| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第一章 绪论 | 第15-42页 |
| ·课题研究的目的及其意义 | 第15-21页 |
| ·课题研究的目的 | 第15-16页 |
| ·课题研究的意义 | 第16-21页 |
| ·相关问题的国内外研究现状 | 第21-39页 |
| ·AR 系统中的跟踪注册技术 | 第21-27页 |
| ·几种常用的跟踪技术 | 第22-25页 |
| ·基于视觉标记的注册技术 | 第25-26页 |
| ·基于自然特征与图像识别的视觉注册技术 | 第26-27页 |
| ·AR 中的碰撞检测及响应技术 | 第27-29页 |
| ·VR 中的碰撞检测技术 | 第27-28页 |
| ·AR 中的碰撞检测技术 | 第28-29页 |
| ·AR 交互设备与系统 | 第29-36页 |
| ·AR 交互设备 | 第30-33页 |
| ·AR 交互系统 | 第33-36页 |
| ·AR 手形、掌纹与眼动交互技术 | 第36-39页 |
| ·AR 中的手形交互技术 | 第37页 |
| ·掌纹识别交互技术 | 第37-38页 |
| ·AR 中的凝视控制与交互技术 | 第38-39页 |
| ·课题主要研究内容技术关键及创新点 | 第39-40页 |
| ·本文的组织安排 | 第40-42页 |
| 第二章 增强现实与大型异型屏虚实交互系统结构与组成 | 第42-55页 |
| ·系统硬件设计 | 第42-49页 |
| ·系统架构设计 | 第42-43页 |
| ·系统硬件设计 | 第43-44页 |
| ·视频捕捉及跟踪设备 | 第43页 |
| ·HMD 设备 | 第43-44页 |
| ·投影系统 | 第44页 |
| ·交互工作台 | 第44页 |
| ·软件系统结构设计 | 第44-49页 |
| ·增强虚拟现实的实时互动平台的设计与实现 | 第45-46页 |
| ·实时人机交互动作识别系统 | 第46-49页 |
| ·实时多异型屏交互系统 | 第49-50页 |
| ·控制与通信平台设计 | 第50-51页 |
| ·系统控制模块设计 | 第50页 |
| ·通信模块设计 | 第50-51页 |
| ·系统演示效果 | 第51-53页 |
| ·小结 | 第53-55页 |
| 第三章 基于视频的 AR 跟踪与注册技术 | 第55-75页 |
| ·基于元胞自动机模型的视频标记识别技术 | 第55-56页 |
| ·元胞自动机模型 | 第56-60页 |
| ·CA 的定义 | 第56-59页 |
| ·CA 的发展 | 第59-60页 |
| ·CA 在图像处理中的应用 | 第60页 |
| ·基于CA 的标记识别算法 | 第60-63页 |
| ·元胞空间 | 第61页 |
| ·演化规则 | 第61-63页 |
| ·算法处理流程 | 第63页 |
| ·实验结果 | 第63-64页 |
| ·基于SIFT 聚类的AR 视频对象跟踪注册技术 | 第64-65页 |
| ·SIFT 算法 | 第65-67页 |
| ·SIFT 特征向量的特点 | 第65-66页 |
| ·SIFT 特征匹配算法主要步骤 | 第66-67页 |
| ·活动轮廓模型 | 第67-68页 |
| ·基于SIFT 综合的自然特征注册跟踪算法 | 第68-72页 |
| ·SIFT-KCT 初始化对象识别 | 第68-70页 |
| ·简易SIFT 检测 | 第68页 |
| ·K-means 聚类 | 第68-69页 |
| ·Snake 迭代 | 第69-70页 |
| ·对象跟踪与匹配 | 第70页 |
| ·AR 注册应用 | 第70-72页 |
| ·实验结果及分析 | 第72-74页 |
| ·小结 | 第74-75页 |
| 第四章 基于人工免疫与 CA 的虚实交互碰撞检测技术 | 第75-95页 |
| ·人工免疫系统 | 第75-79页 |
| ·人工免疫系统的基本概念 | 第75-79页 |
| ·主要免疫算法 | 第79页 |
| ·基于人工免疫的实时碰撞检测技术 | 第79-85页 |
| ·免疫碰撞算法流程设计 | 第80-81页 |
| ·碰撞免疫算法设计 | 第81-83页 |
| ·实验结果与分析 | 第83-85页 |
| ·基于体素元胞自动机模型的模型变形技术 | 第85-94页 |
| ·VDCA 模型定义 | 第86-88页 |
| ·VDCA 的动力学规则 | 第88-90页 |
| ·初始与边界条件 | 第88页 |
| ·受力规则 | 第88页 |
| ·受力临界条件 | 第88-90页 |
| ·初始裂纹规则 | 第90页 |
| ·裂纹扩展规则 | 第90页 |
| ·优化规则 | 第90页 |
| ·模拟过程及分析 | 第90-94页 |
| ·小结 | 第94-95页 |
| 第五章 基于蚁群优化的手形与掌纹识别算法 | 第95-106页 |
| ·蚁群优化算法 | 第96-98页 |
| ·蚁群算法的原理 | 第96页 |
| ·人工蚁群算法描述 | 第96-98页 |
| ·基于蚁群优化的AR 手形与掌形识别算法 | 第98-104页 |
| ·手形分割算法 | 第98-99页 |
| ·骨骼化与运动匹配算法 | 第99-100页 |
| ·基于蚁群优化聚类的掌心位置检测算法 | 第100-101页 |
| ·快速掌纹检测算法 | 第101-103页 |
| ·HARRIS 角点检测 | 第102页 |
| ·生成特征线网络 | 第102页 |
| ·查找主线 | 第102-103页 |
| ·增强现实应用 | 第103-104页 |
| ·实验结果分析 | 第104-105页 |
| ·小结 | 第105-106页 |
| 第六章 基于增强现实应用的复杂网络的眼动轨迹跟踪模型 | 第106-121页 |
| ·复杂网络模型 | 第108-112页 |
| ·复杂网络的概念 | 第108-109页 |
| ·复杂网络的静态分析 | 第109-110页 |
| ·复杂网络的演化机制和模型 | 第110-112页 |
| ·基于复杂网络模型的眼动轨迹跟踪模型 | 第112-117页 |
| ·初始EGTN 模型 | 第112-113页 |
| ·增加对象 | 第113-114页 |
| ·生成边 | 第114页 |
| ·删除边 | 第114-115页 |
| ·数据仿真结果 | 第115-117页 |
| ·基于EGTN 的增强现实景深融合增强显示方法 | 第117-120页 |
| ·小结 | 第120-121页 |
| 第七章 结论和展望 | 第121-124页 |
| ·本文工作总结 | 第121-122页 |
| ·进一步的研究设想 | 第122-124页 |
| 参考文献 | 第124-137页 |
| 作者在攻读博士学位期间的主要工作成果 | 第137-139页 |
| 致谢 | 第139-140页 |
