亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)RANSAC算法的AR壁畫保護(hù)可視化系統(tǒng)研究及應(yīng)用*

        2024-01-28 08:55:54臧傳方陳愫閒
        甘肅科技縱橫 2023年12期
        關(guān)鍵詞:攝像機(jī)坐標(biāo)系現(xiàn)實(shí)

        宋 冰,臧傳方,陳愫閒,賈 凱

        (1.甘肅省博物館,甘肅 蘭州 730070;2.蘭州交通大學(xué)電子與信息工程學(xué)院,甘肅 蘭州 730070)

        增強(qiáng)現(xiàn)實(shí)技術(shù)是一種將通過計算機(jī)科學(xué)產(chǎn)生的虛擬場景圖像或信息,能夠生動地呈現(xiàn)在真實(shí)場景中,使用戶能夠通過終端實(shí)時看到,從而獲得更多的信息的技術(shù)[1-5]。增強(qiáng)現(xiàn)實(shí)技術(shù)通過三維跟蹤配準(zhǔn)技術(shù)、虛擬現(xiàn)實(shí)集成技術(shù)等技術(shù)支持,可以應(yīng)用于多種應(yīng)用領(lǐng)域[6-8]。早在20世紀(jì),增強(qiáng)現(xiàn)實(shí)技術(shù)就已經(jīng)出現(xiàn)在美國。隨著科學(xué)技術(shù)的不斷發(fā)展,我國也開始將增強(qiáng)現(xiàn)實(shí)技術(shù)應(yīng)用于各個領(lǐng)域,如軍事[9-12]等。但是,它在文化領(lǐng)域的應(yīng)用還相對較少,有很大的發(fā)展空間。而古壁畫對保存條件要求很高,研究條件也很苛刻。經(jīng)常在研究過程中由于操作不當(dāng)導(dǎo)致珍貴的古代壁畫被破壞或從此消失了[12-13]。增強(qiáng)現(xiàn)實(shí)技術(shù)是將古代壁畫的各個方面記錄并保存在計算機(jī)構(gòu)建的虛擬場景中,然后通過三維跟蹤技術(shù),完整而詳細(xì)地呈現(xiàn)在面前,供研究人員研究[14]。增強(qiáng)現(xiàn)實(shí)技術(shù)的應(yīng)用對于古代壁畫的應(yīng)用和探索具有重要意義。

        1 計算機(jī)增強(qiáng)現(xiàn)實(shí)技術(shù)的應(yīng)用分析

        增強(qiáng)現(xiàn)實(shí)技術(shù)是真實(shí)場景、虛擬場景、用戶交互的系統(tǒng)橋梁。一般由圖像識別技術(shù)、三維跟蹤配準(zhǔn)技術(shù)和虛實(shí)結(jié)合技術(shù)組成,組合模式圖如圖1。

        圖1 增強(qiáng)現(xiàn)實(shí)技術(shù)的系統(tǒng)構(gòu)成圖

        在此增強(qiáng)現(xiàn)實(shí)系統(tǒng)中,首先通過攝像頭移動從真實(shí)場景中獲取所需的信息,并通過圖像識別技術(shù)分析和建立虛擬的真實(shí)場景空間。利用三維跟蹤技術(shù)獲得當(dāng)前攝像機(jī)的空間定位和當(dāng)前攝像機(jī)所保持的具體姿態(tài)。利用計算機(jī)設(shè)計出與當(dāng)前狀態(tài)相對應(yīng)的虛擬模型,根據(jù)相關(guān)數(shù)據(jù)通過三維跟蹤配準(zhǔn)技術(shù)進(jìn)行解析計算,將真實(shí)場景與虛擬場景合并,將其在虛實(shí)結(jié)合的系統(tǒng)中顯示出來。最后在終端上顯示,形成一個完整的增強(qiáng)現(xiàn)實(shí)系統(tǒng)。圖像識別技術(shù)的操作流程如圖2。

