基于增强现实的实时交互技术研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外发展动态及应用 | 第10-15页 |
| ·论文主要工作及安排 | 第15-17页 |
| 第二章 增强现实关键技术介绍 | 第17-33页 |
| ·三维注册技术 | 第17-29页 |
| ·摄像机标定技术 | 第17-25页 |
| ·增强现实跟踪注册技术 | 第25-29页 |
| ·基于传感器的跟踪技术 | 第26页 |
| ·基于计算机视觉的跟踪技术 | 第26-29页 |
| ·虚实融合技术 | 第29-30页 |
| ·人机交互技术 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于自然特征点的三维跟踪注册 | 第33-52页 |
| ·特征点检测 | 第34-40页 |
| ·积分图像 | 第34-35页 |
| ·构建尺度空间 | 第35-36页 |
| ·Fast-Hessian 检测 | 第36-38页 |
| ·特征点描述符 | 第38-40页 |
| ·特征点匹配与提纯 | 第40-41页 |
| ·特征点匹配 | 第40页 |
| ·特征点提纯 | 第40-41页 |
| ·图像预处理 | 第41-43页 |
| ·SURF 检测试验结果与分析 | 第43-45页 |
| ·Lucas-kanade 光流算法 | 第45-47页 |
| ·基于增强现实系统的自然特征点查找改进 | 第47-49页 |
| ·改进的特征点查找方法 | 第47-48页 |
| ·实验结果与分析 | 第48-49页 |
| ·跟踪注册结果与分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于深度图的人体姿势识别 | 第52-64页 |
| ·机器学习介绍 | 第52-53页 |
| ·机器学习 | 第52-53页 |
| ·随机决策森林 | 第53页 |
| ·背景分割和人体轮廓提取 | 第53-55页 |
| ·三维骨骼关节点的建立方法 | 第55-59页 |
| ·身体部位标记 | 第55-56页 |
| ·骨骼位置确定 | 第56-59页 |
| ·身体部位推理 | 第56-58页 |
| ·生成骨骼位置 | 第58-59页 |
| ·获取全身骨骼信息 | 第59-61页 |
| ·OpenNI | 第59-60页 |
| ·获取骨骼关节点 | 第60-61页 |
| ·手势语义定义 | 第61-63页 |
| ·有限状态机模型 | 第61页 |
| ·手势语义映射 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 金沙博物馆增强现实系统 | 第64-74页 |
| ·系统平台工具 | 第64-65页 |
| ·系统架构 | 第65-67页 |
| ·增强现实系统模块实现 | 第67-69页 |
| ·基于自然特征点的跟踪注册模块 | 第67-68页 |
| ·基于人体骨骼识别的手势交互模块 | 第68-69页 |
| ·系统实现结果与分析 | 第69-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·全文总结 | 第74页 |
| ·工作展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
