雷曉妹 伍忠東 雍 玖 加小紅

(蘭州交通大學(xué)電子與信息工程學(xué)院 甘肅 蘭州 730070)

?

基于動(dòng)態(tài)特征模板匹配的ARToolKit三維注冊

雷曉妹 伍忠東*雍 玖 加小紅

(蘭州交通大學(xué)電子與信息工程學(xué)院 甘肅 蘭州 730070)

針對ARToolKit三維注冊易受光照、遮擋以及旋轉(zhuǎn)變化的影響，提出一種基于動(dòng)態(tài)特征模板匹配的ARToolKit三維注冊方法。通過對攝像頭攝入的一幀視頻二值化處理后形成的模板圖片采用ORB算法檢測特征點(diǎn)；然后采用動(dòng)態(tài)特征模板匹配技術(shù)進(jìn)行特征模板匹配；最后計(jì)算出三維注冊矩陣來將虛擬信息疊加到現(xiàn)實(shí)世界中。將OpenGL生成的虛擬信息疊加仿真實(shí)驗(yàn)，并將該方法與ARToolKit注冊方法對比。仿真結(jié)果表明，復(fù)雜環(huán)境條件下動(dòng)態(tài)模板匹配算法具有較高的實(shí)時(shí)性和標(biāo)識物識別率，且基于動(dòng)態(tài)特征模板匹配的ARToolKit注冊具有良好的穩(wěn)定性和魯棒性。

ARToolKit ORB算法 三維注冊 特征模板匹配 標(biāo)識

0 引 言

增強(qiáng)現(xiàn)實(shí)AR(Augmented Reality)是虛擬現(xiàn)實(shí)VR(Virtual Reality)的一個(gè)重要分支[1]，是將計(jì)算機(jī)生成的虛擬信息疊加在真實(shí)世界中，給人以視覺增強(qiáng)的效果[2]。增強(qiáng)現(xiàn)實(shí)技術(shù)具有虛實(shí)結(jié)合、實(shí)時(shí)交互和三維注冊的特點(diǎn)[3]。三維注冊是AR系統(tǒng)的核心，三維注冊技術(shù)的優(yōu)劣是衡量AR系統(tǒng)性能的重要指標(biāo)。AR系統(tǒng)三維注冊通過特征點(diǎn)提取、匹配和定位等步驟，需要實(shí)時(shí)識別目標(biāo)并計(jì)算出虛實(shí)注冊矩陣[4]。目前三維注冊方法包括基于標(biāo)識(marker)的注冊、基于自然紋理特征(markerless)的注冊[5]以及基于標(biāo)識與自然紋理的注冊[6]。

基于標(biāo)識的注冊對放入真實(shí)場景中的標(biāo)識利用計(jì)算機(jī)視覺方法識別，并計(jì)算出攝像機(jī)與標(biāo)識位置關(guān)系進(jìn)行三維定位。目前對ARToolKit的研究與應(yīng)用很廣泛[7]，例如胡穎群等將ARToolKit利用與商品展示中，提出基于ARToolKit的三維虛擬商品展示系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[8]；謝敏等提出基于ARToolKit場景變化增強(qiáng)現(xiàn)實(shí)的研究，在場景發(fā)生變化時(shí)實(shí)現(xiàn)對現(xiàn)實(shí)的增強(qiáng)[9]；王輝柏提出一種增強(qiáng)現(xiàn)實(shí)中基于ARToolKit的新的交互方法且實(shí)現(xiàn)了多標(biāo)識跟蹤[10]。徐敏等將ARTooIKit應(yīng)用于教學(xué)中，提出基于ARTooIKit的增強(qiáng)現(xiàn)實(shí)課件的設(shè)計(jì)與制作[11]。但ARToolKit注冊很依賴標(biāo)識，當(dāng)標(biāo)識放置于復(fù)雜環(huán)境中會導(dǎo)致注冊不成功。

目前主流的特征模板匹配方法是基于特征的匹配算法，但特征檢測時(shí)存在某些參數(shù)不定、計(jì)算復(fù)雜度高以及閾值選取等問題[12]。自然特征檢測算法主要有SIFT、SURF等[3]。這類算法的判別能力強(qiáng)，但存在算法復(fù)雜度高、占用內(nèi)存以及特征點(diǎn)匹配耗時(shí)等問題，導(dǎo)致三維注冊算法實(shí)時(shí)性以及穩(wěn)定性差。2011年Rublee等在ICCV上提出ORB(Oriented FAST and Rotated BRIEF)算法[13]，該算法在特征檢測速度上相比SIFT、SURF等算法有極大提升。因此，本文采用ORB算法進(jìn)行特征檢測。