        圖2 圖像識別技術(shù)的操作流程示意圖

        由于特征匹配是在同一真實(shí)場景或具有相同目標(biāo)的兩幅圖像之間建立對應(yīng)關(guān)系,因此全局特征檢測的抗干擾性和精度,低于局部特征檢測,并且對圖像的環(huán)境要求非常高,在應(yīng)用上有很大的局限性,因此采用局部特征檢測方法。

        利用圖像識別技術(shù),通過圖像采集、圖像預(yù)處理、圖像特征提取、圖像特征匹配、輸出結(jié)果等一系列過程,可以得到比初始獲得的圖像信息更加準(zhǔn)確、有用的信息,刪除無用的信息,也為后續(xù)的3D注冊跟蹤技術(shù)提供了計算便利性和更高的準(zhǔn)確性。3D 跟蹤配準(zhǔn)技術(shù)是增強(qiáng)現(xiàn)實(shí)技術(shù)正確實(shí)現(xiàn)疊加和虛實(shí)融合的關(guān)鍵。3D跟蹤配準(zhǔn)技術(shù)通常用于對真實(shí)場景中的物體進(jìn)行跟蹤定位,通過空間坐標(biāo)系將虛擬場景渲染到真實(shí)場景中的準(zhǔn)確位置。根據(jù)所使用的技術(shù)、設(shè)備和方法,可以將現(xiàn)實(shí)中每個角落的精確定位分為3類。應(yīng)用最廣泛的跟蹤配準(zhǔn)技術(shù)是基于軟件的配準(zhǔn)技術(shù),即通過計算機(jī)視覺發(fā)展起來的跟蹤配準(zhǔn)技術(shù)。它可以通過在虛擬坐標(biāo)系和真實(shí)坐標(biāo)系之間轉(zhuǎn)換的空間定位和疊加模型進(jìn)行跟蹤配準(zhǔn)。按照標(biāo)記物是否放置在真實(shí)環(huán)境中可分為標(biāo)記物三維配準(zhǔn)技術(shù)和非標(biāo)記物配準(zhǔn)技術(shù)。

        獲取離線段目標(biāo)關(guān)鍵幀后,根據(jù)匹配點(diǎn)求解關(guān)鍵幀的攝像機(jī)外部參考和投影矩陣,建立初始化結(jié)構(gòu)。在逐幀分析和建立目標(biāo)三維結(jié)構(gòu)時保存目標(biāo)關(guān)鍵幀的參數(shù)。定位關(guān)鍵幀來初始化3D 軌跡注冊信息。圖3顯示了三維跟蹤配準(zhǔn)技術(shù)。

        圖3 三維跟蹤配準(zhǔn)技術(shù)分類圖

        1.1 三維空間中的坐標(biāo)計算

        (1)像素坐標(biāo)與圖像坐標(biāo)。三維空間上的某一點(diǎn)Pw的二維齊次坐標(biāo)的投影點(diǎn)p0在像素坐標(biāo)系(O0uv)下可以表示為p0(u,v,1)T,其投影點(diǎn)p1在圖像坐標(biāo)系(O1xy)下的二維齊次坐標(biāo)可表示為p1(x,y,1)T。兩點(diǎn)之間的關(guān)系可以用公式(1)(2)表示,其中(u0,v0)為坐標(biāo)系原點(diǎn)。

        像素坐標(biāo)系各像素在x、y軸上的變化量為Δx和Δy。在此基礎(chǔ)上,這2個坐標(biāo)的變換關(guān)系如式(3)。

        (2)圖像坐標(biāo)與相機(jī)坐標(biāo)。從坐標(biāo)系(O1xy)到攝像機(jī)所在的坐標(biāo)系(OCXCYCZC),將攝像機(jī)坐標(biāo)系中PC(XC,YC,ZC,1)T轉(zhuǎn)換為圖像坐標(biāo)系中可以用齊次坐標(biāo)p1(x,y,1)T表示的點(diǎn)。相機(jī)坐標(biāo)系的原點(diǎn)與圖像坐標(biāo)系的原點(diǎn)之間的距離f也被稱為是相機(jī)的焦距。圖像坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的變換關(guān)系可以用式(4)表示,其表達(dá)式為:

