增强现实中的目标远距离识别方法研究

吕淘沙　汤汶　万韬阮　朱耀麟　武桐

摘 要：在以往ARToolKit增强现实系统中，摄像机能够正确识别标识物并在计算机生成虚拟物体的距离大都过近。针对增强现实三维注册过程中传统算法标识物匹配过程中误识率较高，识别距离不够远，提出了基于轮廓特征点的目标远距离识别方法。在识别过程中，利用多边形近似算法和金字塔中的迭代Lucas-kanade算法寻找图像中要跟踪识别的对象，对寻找到轮廓角点进行亚像素定位，利用角点的精确定位来跟踪目标。实验结果验证及分析表明，采用这种方法，其识别距离有大幅度增加。

关键词：增强现实；远距离；目标跟踪；多边形近似

中图分类号：TP391 文献标识码：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）

目标跟踪方法可分为基于模板的跟踪、基于区域的跟踪、基于轮廓的跟踪、基于特征匹配的跟踪和基于运动特性的跟踪等方法[1]。增强现实中基于标识物的三维注册技术是利用计算机技术视觉观察者相对于标识点的位置、方位和姿态，以实现对标识物的跟踪定位，将虚拟物体精准地放置在标定好的标识物上。早期，研究人员通过向真实场景中添加人为的已经标定好的标志物来获取完成虚实注册所需的摄像机位置和姿态信息。以美国华盛顿大学的ARToolKit、德国政府资助研发的ARVIKA以及国内北京理工大学的彩色标志点方法[2]和华中科技大学的ARDK[3]为代表，实现注册问题的同时也存在缺陷，如摄像机识别目标的距离大都过近，无法应用于大场景范围现实中。本文提出了基于轮廓特征点的目标远距离识别方法，在识别过程中，利用多边形近似算法和金字塔中的迭代Lucas-kanade算法寻找图像中要跟踪识别的对象，对寻找到轮廓角点进行亚像素定位，利用角点的精确定位来跟踪目标。采用改进的汉明码对标识物进行编码，减少真实环境中的伪标志出现率。

2 标识物连通域提取和轮廓检测（The maker connected domain extraction）

由于每一个标志物都是黑白相间的区域组成。所以定位标志物的最好方式是找到封闭的轮廓和近似多边形的四个顶点。

图像经过二值化处理后，需要对其进行图像分割来辨识目标，从而与背景分离。主要任务是对其连通域结构进行提取。对二值化图像以顺序从左到右，从上到下按照八邻域规律[4]对像素进行跟踪，搜索二值图像的所有连通域区域。计算连通域的面积是由标志物图像内部像素点的个数决定，从而确定了最左端、最右端、最顶端和最底端的像素点。

跟踪轮廓线，搜索闭合曲线，提取轮廓坐标。如图1所示为可视化轮廓检测效果图。

3 多边形拟合搜索可能标志物（Polygon fitting search the possible maker）

计算轮廓中各个像素点到上述直线的距离，取离该直线最远距离值的像素点的坐标，得到的点即为另两个对角顶点。由此可知，在已知四个顶点中任取两个顶点确定一个直线，看是否存在到该直线距离最大的且不同于已知四个顶点的其他点，若存在，多边形不是四边形，否则即为四边形。

4 标识物编码（Encode the maker）

标志物图像中有含有内部编码，如图2所示。将标志物图像分为7×7的网格，其中内部5×5的网格包含着标志物的ID信息。其余为外部的黑色边框。检测是否为标志物时应检测内部5×5的网格内是否提供了一个有效的编码。

使用改进的汉明码，每一个字节只有2位有效信息。其余三位用于错误检测。因此，标志物可以有多达1024种不同的ID。与汉明码的主要区别是，首位取反。所以，ID 0（在汉明码中是00000），而在这里变成了10000。该方法是为了防止一个完全黑色的方形标记也具备有效的ID，减少真实环境中伪标志物的出现率。

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

本系统采用Lucas-kanade光流算法在增强现实系统中对标志物特征点进行跟踪。Lucas-kanade只需要感兴趣点周围窗口的局部信息，但较大的运动会使点移出这个区域而无法跟踪到这些点。与图像金字塔分层结合起来解决Lucas-kanade光流算法的准确度和效率。图像金字塔Lucas-kanade光流跟踪算法处理过程，首先把图像根据分辨率划分为L层（多数情况为4层）。其次，在最高层L（图像分辨率最低的一层）处计算光流，然后把结果传给L-1层，L层得到的运算结果作为L-1层的开始点，重复这个动作直到金字塔最底层0（分辨率最高）。根据前一帧特征点坐标计算当前视频帧上的特征点坐标。寻找具有子像素精度的坐标值。改进的注册算法在跟踪失败的情况下，可以结合标志物的部分特征点就可以得到单应矩阵来实现注册。

6 实验结果（Experimental result）

在以往使用的ARToolKit在距离方面存在限制，表1展示了不同尺寸的标志物允许的最大识别距离。下表是通过固定标志物摄像机距离标志物由近到远识别的方式采用估算法获得，观察显示器上的虚拟物体，直到虚拟物体在标志物上消失，即得到摄像机能够识别标志物的最大距离。

而本文探讨的采用基于轮廓特征点的方法，利用多边形近似和金字塔中的迭代Lucas-kanade光流算法，使摄像头识别目标的距离大幅增加，试验中打印8cm×8cm大小的标识物放置墙上，经估算摄像机识别的距离可以达到5m远的距离。实验结果效果图如图3中所显示的蓝色正方体为虚拟物体。

7 结论（Conclusion）

本文利用基于轮廓特征点的目标远距离识别方法。结合OpenCV，利用多边形近似算法和金字塔中的迭代Lucas-kanade算法寻找图像中要跟踪识别的对象，对寻找到的轮廓角点进行亚像素定位，从而利用角点的精确定位来跟踪标志物。同时采用改进的汉明码对标志物进行编码，减少真实环境中伪标志物的出现率。实现了增强现实跟踪注册系统摄像机识别标志物的距离可以达到5m远。

参考文献（References）

[1] 刘永禄，邵龙潭.基于轮廓特征点的高精度识别目标方法[J].电脑与信息技术，2009，03：1-5；66.

[2] 李玉，王涌天，刘越.基于彩色标志点的增强现实注册算法研究[J].系统仿真学报，2008，03：654-656；661.

[3] 管涛，李利军，王乘.增强现实开发工具ARDK的研究与应用[J].计算机工程与应用，2006，19：84-86；89.

[4] 杜凤仪.增强现实在文物展示中的应用研究[D].电子科技大学，2009.

[5] 刘嘉敏，等.基于多色彩标识的跟踪及交互方法[J].系统仿真学报，2014，12：2928-2933；2938.

作者简介：

吕淘沙（1989-），女，硕士生.研究领域：三维可视化.

汤 汶（1965-），女，博士，教授.研究领域：三维可视化.

万韬阮（1960-），男，博士，教授.研究领域：三维可视化.

朱耀麟（1977-），男，博士，副教授.研究领域：数字媒体及三维可视化技术.

武 桐（1982-），女，硕士，讲师.研究领域：虚拟场景建模与实现.