針對上述問題，本文提出基于動(dòng)態(tài)模板匹配的ARToolKit三維注冊方法。通過采用實(shí)時(shí)性較高的ORB特征檢測算法且模板匹配時(shí)采用實(shí)時(shí)性及識別率較高的動(dòng)態(tài)模板匹配算法，并對ARToolKit的二次開發(fā)，抑制了標(biāo)識易受光照、遮擋以及旋轉(zhuǎn)變換的影響，提高了AR系統(tǒng)的實(shí)時(shí)性、穩(wěn)定性以及魯棒性。

1 特征模板匹配與ARToolKit

1.1 特征模板匹配技術(shù)

特征模版匹配技術(shù)是指根據(jù)識別的模板圖像在計(jì)算機(jī)已存儲的模版圖中搜索與之相對應(yīng)的特征模板，即通過計(jì)算相關(guān)函數(shù)來找到自身被搜索圖的坐標(biāo)。如圖1所示，在搜索圖S上特征模板T(m×n像素)平移，T圖中左上角像點(diǎn)在S圖中的坐標(biāo)為i，j，Si,j(1≤i,j≤n-m+1)為模板T覆蓋下的那塊搜索圖。

圖1 標(biāo)準(zhǔn)模板匹配過程

若T和Si,j內(nèi)容一致，則兩者之差為0。其測量方法為：

(1)

通?；诨叶戎档奶卣髂０迤ヅ渌惴ㄗR別標(biāo)識物時(shí)存在計(jì)算量大且復(fù)雜度高等問題，但是特征模板匹配算法具有匹配精度高、簡單易行等優(yōu)勢[14]。

1.2 ARToolKit

日本廣島城市大學(xué)與美國華盛頓大學(xué)聯(lián)合開發(fā)的基于C和C++開發(fā)包ARToolKit能在不同平臺運(yùn)行，其精確及實(shí)時(shí)注冊能夠非常方便地開發(fā)AR系統(tǒng)[7]。

1.2.1 ARToolKit工作流程

ARTooliKt工作流程如圖2所示。首先設(shè)定閾值θ對彩色圖像二值化處理后并提取標(biāo)識輪廓，然后找到攝像機(jī)相對于標(biāo)識的位置和方向，隨后對候選區(qū)域與已存儲的模板匹配，若匹配成功，則確定標(biāo)識ID后利用該標(biāo)識區(qū)域變換來計(jì)算攝像機(jī)相對于標(biāo)識的位置和方向，最后依據(jù)注冊矩陣完成虛擬信息疊加。

圖2 ARToolKit工作流程

1.2.2 ARToolKit體系結(jié)構(gòu)圖

ARToolKit主要由AR.lib、ARgsub.lib和ARvideo.lib三個(gè)模塊組成。AR模塊為核心部分，提供圖像處理、標(biāo)識目標(biāo)識別、訪問攝像頭及完成三維注冊等例程。ARgsub模塊主要包括ARToolKit顯示和三維場景渲染函數(shù)，利用GLUT提供窗口系統(tǒng)，且利用OpenGL實(shí)時(shí)三維渲染。ARvideo模塊主要是對各個(gè)操作系統(tǒng)視頻處理庫的封裝，ARToolKit的體系結(jié)構(gòu)如圖3所示。

圖3 ARToolKit體系結(jié)構(gòu)

1.2.3 ARToolKit坐標(biāo)系及轉(zhuǎn)換關(guān)系

標(biāo)識坐標(biāo)系O-XYZ、顯示器坐標(biāo)系UV和攝像機(jī)坐標(biāo)系O-XCYCZC之間的關(guān)系如圖4所示，且XP(u,v)為UV坐標(biāo)系中標(biāo)識上任一點(diǎn)的投影。由于攝像機(jī)畸變較小，則標(biāo)識上任一點(diǎn)在顯示器屏幕上的投影也可以采用透視投影方式[15]。標(biāo)識上任意一點(diǎn)P(X,Y,Z)與投影點(diǎn)XP(u,v)之間坐標(biāo)變換關(guān)系如式(2)。

(2)

其中sx、sy是尺度因子；f是攝像機(jī)焦距；u0、v0是所得圖像重心的坐標(biāo)。由以上坐標(biāo)系系統(tǒng)和投影變換關(guān)系可得：