        (3)世界坐標(biāo)系與相機(jī)坐標(biāo)系。對于三維空間中現(xiàn)實(shí)世界坐標(biāo)系中的一個點(diǎn),PW可以表示為現(xiàn)實(shí)世界坐標(biāo)系(OWXWYWZW)中的PW=(XW,YW,ZW,1)T。攝像機(jī)坐標(biāo)系(OCXCYCZC)中的點(diǎn)PC可以用齊次坐標(biāo)PC(XC,YC,ZC,1)T來表示。這2個坐標(biāo)系之間的變換關(guān)系可以用下式表示:

        其中表示坐標(biāo)軸的R,在將現(xiàn)實(shí)世界的坐標(biāo)系轉(zhuǎn)換為攝像機(jī)坐標(biāo)系后,是一個3×3旋轉(zhuǎn)矩陣。t是表示從現(xiàn)實(shí)世界坐標(biāo)系到攝像機(jī)坐標(biāo)系變換后的坐標(biāo)平移的向量。T是表示現(xiàn)實(shí)世界坐標(biāo)系與攝像機(jī)坐標(biāo)系之間變換關(guān)系的矩陣。

        綜合以上公式可以得到:

        1.2 特征點(diǎn)檢測計算

        比例尺通常用來描述對遠(yuǎn)處物體的放大,而遠(yuǎn)處物體的圖像會變得模糊。它經(jīng)常被用來模擬人眼的視覺。當(dāng)圖像上2個物體的特征點(diǎn)能夠在多個尺度上匹配時,就可以證明兩者是同一物體。

        為了實(shí)現(xiàn)算法尺度的不變性,我們建立了圖像金字塔來構(gòu)建尺度空間。金字塔的每一層都由許多圖像組成,圖像之間的尺度以恒定的乘數(shù)增加。每組起始圖像乘以下一組圖像倒數(shù)第二個三級圖像樣本,不同組之間的圖像尺寸形成一個連續(xù)的金字塔,從而保證了尺度的不變性。

        (1)高斯函數(shù)。圖像的尺度空間函數(shù)G(x,y,σ)可以通過尺度變量高斯函數(shù)L(x,y,σ)與輸入圖像I(x,y)的卷積表示,如式(7)所示:

        *表示卷積,變尺度高斯函數(shù)G(x,y,σ)可以用式(8)表示:

        式中:σ表示尺度因子,其大小決定了圖像的模糊程度。文章的特征點(diǎn)檢測使用了SURF算法的特征點(diǎn)檢測,即基于Hessian矩陣的興趣點(diǎn)檢測。假設(shè)在給定圖像I的p(x,y)中存在一個像素p,則該點(diǎn)和尺度σ處的黑森矩陣定義可由式(9)[15]表示:

        式中:Lxx,Lxy,Lyy是高斯二階導(dǎo)數(shù)和原始圖像的卷積。

        由于高斯函數(shù)的精確表達(dá)式使其在計算上變得復(fù)雜,所以通常用近似值來表示,減少計算量來加速計算過程,如式(10)所示:

        式中:Dxx,Dyy,Dxy表示對Lxx、Lyy和Lxy進(jìn)行過濾得到的近似值。

        其實(shí)目標(biāo)圖像的特征檢測算法有很多,但需要根據(jù)不同的特征和不同的場合來選擇。SURF 算法在特征點(diǎn)檢測的精度、尺度、旋轉(zhuǎn)等方面都與其他算法相比有很大的優(yōu)勢,并且算法在速度上也有了很大的提高,因此我們選擇SURF 算法作為增強(qiáng)現(xiàn)實(shí)系統(tǒng)的主要算法。

