征点就是有效匹配点。??衡量一个特征提取算法稳....

图２．３图像金字塔示意图??尺度空间可分为线性尺度空间和非线性尺度空间｜２９］

硕士学位论文??ｖＭ＾Ｕ）?ＭＡＳＴＥＲ?Ｓ?ＴＨＥＳＩＳ??補?ｆ??第３层??＝??雖??图２．３图像金字塔示意图??尺度空间可分为线性尺度空间和非线性尺度空间｜２９］。线性尺度空间主要采用??高斯核函数进行构造．通过高斯滤波生成０组图像金字塔，每组金字塔有Ｌ层图??像．这组....

图２．４?ＲＡＮＳＡＣ算法筛选结果示意图??如图２．４所示，ＲＡＮＳＡＣ算法能够有效剔除误匹配特征点对，保留正确匹配的??特征点对，进一步提高图像匹配的准确率和稳定性

／／ｐｙ＼硕士学位论文??ＭＡＳＴＥＲ?Ｓ?ＴＨＥＳＩＳ??相同即为正确匹配，否则为错误匹配。??（３）?ＲＡＮＳＡＣ算法…１通过匹配点集来计算两个图像单应矩阵，若单应矩阵与??数据之间投影误差小于预设阈值即为正确匹配，否则为错误匹配。ＲＡＮＳＡＣ算法通??常分为三个步骤：随机从....

本文编号：3924863