[xc,yc,1]T=λCTm[Xm,Ym,Zm,1]T=

λC[R1,R2,R3,T][Xm,Ym,Zm,1]T

(3)

其中，[Xm,Ym,Zm]為點(diǎn)X在標(biāo)識坐標(biāo)系下的坐標(biāo)，[xc,yc]為點(diǎn)X在理想屏幕坐標(biāo)系下的坐標(biāo)，Tm為注冊矩陣，C為未知攝像頭內(nèi)部參數(shù)矩陣。

圖4 ARToolKit坐標(biāo)系定義

2 基于動(dòng)態(tài)模板匹配的ARToolKit三維注冊

AR系統(tǒng)先通過讀取模板圖片，并計(jì)算出模板的特征點(diǎn)并存儲；然后對攝入的一幀圖像二值化處理后,采用ORB算法進(jìn)行特征檢測；隨后采用動(dòng)態(tài)特征模板匹配技術(shù)計(jì)算出與模板圖像匹配的圖像區(qū)域并計(jì)算出所需疊加虛擬信息的注冊矩陣，以及對攝入幀圖像從RGB轉(zhuǎn)為GRBA；最后將虛擬信息疊加到標(biāo)識上去完成注冊?；趧?dòng)態(tài)特征模板匹配的ARToolKit三維注冊技術(shù)具體流程如圖5所示。

圖5 特征點(diǎn)結(jié)合自然紋理的注冊流程

2.1 圖像預(yù)處理

2.1.1 模板圖片特征提取

只有完成模板圖片特征點(diǎn)的提取，才可將模板圖片特征點(diǎn)與攝像頭實(shí)時(shí)采集圖像特征點(diǎn)進(jìn)行匹配。采用cvLoadImage()函數(shù)以灰度值的形式讀入模板圖片，然后用cv-ORBParams()函數(shù)設(shè)定ORB算法的初始參數(shù)，隨后用cvEx-tractORB()提取模板圖片的ORB特征。

2.1.2 攝像頭參數(shù)

使用OpenCV2.4.10函數(shù)庫打開攝像頭并捕捉圖像流來實(shí)現(xiàn)對現(xiàn)實(shí)的增強(qiáng)。采用cvCreateCameraCapture()函數(shù)讀取攝像頭圖像，并將其內(nèi)容的變量地址返回一個(gè)cvCapture*類型的變量。cvCapture結(jié)構(gòu)的指針為cvQueryFrame()函數(shù)的參數(shù)。用來將下一幀視頻文件載入內(nèi)存，并返回一個(gè)對應(yīng)當(dāng)前幀的指針。關(guān)鍵代碼如下：

初始化部分：

cv Capture*m_Video;

Ip1 Image*new Frame;

if (! m_Video)

m_Video=cv Create Camera Capture(0);

if (! m_Video)

{

printf(″攝像頭無法打開!″);

retum 0;

}

循環(huán)部分：

static void main Loop(void){

new Frame=cv Query Frame(m_Video);

//……

}

2.1.3 灰度化處理及被識別圖片的特征檢測

由于OpenCV中ORB特征檢測的函數(shù)是對灰度圖操作，在提取特征點(diǎn)之前對原始圖像進(jìn)行灰度化處理?；叶葓D是將一張由R(Red)、G(Green)和B(Blue)三分量組成的RGB圖像轉(zhuǎn)換成亮度值介于0～255之間的灰色，且255為白色，0為黑色?；叶戎礣與RGB間的關(guān)系為：

T=0.299R+0.587G+0.114B

(4)

OpenCV中的cvCvtColor()函數(shù)按式(7)將RGB圖像轉(zhuǎn)為灰度圖。并采用cvExtractORB()函數(shù)提取被識別圖片特征點(diǎn)。

2.2 動(dòng)態(tài)特征模板匹配技術(shù)

在標(biāo)識物識別時(shí)基于灰度的模板匹配算法存在算法復(fù)雜度高的問題，但模板匹配算法具有匹配精度高、簡單易行的優(yōu)點(diǎn)。增強(qiáng)現(xiàn)實(shí)應(yīng)用中，攝像頭是在移動(dòng)過程中進(jìn)行目標(biāo)搜索，若繼續(xù)通過計(jì)算機(jī)存儲的特征模板進(jìn)行匹配容易導(dǎo)致標(biāo)識搜索失敗。因此，本文在注冊過程中動(dòng)態(tài)生成標(biāo)識模板作為特征模板后與預(yù)處理視頻圖像匹配。具體流程如圖6所示。