        (2)SURF和F-REAK算法。過去通常使用傳統(tǒng)的SURF算法來描述浮點(diǎn)特征。雖然hot SURF已經(jīng)進(jìn)行了更新和加速,但仍然不能滿足要求。它需要使用大量的內(nèi)存和時間進(jìn)行處理、描述和匹配。因此使用了FREAK算法,它更接近人眼視網(wǎng)膜接收圖像信息并對其進(jìn)行處理的過程。它采用局部采樣點(diǎn)的梯度計算,通過對采樣點(diǎn)的比較,將采樣點(diǎn)組合成對。得到描述符的像素強(qiáng)度可以用式(11)表示:

        式中:N表示描述符的長度,T(Pa)表示二值檢驗(yàn),Pa表示大量采樣點(diǎn)。這個表達(dá)式可以用式(12)表示:

        式中:I()表示前一個像素點(diǎn)Pa的像素值,I()表示后一個像素點(diǎn)Pa的像素值。

        根據(jù)已有的特征點(diǎn)信息,建立一個矩陣,每一行對應(yīng)一個關(guān)鍵點(diǎn)的FREAK二進(jìn)制字符表示,通過計算矩陣每列的均值來計算二進(jìn)制分布矩陣的方差。根據(jù)最大方差對矩陣的每一列進(jìn)行排序,最接近的方差排序越靠前。最后,保存最佳列,遍歷其余列以計算最佳列的協(xié)方差,留下協(xié)方差最小的列,最后進(jìn)行篩選以獲得所需的二進(jìn)制描述符。

        該模型通過選取中心對稱的采樣點(diǎn),采用局部梯度求和的方法計算特征點(diǎn)的矢量方向。假設(shè)局部梯度信息O由式(13)計算得到特征點(diǎn)的方向。

        其中,M為集合G中點(diǎn)的個數(shù),G為計算特征點(diǎn)方向的所有采樣點(diǎn)的集合,和為經(jīng)過采樣中心的點(diǎn),I()為兩個經(jīng)過的采樣點(diǎn)中前一個的像素值。I()表示兩個經(jīng)過的采樣點(diǎn)中的后一個的像素值。

        在抽樣之后,對收集到的數(shù)據(jù)進(jìn)行粗略匹配,粗匹配的度量通常為漢明距離,特征點(diǎn)描述符之間的漢明距離計算公式如式(14)所示:

        2 基于RANSAC算法的增強(qiáng)現(xiàn)實(shí)技術(shù)改進(jìn)模型

        由于閾值的存在,使得可以匹配的點(diǎn)只能接近真實(shí)正確的匹配,不能完全保證點(diǎn)的正確性。因此,在特征檢測與匹配算法過程的最后一步使用RANSAC 算法,即使用隨機(jī)抽樣一致性算法對得到的特征匹配點(diǎn)進(jìn)行篩選和凈化。該算法有助于估計兩幅圖像之間特征點(diǎn)的坐標(biāo)點(diǎn)之間的相互變換關(guān)系,稱為單應(yīng)性矩陣h,該單應(yīng)性矩陣可以幫助找到圖像在虛擬場景和真實(shí)場景中的具體位置。圖像之間的同形關(guān)系如下式所示:

        s表示匹配特征點(diǎn)(x,y)的尺度參數(shù)為目標(biāo)圖像的匹配特征點(diǎn)坐標(biāo)與虛擬場景或真實(shí)場景(x',y')中匹配的特征點(diǎn)坐標(biāo)。

        采用魯棒性檢驗(yàn)和圖像識別算法的準(zhǔn)確性來比較特征檢測和特征匹配算法,以準(zhǔn)確描述圖像之間特征的描述和匹配,其中AM 測量的是平均匹配次數(shù)和平均匹配率。平均匹配率表示匹配點(diǎn)總數(shù)N與圖像特征點(diǎn)總數(shù)m的比值,比值越大,算法檢測到的特征點(diǎn)越準(zhǔn)確,如式(16)所示:

        平均匹配率AP是精確匹配點(diǎn)總數(shù)Nc與特征點(diǎn)總數(shù)N之比。比值表示算法的匹配精度。由于只有正確的匹配點(diǎn)數(shù)才能稱為特征匹配點(diǎn)數(shù),所以比值越高,算法的準(zhǔn)確率越高,如式(17)所示:

