增強現實中的目標遠距離識別方法研究

呂淘沙　湯汶　萬韜阮　朱耀麟　武桐

摘 要：在以往ARToolKit增強現實系統中，攝像機能夠正確識別標識物并在計算機生成虛擬物體的距離大都過近。針對增強現實三維注冊過程中傳統算法標識物匹配過程中誤識率較高，識別距離不夠遠，提出了基于輪廓特征點的目標遠距離識別方法。在識別過程中，利用多邊形近似算法和金字塔中的迭代Lucas-kanade算法尋找圖像中要跟蹤識別的對象，對尋找到輪廓角點進行亞像素定位，利用角點的精確定位來跟蹤目標。實驗結果驗證及分析表明，采用這種方法，其識別距離有大幅度增加。

關鍵詞：增強現實；遠距離；目標跟蹤；多邊形近似

中圖分類號：TP391 文獻標識碼：A

Abstract：In the unimproved ARToolKit system，the distance is too close that camera can recognized the markers correctly and the virtual objects generated by the computer.The insufficient of traditional algorithm of the three-dimensional registration process in augmented reality is analyzed，a method to improve the registration in the augmented reality is put forward.In the process of identification，the extraction and outline of the polygon fitting algorithm and pyramid Lucas-kanade algorithm are used to identify and track targets.The corners of the polygon target are positioned in sub-pixel resolution of the position.The polygons can be replaced with these corners which describe the goals in high precision.The experiment result shows that the recognized distance is improved greatly.

Keywords：augmented reality；far distance；object tracking；polygon fitting

1 引言（Introduction）

目標跟蹤方法可分為基于模板的跟蹤、基于區域的跟蹤、基于輪廓的跟蹤、基于特征匹配的跟蹤和基于運動特性的跟蹤等方法[1]。增強現實中基于標識物的三維注冊技術是利用計算機技術視覺觀察者相對于標識點的位置、方位和姿態，以實現對標識物的跟蹤定位，將虛擬物體精準地放置在標定好的標識物上。早期，研究人員通過向真實場景中添加人為的已經標定好的標志物來獲取完成虛實注冊所需的攝像機位置和姿態信息。以美國華盛頓大學的ARToolKit、德國政府資助研發的ARVIKA以及國內北京理工大學的彩色標志點方法[2]和華中科技大學的ARDK[3]為代表，實現注冊問題的同時也存在缺陷，如攝像機識別目標的距離大都過近，無法應用于大場景范圍現實中。本文提出了基于輪廓特征點的目標遠距離識別方法，在識別過程中，利用多邊形近似算法和金字塔中的迭代Lucas-kanade算法尋找圖像中要跟蹤識別的對象，對尋找到輪廓角點進行亞像素定位，利用角點的精確定位來跟蹤目標。采用改進的漢明碼對標識物進行編碼，減少真實環境中的偽標志出現率。

2 標識物連通域提取和輪廓檢測（The maker connected domain extraction）

由于每一個標志物都是黑白相間的區域組成。所以定位標志物的最好方式是找到封閉的輪廓和近似多邊形的四個頂點。

圖像經過二值化處理后，需要對其進行圖像分割來辨識目標，從而與背景分離。主要任務是對其連通域結構進行提取。對二值化圖像以順序從左到右，從上到下按照八鄰域規律[4]對像素進行跟蹤，搜索二值圖像的所有連通域區域。計算連通域的面積是由標志物圖像內部像素點的個數決定，從而確定了最左端、最右端、最頂端和最底端的像素點。

跟蹤輪廓線，搜索閉合曲線，提取輪廓坐標。如圖1所示為可視化輪廓檢測效果圖。

3 多邊形擬合搜索可能標志物（Polygon fitting search the possible maker）

計算輪廓中各個像素點到上述直線的距離，取離該直線最遠距離值的像素點的坐標，得到的點即為另兩個對角頂點。由此可知，在已知四個頂點中任取兩個頂點確定一個直線，看是否存在到該直線距離最大的且不同于已知四個頂點的其他點，若存在，多邊形不是四邊形，否則即為四邊形。