圖6 動(dòng)態(tài)特征模板匹配流程

動(dòng)態(tài)特征模板匹配的具體步驟為：

Step1 圖像預(yù)處理：對攝像頭采集到的圖像采用背景先驗(yàn)的顯著性檢測方法預(yù)處理，得到一張灰度的顯著性圖像，若某區(qū)域灰度值小于給定閾值θ，則這部分為該排除的干擾區(qū)域，否則將這部分作為候選區(qū)域。

Step2 動(dòng)態(tài)特征模板生成：選定標(biāo)識物，并對標(biāo)識物圖像進(jìn)行灰度化、對比度拉伸、二值化、去噪、圖像平滑等處理，然后將處理后的圖像拉伸為顯著性圖像中候選區(qū)域的長寬比例，然后采用ORB算法提取特征點(diǎn)后作為動(dòng)態(tài)特征模板。

Step3 動(dòng)態(tài)特征模板匹配：采用Hamming距離匹配算法從顯著性圖像[16]中選擇出相似度最高的區(qū)域，若相似度大于閾值λ，則設(shè)該區(qū)域?yàn)闃?biāo)識所在區(qū)域；若沒發(fā)現(xiàn)標(biāo)識物則改變攝像頭視角繼續(xù)標(biāo)識物搜索。動(dòng)態(tài)特征模板匹配的相似度量為：

(5)

其中，模板中個(gè)點(diǎn)的灰度值為t(μ,v)，搜索圖像中特征模板ORB算子的灰度值為f(x+μ,y+v)。

2.3 求解注冊矩陣并完成注冊

在完成注冊矩陣的求解之后，由于ARToolkit使用的是RGBA四通道圖像，則要將OpenCV采用RGB三通道圖像轉(zhuǎn)換為RGBA圖像。首先采用cvSplit()函數(shù)將圖像劃分為R、G、B三通道，其次創(chuàng)建A通道后用cvMerge將它們合并轉(zhuǎn)化成RGBA圖像，最后采用argDispImage()函數(shù)顯示。

最后，采用3DMax、OpenGL等三維動(dòng)畫渲染和制作軟件生成虛擬信息后，可將其疊加到標(biāo)識上。首先用argConvGlpara()函數(shù)將ARToolkit注冊矩陣變成虛擬信息生成軟件所使用的格式，然后用該軟件加載模型后采用argSwapBuffers()函數(shù)將緩沖區(qū)圖像顯示出來。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 實(shí)驗(yàn)軟硬件平臺

本文采用真實(shí)拍攝圖像在Windows 7操作系統(tǒng)的惠普PC機(jī)上實(shí)驗(yàn)。具體仿真實(shí)驗(yàn)軟硬件平臺如表1所示。

表1 實(shí)驗(yàn)平臺

3.2 注冊實(shí)驗(yàn)結(jié)果

將OpenGL生成的虛擬立方體在VS平臺下仿真實(shí)驗(yàn)，并與ARToolKit注冊方法比較，如圖7為初始實(shí)驗(yàn)場景，對patthiro標(biāo)識物采用ORB算法特征檢測(閾值θ=9)的結(jié)果如圖8所示。

圖7 初始實(shí)驗(yàn)場景 圖8 ORB特征檢測結(jié)果

首先在光照變換情況下仿真實(shí)驗(yàn)，在光照正常、強(qiáng)光以及弱光的條件下采用本文方法和ARToolKit方法注冊的結(jié)果分別如圖9和圖10所示，可見本文算法在強(qiáng)光和弱光時(shí)可完成注冊而ARToolKit方法則不能。其次在標(biāo)識物遮擋時(shí)本文算法和ARToolKit方法的實(shí)驗(yàn)結(jié)果分別如圖11和圖12所示，可見本文方法在標(biāo)識物遮擋時(shí)仍可正常完成注冊。最后在標(biāo)識物旋轉(zhuǎn)變換時(shí)本文算法和ARToolKit方法的注冊結(jié)果分別如圖13和圖14所示，可見在標(biāo)識物凹進(jìn)去、凸出來以及遠(yuǎn)距離旋轉(zhuǎn)變換時(shí)本文方法可正常完成注冊。

