[发明专利]确定在光学对象初始化追踪过程中使用的参考特征的方法以及对象初始化追踪方法

说明书

技术领域

本发明涉及一种确定在光学对象初始化追踪过程中使用的参考特征的方法以及一种使用参考特征的对象初始化追踪方法，参考特征例如是从参考图像中提取的。此外，本发明涉及包括软件代码部分的计算机程序产品，该程序产品用于实施本发明的方法。 

背景技术

增强现实系统允许将计算机生成的虚拟信息与现实环境的视觉印象进行叠加。为此目的，借助于例如佩戴在使用者头上的半透射数据显示器，将现实世界的视觉印象与虚拟信息混合在一起。虚拟信息或对象的融合(blending-in)可通过上下文相关的(context-dependent)方式被影响，例如匹配以及来自于观察的相应环境。作为虚拟信息，基本上可以使用任何类型的数据，诸如文本，图像等。例如借助于戴在使用者头上的摄像机检测现实环境。 

当使用增强现实系统的人转动他/她的头时，关于视场的改变追踪虚拟对象是必要的。该现实环境可以是一种复杂装置，以及该检测的对象能够是该装置的重要构件。在所谓的追踪操作期间，在对象初始化过程中检测的现实对象可以用作参考用于计算显示虚拟信息或将虚拟信息融合到摄像机拍摄的图像中的位置。由于事实是使用者可以改变他或她的位置和取向，在使用者改变其位置和/或改变其取向的情况下，该现实对象也必须经受连续追踪以在显示设备的正确位置显示虚拟信息。因此所达到的效果为，不管使用者的位置和/或取向，信息以关于现实上下文正确的方式显示在显示设备中。增强现实系统在这点上是利用所谓的无标记追踪系统的例子。 

标准追踪初始化方法： 

当对给定了一个或多个参考图像的某一目标进行无标记追踪时，可使用如下步骤描述标准追踪初始化框架。在这点上，附图1示出了示例性过程的流程图， 在流程图中以下步骤的编号在括号中表示。 

一旦获取一组数字图像(一个或多个图像)： 

1-从一组这些“参考”数字图像提取特征并存储这些特征。这些特征通常称作“参考特征”并可表示为r_i，其中i取值为{1，2，...，N_R}以及N_R为所提取的参考特征的数量。特征能够是点、点集(线、线段、图像中的区域或简单地为象素群)等。 

2-可为每一个所提取和存储的参考特征计算描述符(或分类符)。这些描述符可称为“参考”描述符。 

接着，当使现实目标面对捕获现场的或所谓的“当前”图像的摄像机时： 

3-对于每一个被捕获的当前图像，提取特征。这些特征可称为“当前特征”。 

4-可为每一个所提取和存储的当前特征计算描述符(或分类符)。这些描述符可称作“当前描述符”并可表示为c_j，其中j取值为{1，2，...，N_C}以及N_C为所提取的当前特征的数量。 

5-利用参考描述符和当前描述符将当前特征与参考特征进行匹配：如果就某一相似性度量来说，描述符相对接近，则它们相匹配。例如，如果每一个描述符写成数字的矢量，则在比较两个描述符时，可使用两个对应矢量之间的欧几里得距离作为相似性度量。匹配表示为m_k＝{r_k，c_k}，其中k取值为{1，2，...，N_M}以及N_M为匹配特征的数量。 

6-给定目标的模型，执行异常值拒绝算法(outlier rejection algorithm)。该异常值拒绝算法一般可基于鲁棒的姿态估计(在下面解释)。 

7-利用正确的匹配，计算摄像机的“当前”姿态。 

用于基于特征的追踪初始化的大多数方法执行鲁棒的估计以去除错误的匹配。这个步骤被称为异常值拒绝(见上面步骤6)。这是由于不管使用什么样的描述符或分类符，都不能避免出现异常值的事实，异常值即错误匹配的特征。鲁棒的估计允许从姿态估计中丢弃异常值。 

以下文献中公开了一种标准方法：M.A.Fischler和R.C.Bolles的“RandomSample Consensus：A Paradigm for Model Fitting with Application to Image Analysisand Automated Cartography”，Communications of the ACM 24：381-395，1981年6月。该标准方法基于迭代执行如下两步骤的算法：