        在增強(qiáng)現(xiàn)實(shí)技術(shù)系統(tǒng)中,無論是三維結(jié)構(gòu)的建立,還是三維配準(zhǔn)信息的分析,都需要特定的攝像機(jī)固定信息。在平面圖像中,如果真實(shí)世界的坐標(biāo)與相機(jī)坐標(biāo)所在的平面重合,則二維平面坐標(biāo)的轉(zhuǎn)換關(guān)系如式(18)所示:

        若H是單應(yīng)矩陣,則公式的形式變化如式(19)所示:

        若轉(zhuǎn)置矩陣R是一個正交矩陣,那么,根據(jù)正交矩陣的相關(guān)性質(zhì),如式(20):

        將式(19)和式(20)結(jié)合可得:

        選取的前兩幀作為構(gòu)建初始三維結(jié)構(gòu)的基礎(chǔ)。將這兩幀的平面命名為I1和I2,假設(shè)2個平面外的1個點(diǎn)P在2個平面上的投影點(diǎn)分別為這2個,點(diǎn)的圖像像素的p1齊次坐標(biāo)。p點(diǎn)的空間坐標(biāo)為p齊次坐標(biāo)=(pT,1)T,相機(jī)參數(shù)矩陣為K。根據(jù)這些信息,得到如下公式:

        R 是由坐標(biāo)系旋轉(zhuǎn)矩陣t 從第二幀到第一幀的平移求和得到的。與式(22)結(jié)合,可以得到公式(23):

        式(23)的左右兩邊同時交叉乘以t,將交叉乘以t?的矩陣形式表示為式(24):

        通過公式λ2x2=λ1Rx1+t得到投影矩陣M,同時將三維坐標(biāo)乘以方程的兩邊,可以得到0=λ1x2Rx1+x2t,然后將得到的任意一對特征點(diǎn)與坐標(biāo)、旋轉(zhuǎn)矩陣R、平移向量t配對,得到λ1、λ2。

        將原公式進(jìn)行簡化,定義矩陣F 和矩陣E,設(shè)其為圖像的齊次坐標(biāo)xx=K-1--p,最終公式為:

        3 實(shí)驗(yàn)結(jié)果及分析

        3.1 不同算法實(shí)驗(yàn)仿真比較

        增強(qiáng)現(xiàn)實(shí)技術(shù)的一個重要指標(biāo)是特征檢測實(shí)驗(yàn)中匹配特征點(diǎn)的平均個數(shù)、平均匹配率和平均準(zhǔn)確率。這些數(shù)據(jù)對增強(qiáng)現(xiàn)實(shí)技術(shù)非常重要。通過多個場景和一個場景的旋轉(zhuǎn)變換、模糊變換、亮度變換、尺度變換等多種變換,得到以下數(shù)據(jù),對比優(yōu)化前后的數(shù)據(jù),可以直觀地看到優(yōu)化后的結(jié)果,見表1和圖4。

        表1 各種變換下平均匹配次數(shù)的對比結(jié)果

        圖4 平均匹配計數(shù)比較結(jié)果

        從數(shù)據(jù)對比圖可以清楚地看到,在對圖像的各種變換中,SURF 算法和FREAK 算法在不同變換下得到的平均匹配次數(shù)相差很大。與前兩種算法相比,本文方法獲得的平均匹配數(shù)變化更小,穩(wěn)定性更高。

        在上述變化中,除了平均匹配次數(shù)外,還可以得到一個重要的指標(biāo),即平均特征點(diǎn)匹配率,簡稱平均匹配率。在上述轉(zhuǎn)換過程中,平均匹配率的變化見表2和圖5。

        表2 各種變換下的平均匹配率比較結(jié)果

        圖5 平均匹配率的比較

        從數(shù)據(jù)圖中可以看出,與本文方法和SURF 算法相比,F(xiàn)REAK算法在各種圖像的變換中平均匹配率較低,魯棒性測試結(jié)果也較差。本文方法的平均匹配率與SURF 算法總體上相差不大,在視角變換和壓縮變換中效果更強(qiáng),平均匹配率較高。總體而言,該方法的平均匹配率最高。

