[发明专利]一种图像显示方法及装置

说明书

本申请公开了一种图像显示方法及装置，用以避免在较差自然场景环境和有限移动设备内存、计算能力的情况下无法快速、稳定、准确进行图像识别及跟踪注册的问题，满足基于移动设备的增强现实应用需求。本申请提供的一种图像显示方法，包括：在第一线程中确定目标与所述目标的匹配图像之间的第一单应性矩阵；在与所述第一线程并行的第二线程中，确定所述目标与包含所述目标的前一帧现实场景图像之间的第二单应性矩阵；根据所述第一单应性矩阵确定第一图形，根据所述第二单应性矩阵确定第二图形；当所述第一图形和所述第二图形的重叠面积比例大于预设阈值时，将所述目标与存储的三维模型进行虚实融合显示。

技术领域

本申请涉及增强现实技术领域，尤其涉及一种图像显示方法及装置。

背景技术

增强现实(Augmented Reality，AR)技术是当前计算机应用领域中的一个研究热点。AR技术通过在真实场景中添加虚拟物体使得虚拟物体与真实环境融为一体，可以增强人们对真实环境的理解与体验。AR技术融合了虚拟现实、计算机视觉、计算机图形学、图像处理、模式识别、光电显示等多个学科的最新成果，在工业、医疗、传媒、军事、娱乐、教育等多个领域有着广泛的应用。以往的AR系统大多都采用台式机、大型工作站等作为系统运行平台，限制了用户的活动范围和准入门槛。随着移动终端和网络技术的飞速发展，使得AR技术脱离PC机、工作站等笨重设备的限制成为可能，基于移动设备、智能电视的AR技术应用而生。但是随着AR应用市场规模不断扩大，用户对AR的应用体验要求日益提高：流畅展现、实时交互、持久运行，都对终端设备的计算能力、媒体处理能力等提出挑战。如何在有限的终端设备内存、计算能力下，实现现实场景图像内容的快速、准确识别和注册跟踪，如何实时叠加并流畅展现各种媒体类型的AR内容，成为目前AR技术的研究重点和难点。

图像特征点的提取和匹配是摄像机位姿计算及实时跟踪的基础，图像特征点的提取速度及鲁棒性直接影响场景识别及虚实注册的性能。在图像特征提取方法中，使用较为广泛的有尺度不变特征变换(Scale-invariant feature transform，SIFT)、快速鲁棒特征(Speeded-Up Robust Features，SURF)和FAST特征点检测算法(Features fromAccelerated Segment Test，FAST)等算法。SIFT特征是图像的局部特征，其对光照变化、目标远近变化、目标旋转、视角变换以及部分遮挡具有较好的鲁棒性，同时SIFT特征的独特性好，具有很强的鉴别能力。因此SIFT算法一经推出就得到了大规模应用，在图像检索、图像配准、图像拼接、目标检测等相关应用中都能找到它的身影。SUFT算法使用积分图进行算法加速，算法耗时约为SIFT算法的三分之一，同时特征维度是SIFT算法的二分之一。SUFT算法对光照变化鲁棒性最好，且在对滤波模糊的鲁棒性也优于SIFT算法，而对尺度和旋转的鲁棒性则不及SIFT算法。FAST算法通过检测中心点与周围像素点的明暗程度来确定特征点，简单的计算步骤使提点算法具有快速和高效的特点。FAST算法对图像的缩放不具有自适应性，当图像尺度发生变化时FAST算法得到结果的重复性较差。近年来，在主流的增强现实应用中，图像特征点提取和匹配大多采用以上几种方法或者对其进行一定的改进。但现有的算法存在着一些不足，大多数特征提取与描述算法存在计算量和内存占用较大、特征匹配时间长等问题。考虑到移动终端与普通计算机在性能上仍然存在一定的差距，并具有独特的硬件架构，目前应用于主流计算机平台的特征匹配技术不完全适用于移动终端。近年来研究工作更多地关注如何在保持甚至是提升原始描述子鉴别能力的前提下对描述子进行深度压缩的方法。

发明内容

本申请实施例提供了一种图像显示方法及装置，用以避免在较差自然场景环境和有限移动设备内存、计算能力的情况下无法快速、稳定、准确进行图像识别及跟踪注册的问题，满足基于移动设备的增强现实应用需求，并且应用场景灵活，具有较大的实用价值。

在客户端侧，本申请实施例提供一种图像显示方法，包括：

通过摄像头获取现实场景图像；