论文部分内容阅读
基于物体识别的增强现实系统由于现有的识别技术无法满足交互需求，对平面物体识别算法进行针对性改进。首先采用FAST提取目标物体的关键点；其次使用随机Ferns分类器对关键点进行离线训练；识别阶段采用随机抽样一致性算法，得到物体在实时帧中的位置与姿态。主要有两点优化：特征检测阶段，基于大尺度关键点鲁棒性更强的原理，对关键点进行加权筛选；识别阶段，改进后的ARANSAC拟合算法将初始随机集合中的内点比例增大，提高拟合的性能。算法较之基线算法，在各方面性能都得到极大提升，已满足增强现实系统的实时性、可靠性要求。