        在再增強(qiáng)色彩系統(tǒng)中,誤差主要發(fā)生在在線跟蹤配準(zhǔn)過程中由于攝像機(jī)與場景之間的相對運(yùn)動而產(chǎn)生的跟蹤配準(zhǔn)誤差,該誤差可以通過重新投影待測誤差err來計算。

        最后,通過每次變換的平均準(zhǔn)確率數(shù)據(jù)進(jìn)行直觀的比較。結(jié)果見表3和圖6。

        表3 各種變換下平均精度的對比結(jié)果

        圖6 平均精度比較結(jié)果

        傳統(tǒng)的FREAK算法整體準(zhǔn)確率低于其他算法,魯棒性測試結(jié)果也無法達(dá)到預(yù)期效果。SURF 算法在旋轉(zhuǎn)變換的情況下精度較低,但在其他圖像變換中效果較好,具有較高的精度。從整體上看,本文的方法是最好的,其次是SURF。

        3.2 不同算法實(shí)驗(yàn)仿真的耗時比較

        時間消耗是衡量算法實(shí)時性的關(guān)鍵指標(biāo)。通過比較算法在特征點(diǎn)檢測和特征點(diǎn)匹配凈化方面的運(yùn)行時間,發(fā)現(xiàn)耗時越少算法的真實(shí)時間性能越好。

        利用圖像數(shù)據(jù)庫中的平均數(shù)據(jù)計算SURF算法和FREAK 算法使用的耗時時間以及本文采用特征檢測方法計算的時間,結(jié)果見表4和圖7。

        表4 各算法的耗時比較

        圖7 時間消耗對比圖

        這3 種方法相比較,SURF 方法耗時最多。SURF 算法在平均準(zhǔn)確率、平均匹配率等數(shù)據(jù)方面優(yōu)于FREAK 算法,但每次實(shí)驗(yàn)耗時較FREAK 算法多。由于SURF 算法的改進(jìn)存在較長的瓶頸,因此選擇本文中耗時更少且精度更高的方法。

        3D 配準(zhǔn)的耗時性質(zhì)是我們評估配準(zhǔn)方法的一個指標(biāo)。我們使用目標(biāo)識別配準(zhǔn)方法和目標(biāo)跟蹤配準(zhǔn)方法對實(shí)驗(yàn)結(jié)果進(jìn)行對比,見表5和圖8。

        表5 識別注冊和跟蹤注冊的時間消耗比較

        圖8 平均時間消耗比較圖表

        從逐幀特征檢測與匹配方法的耗時結(jié)果可以看出,目標(biāo)識別與配準(zhǔn)的耗時遠(yuǎn)遠(yuǎn)大于目標(biāo)跟蹤配準(zhǔn)的耗時。因?yàn)楹臅r越長,系統(tǒng)上的負(fù)載就越大,系統(tǒng)卡住的時間也就越長。因此,目標(biāo)識別配準(zhǔn)方法是不可行的。

        使用PASCAL VOC2007 圖像庫作為圖像特征,其中包含大量的場景和變換,并且平均計算了該圖像庫中的圖像數(shù)據(jù)序列。所使用的算法也是結(jié)合最近鄰和近鄰比例的雙向匹配算法,使實(shí)驗(yàn)數(shù)據(jù)具有說服力和代表性。

        最后,在基于增強(qiáng)現(xiàn)實(shí)技術(shù)構(gòu)建的系統(tǒng)中,比較了系統(tǒng)中各主要模塊對圖像幀的處理速度,見表6和圖9。