4 標識物編碼（Encode the maker）

標志物圖像中有含有內部編碼，如圖2所示。將標志物圖像分為7×7的網格，其中內部5×5的網格包含著標志物的ID信息。其余為外部的黑色邊框。檢測是否為標志物時應檢測內部5×5的網格內是否提供了一個有效的編碼。

使用改進的漢明碼，每一個字節只有2位有效信息。其余三位用于錯誤檢測。因此，標志物可以有多達1024種不同的ID。與漢明碼的主要區別是，首位取反。所以，ID 0（在漢明碼中是00000），而在這里變成了10000。該方法是為了防止一個完全黑色的方形標記也具備有效的ID，減少真實環境中偽標志物的出現率。

5 金字塔中的迭代Lucas-kanade算法（Pyramid iterative Lucas-kanade algorithm）

本系統采用Lucas-kanade光流算法在增強現實系統中對標志物特征點進行跟蹤。Lucas-kanade只需要感興趣點周圍窗口的局部信息，但較大的運動會使點移出這個區域而無法跟蹤到這些點。與圖像金字塔分層結合起來解決Lucas-kanade光流算法的準確度和效率。圖像金字塔Lucas-kanade光流跟蹤算法處理過程，首先把圖像根據分辨率劃分為L層（多數情況為4層）。其次，在最高層L（圖像分辨率最低的一層）處計算光流，然后把結果傳給L-1層，L層得到的運算結果作為L-1層的開始點，重復這個動作直到金字塔最底層0（分辨率最高）。根據前一幀特征點坐標計算當前視頻幀上的特征點坐標。尋找具有子像素精度的坐標值。改進的注冊算法在跟蹤失敗的情況下，可以結合標志物的部分特征點就可以得到單應矩陣來實現注冊。

6 實驗結果（Experimental result）

在以往使用的ARToolKit在距離方面存在限制，表1展示了不同尺寸的標志物允許的最大識別距離。下表是通過固定標志物攝像機距離標志物由近到遠識別的方式采用估算法獲得，觀察顯示器上的虛擬物體，直到虛擬物體在標志物上消失，即得到攝像機能夠識別標志物的最大距離。

而本文探討的采用基于輪廓特征點的方法，利用多邊形近似和金字塔中的迭代Lucas-kanade光流算法，使攝像頭識別目標的距離大幅增加，試驗中打印8cm×8cm大小的標識物放置墻上，經估算攝像機識別的距離可以達到5m遠的距離。實驗結果效果圖如圖3中所顯示的藍色正方體為虛擬物體。

7 結論（Conclusion）

本文利用基于輪廓特征點的目標遠距離識別方法。結合OpenCV，利用多邊形近似算法和金字塔中的迭代Lucas-kanade算法尋找圖像中要跟蹤識別的對象，對尋找到的輪廓角點進行亞像素定位，從而利用角點的精確定位來跟蹤標志物。同時采用改進的漢明碼對標志物進行編碼，減少真實環境中偽標志物的出現率。實現了增強現實跟蹤注冊系統攝像機識別標志物的距離可以達到5m遠。

參考文獻（References）

[1] 劉永祿，邵龍潭.基于輪廓特征點的高精度識別目標方法[J].電腦與信息技術，2009，03：1-5；66.

[2] 李玉，王涌天，劉越.基于彩色標志點的增強現實注冊算法研究[J].系統仿真學報，2008，03：654-656；661.

[3] 管濤，李利軍，王乘.增強現實開發工具ARDK的研究與應用[J].計算機工程與應用，2006，19：84-86；89.

[4] 杜鳳儀.增強現實在文物展示中的應用研究[D].電子科技大學，2009.

[5] 劉嘉敏，等.基于多色彩標識的跟蹤及交互方法[J].系統仿真學報，2014，12：2928-2933；2938.

作者簡介：

呂淘沙（1989-），女，碩士生.研究領域：三維可視化.

湯 汶（1965-），女，博士，教授.研究領域：三維可視化.

萬韜阮（1960-），男，博士，教授.研究領域：三維可視化.

朱耀麟（1977-），男，博士，副教授.研究領域：數字媒體及三維可視化技術.

武 桐（1982-），女，碩士，講師.研究領域：虛擬場景建模與實現.