圖9 本文算法光照變化注冊結(jié)果

圖10 ARToolKit光照變化注冊結(jié)果

圖11 本文算法遮擋注冊結(jié)果

圖12 ARToolKit遮擋注冊結(jié)果

圖13 本文算法標(biāo)識旋轉(zhuǎn)變換注冊結(jié)果

圖14 ARToolKit標(biāo)識旋轉(zhuǎn)變換注冊結(jié)果

3.3 模板匹配算法評價(jià)

選取處于不同光照，標(biāo)識被遮擋以及角度下的50幀拍攝的圖像進(jìn)行標(biāo)識物識別，單模板匹配、但顯著性檢測以及動(dòng)態(tài)模板匹配的識別效果如表2所示。可見單模板匹配識別效率較低，單顯著性檢測速度較快但是識別率較低，但動(dòng)態(tài)特征模板匹配算法不僅具有單模板匹配識別率高的優(yōu)點(diǎn)而且具有單顯著性檢測速率高優(yōu)點(diǎn)，該方法在實(shí)時(shí)性和識別率方面表現(xiàn)都較好。

表2 模板匹配算法比較結(jié)果

從表2可以看出，雖然動(dòng)態(tài)模板匹配算法的識別率和識別速率分別為93%和24幀/s，但由于受到客觀因素的影響，可認(rèn)為動(dòng)態(tài)模板匹配算法誤差在合理范圍之內(nèi)，本文算法具有一定的實(shí)用性。

3.4 注冊穩(wěn)定性和魯棒性分析

為了測試本文注冊方法的穩(wěn)定性和魯棒性，在場景中放入patthiro標(biāo)識進(jìn)行仿真實(shí)驗(yàn)，并將本文注冊方法與ARToolKit注冊方法進(jìn)行比對。在對場景進(jìn)行注冊的過程中，分別沿著x軸與y軸移動(dòng)標(biāo)識，同時(shí)分別在80～110幀和100～120幀之間加入遮擋和光照變化，并在此過程中記錄攝像頭相對位移的變化量。在平移過程中加入光照和遮擋時(shí)測得的對位置變量的估計(jì)結(jié)果如圖15所示。為測試本文注冊方法對旋轉(zhuǎn)不變性的魯棒性，在場景中圍繞中心軸對標(biāo)識旋轉(zhuǎn)運(yùn)動(dòng)，統(tǒng)計(jì)數(shù)據(jù)結(jié)果如圖16所示。

圖15 平移過程中加入光照和遮擋時(shí)測得的變化量

圖16 圍繞任一中心軸旋轉(zhuǎn)時(shí)測得的弧度變化

從圖11可以看出，在發(fā)生光照和遮擋變化時(shí)，本文算法仍然能夠?qū)ξ恢眠M(jìn)行穩(wěn)定估計(jì)，從而成功完成注冊，而ARToolKit算法此時(shí)已無法完成注冊。從圖12可以看出，本文注冊算法具備旋轉(zhuǎn)不變性。因此，基于動(dòng)態(tài)特征模板匹配的ARToolKit三維注冊方法在光照、遮擋和旋轉(zhuǎn)變化等復(fù)雜條件下具有較好的穩(wěn)定性和魯棒性。

4 結(jié) 語

本文提出一種基于動(dòng)態(tài)特征模板匹配的ARToolKit增強(qiáng)現(xiàn)實(shí)三維注冊方法。不僅解決了基于ARToolkit三維注冊易受外界環(huán)境的影響，而且采用快速的ORB算法進(jìn)行檢測特征提高了AR系統(tǒng)實(shí)時(shí)性，同時(shí)采用動(dòng)態(tài)模板匹配算法不僅提高了標(biāo)識識別準(zhǔn)確率，而且提高了識別速率。仿真結(jié)果表明，基于動(dòng)態(tài)模板匹配的ARToolKit注冊方法有效地提高了AR系統(tǒng)的實(shí)時(shí)性、穩(wěn)定性以及魯棒性。下一步擬對移動(dòng)增強(qiáng)現(xiàn)實(shí)系統(tǒng)進(jìn)行研究，并將該注冊方法移植Android系統(tǒng)。

[1] Harry E Pence.Smartphones,Smart Objects,and Augmented Reality[J].Reference Librarian,2011,52(1):136-145.

[2] Haydar M,Roussel D,Ma?di M,et al.Virtual and augmented reality for cultural computing and heritage:a case study of virtual exploration of underwater archaeological sites (preprint)[J].Virtual Reality,2011,15(4):311-327.

