[发明专利]一种基于AR引擎的多标记点识别方法和装置

说明书

本发明实施例提供了一种基于AR引擎的多标记点识别方法和装置，包括：获取多个待识别图像帧中第一图像帧中各个识别标记点的标识信息集合；对标识信息集合进行去重处理，得到目标标识信息集合；基于目标标识信息集合对标记点中的可见标记点进行标记，并计算可见标记点的变换矩阵，得到第一变换矩阵集；获取多个待识别图像帧中第二图像帧相对应的第二变换矩阵集；将第二变换矩阵集与第一变换矩阵集进行去重处理，得到目标变换矩阵集，以上报目标变换矩阵集进行后续的操作。本发明解决了现有技术中对标记点的变换矩阵进行上报时仅上报通过选举方式得到的最优标记点的变换矩阵导致的多特征标记点识别缓慢、以及一些标记点无法识别的技术问题。

技术领域

本发明增强现实技术领域，尤其是涉及一种基于AR引擎的多标记点识别方法和装置。

背景技术

开源AR(Augmented Reality，增强现实技术)引擎ARToolKit(AR软件开发工具包)在追踪标记点(Marker)的过程中，存在一些缺陷，致使AR技术呈现的效果差，难于投入实际商用产品中。

ARToolKit在识别多个特征点跟踪标记(Natural Feature Tracking marker，NFTmarker)时从关键点匹配(Key Points Matching，KPM)算法到迭代最近点算法(Iterative Closest Point，ICP)计算变换矩阵，再到Marker变换矩阵上报过程都是以选举方式得到最优Marker的方式，这使得多NFTmarker识别速度非常慢。一些情况下，场景中的部分Marker始终在选举过程中失败，导致在有其他Marker的情况下一直无法识别。

针对以上问题，还未提出有效解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种基于AR引擎的多标记点识别方法和装置，以解决现有技术中对标记点的变换矩阵进行上报时仅上报通过选举方式得到的最优标记点的变换矩阵导致的多特征标记点识别缓慢、以及一些标记点无法识别的技术问题。

根据本发明实施例提供了一种基于AR引擎的多标记点识别方法，包括：获取多个待识别图像帧中第一图像帧中各个识别标记点的标识信息集合，其中，所述标识信息集合中包括多个标识信息，每个标识信息用于表征对应的标记点在所述第一图像帧中的位置；对所述标识信息集合进行去重处理，得到目标标识信息集合；基于所述目标标识信息集合对所述标记点中的可见标记点进行标记，并计算所述可见标记点的变换矩阵，得到第一变换矩阵集；获取所述多个待识别图像帧中第二图像帧相对应的第二变换矩阵集，其中，所述第二图像帧为所述第一图像帧的前一图像帧；将所述第二变换矩阵集与所述第一变换矩阵集进行去重处理，得到目标变换矩阵集，进而上报所述目标变换矩阵集进行后续的操作。

进一步地，获取多个待识别图像帧中第一图像帧中各个标记点的标识信息集合包括：提取所述第一图像帧的特征点；基于关键点匹配算法将所述特征点与预设标记点集合进行比对，以确定所述第一图像帧中是否存在所述标记点，其中，所述标记点为一个或多个；如果存在所述标记点，则确定所述第一图像帧中所述标记点所对应的标识信息，得到所述标识信息集合。

进一步地，对所述标识信息集合去重处理，目标标识信息集合包括：将所述标识信息集合中的标识信息Ai与其他标识信息进行比较，其中，标识信息Ai为所述标识信息集合中的第i个标识信息，i依次取1至N，N为所述标识信息集合中的标识信息的数量，所述其他标识信息为所述标识信息集合中除所述标识信息Ai之外的全部标识信息；基于比较结果确定所述其他标识信息中是否存在与所述标识信息Ai重复的目标标识信息；如果存在，则从所述标识信息Ai和所述目标标识信息中选一个标识信息保留，其中，保留的标识信息为通过关键点匹配算法得到的错误值最小的所述标记点的所述标识信息。