        表6 3個模塊處理幀數(shù)的時間消耗表

        圖9 3個模塊處理幀數(shù)耗時對比圖

        由表6 可知,3 個模塊處理初始幀的時間最長,目標(biāo)圖像識別耗時最長。此時我們需要保持?jǐn)z像機(jī)的穩(wěn)定性來保證初始幀的完整性,因?yàn)橄到y(tǒng)使用增強(qiáng)現(xiàn)實(shí)技術(shù)通過特征跟蹤來疊加圖像解位,從而保持系統(tǒng)的快速配準(zhǔn)。其效果可以從在線跟蹤框?qū)ぷ髋_的處理時間看出??焖偬幚砗蟮墓糯诋嬤_(dá)到了預(yù)想的效果。

        4 結(jié)論

        增強(qiáng)現(xiàn)實(shí)技術(shù)是一門新興的學(xué)科,它可以通過圖像識別、三維跟蹤、虛實(shí)結(jié)合等技術(shù)幫助人們更加方便直觀地表達(dá)信息。通過圖像識別和三維配準(zhǔn)跟蹤,將虛擬物體與真實(shí)場景融為一體,最后顯示在終端上,幫助人們探索古代壁畫的應(yīng)用。文章提出的方法通過結(jié)合尺度空間特征檢測算法SURF算法和二值掃描算法FREAK 的優(yōu)化方法,通過特征匹配,將最近鄰比和雙向匹配相結(jié)合,在保證精度的同時減少了計算時間。三維配準(zhǔn)跟蹤模塊通過建立目標(biāo)三維結(jié)構(gòu)和PnP 算法進(jìn)行配準(zhǔn),然后通過高斯函數(shù)快速求解配準(zhǔn)信息,并改變虛擬場景和真實(shí)場景的觀測條件。使用精確疊加的虛擬對象來實(shí)現(xiàn)增強(qiáng)現(xiàn)實(shí)效果。

        猜你喜歡
        攝像機(jī)坐標(biāo)系現(xiàn)實(shí)
        我對詩與現(xiàn)實(shí)的見解
        文苑(2020年11期)2021-01-04 01:53:20
        解密坐標(biāo)系中的平移變換
        坐標(biāo)系背后的故事
        看監(jiān)控攝像機(jī)的4K之道
        基于重心坐標(biāo)系的平面幾何證明的探討
        攝像機(jī)低照成像的前世今生
        新安訊士Q6155-E PTZ攝像機(jī)
        一種基于Unity3D+Vuforia的增強(qiáng)現(xiàn)實(shí)交互App的開發(fā)
        如何消除和緩解“攝像機(jī)恐懼癥”
        新聞前哨(2015年2期)2015-03-11 19:29:25
        現(xiàn)實(shí)的困惑
        免费a级毛片又大又粗又黑| 91福利国产在线观看网站| 极品美女销魂一区二区三| 黑人玩弄极品人妻系列视频| 亚洲第一狼人天堂网亚洲av| 久久精品娱乐亚洲领先| 无码电影在线观看一区二区三区| 国产精品一区二区三区蜜臀| 亚洲成年国产一区二区| av中文字幕潮喷人妻系列| 免费又黄又爽又猛的毛片| 欧美1区二区三区公司| 国产色第一区不卡高清| 国产a∨天天免费观看美女| 亚洲精品无码mv在线观看| 婷婷一区二区三区在线| 精品中文字幕精品中文字幕| 免费观看a级毛片| 久久人人爽天天玩人人妻精品| 男女好痛好深好爽视频一区| 日韩国产自拍视频在线观看 | 国产va免费精品高清在线| 自拍亚洲一区欧美另类| 亚洲永久精品日韩成人av| 丰满少妇弄高潮了www| 欧美成人一区二区三区在线观看 | 日本人妻少妇精品视频专区| 久久一区二区三区老熟女| 日本最新免费二区| 欧美第五页| 日韩精品一区二区三区含羞含羞草| 国产视频自拍一区在线观看| 麻豆精品久久久久久久99蜜桃| 亚洲不卡无码高清视频| 国产黄色一级到三级视频| 强开小婷嫩苞又嫩又紧视频韩国| 免费无码毛片一区二区三区a片| 亚洲Av无码专区尤物| 国产91会所女技师在线观看| 色噜噜狠狠综曰曰曰| 黄色毛片视频免费|