[3] 李炎,尹東.基于TLD的增強(qiáng)現(xiàn)實(shí)跟蹤注冊方法[J].系統(tǒng)仿真學(xué)報(bào),2014,26(9):2062-2067.

[4] Tomohiro Fukuda,Tian Zhang,Nobuyoshi Yabuki,et al.Improvement of registration accuracy of a handheld augmented reality system for urban landscape simulation[J].Frontiers of Architectural Research,2014,3(4):386-397.

[5] Nguyen T T,Jung H,Lee D Y.Markerless tracking for augmented reality for image-guided Endoscopic Retrograde Cholangiopancreatography[C]// Conference: International Conference of the IEEE Engineering in Medicine & Biology Society IEEE Engineering in Medicine & Biology Society Conference. Conf Proc IEEE Eng Med Biol Soc,2013:7364-7367.

[6] 李旭東.基于特征點(diǎn)的增強(qiáng)現(xiàn)實(shí)三維注冊算法研究[D].天津大學(xué),2008.

[7] Alan B dos S,Juliel B D,Adriano B.ARToolkit and Qualcomm Vuforia:An Analytical Collation[C]//2016 XVIII Symposium on Virtual and Augmented Reality (SVR).IEEE,2016:229-233.

[8] 胡穎群,尹長青.基于ARToolKit的三維虛擬商品展示系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件,2012,29(8):259-261.

[9] 謝敏,徐榮青,何利榮.基于ARToolKit場景變化的增強(qiáng)現(xiàn)實(shí)的研究[J].微電子學(xué)與計(jì)算機(jī),2015,32(3):113-116.

[10] Wang H,Qin J,Zhang F.A new interaction method for augmented reality based on ARToolKit[C]//International Congress on Image and Signal Processing.IEEE,2015.

[11] 徐敏,童強(qiáng),陳棟才,等.基于ARTooIKit的增強(qiáng)現(xiàn)實(shí)課件的設(shè)計(jì)與制作[J].現(xiàn)代計(jì)算機(jī):專業(yè)版,2015(17).

[12] 徐珩.基于模板匹配跟蹤算法的研究與改進(jìn)[D].昆明理工大學(xué),2015.

[13] Rublee E,Rabaud V,Konolige K,et al.ORB:An efficient alternative to SIFT or SURF[C]//International Conference on Computer Vision.IEEE Computer Society,2011:2564-2571.

[14] Delalandre M,Iwata M,Kise K.Fast and Optimal Binary Template Matching Application to Manga Copyright Protection[C]//Iapr International Workshop on Document Analysis Systems,2014:298-303.

[15] 陳鵬,管濤.基于仿射重投影的增強(qiáng)現(xiàn)實(shí)三維注冊方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010,22(3):480-486.

[16] Chen T,Lin L,Liu L,et al.DISC:Deep Image Saliency Computing via Progressive Representation Learning[J].IEEE Transactions on Neural Networks & Learning Systems,2016,27(6):1135-1149.

ARTOOLKIT 3D REGISTRATION BASED ON DYNAMIC FEATURE TEMPLATE MATCHING

Lei Xiaomei Wu Zhongdong*Yong Jiu Jia Xiaohong

(CollegeofElectronicandInformationEngineering,LanzhouJiaotongUniversity,Lanzhou730070,Gansu,China)

Aiming at the effect of ARToolKit 3D registration on illumination, occlusion and rotation, this paper presents an ARToolKit 3D registration method based on dynamic feature template matching. First, the template image formed by the binary processing of one frame of video taken by the camera adopts the ORB algorithm to detect the feature points. Then, the dynamic feature template matching technology is used to match the feature templates. Finally, the 3D registration matrix is calculated to superimpose the virtual information into the real world. The virtual information generated by OpenGL is superimposed and simulated, and compare this method with the ARToolKit registration method. The simulation results show that the dynamic template matching algorithm has high real-time and marker recognition rate under the condition of complex environment, and the ARToolKit registration based on the dynamic feature template matching has good stability and robustness.

ARToolKit ORB algorithm 3D registration Feature template matching Marker

2016-07-18。國家自然科學(xué)基金項(xiàng)目(61162016，61562057)；甘肅省高校基本科研業(yè)務(wù)費(fèi)基金項(xiàng)目(213056)。雷曉妹，碩士生，主研領(lǐng)域：增強(qiáng)現(xiàn)實(shí)，密碼學(xué)。伍忠東，教授。雍玖，碩士生。加小紅，碩士生。

TP391.9

A

10.3969/j.issn.1000-386x.2017.07.020