基于移动设备的增强现实家具布置研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 增强现实的应用领域及国内外发展现状 | 第11-16页 |
| 1.2.1 增强现实应用领域 | 第11-13页 |
| 1.2.2 国内外发展现状 | 第13-16页 |
| 1.3 本课题研究的主要内容 | 第16-17页 |
| 1.3.1 课题来源 | 第16页 |
| 1.3.2 课题研究内容 | 第16-17页 |
| 1.4.本文的组织结构 | 第17-18页 |
| 第2章 基于增强现实技术的家具布置系统概述 | 第18-30页 |
| 2.1 基于移动设备的AR家具布置系统框架 | 第18-20页 |
| 2.2 扩展跟踪运行模式 | 第20-21页 |
| 2.3 计算机视觉技术 | 第21-27页 |
| 2.3.1 FAST特征检测与提取算法 | 第22-23页 |
| 2.3.2 图像金字塔化 | 第23-25页 |
| 2.3.3 基于半朴素贝叶斯思想的图像分类算法 | 第25-27页 |
| 2.4 三维重建技术 | 第27-28页 |
| 2.5 3D图形开发技术 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 面向AR家具布置系统的目标跟踪技术 | 第30-42页 |
| 3.1 随机蕨算法工作原理 | 第30-34页 |
| 3.1.1 获取训练数据集 | 第30-32页 |
| 3.1.2 离线训练特征库 | 第32-34页 |
| 3.1.3 在线特征识别与匹配 | 第34页 |
| 3.2 图片分类与跟踪组件的设计与实现 | 第34-37页 |
| 3.2.1 引入灰度重心概念 | 第34-35页 |
| 3.2.2 基于方向信息的优化随机蕨 | 第35-37页 |
| 3.3 实验结果与分析 | 第37-40页 |
| 3.3.1 目标图像分类与跟踪组件运行效果 | 第37页 |
| 3.3.2 识别率评估 | 第37-40页 |
| 3.3.3 特征库体积比较 | 第40页 |
| 3.3.4 运行时间测试 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 融合三维重建技术的AR家具布置系统设计 | 第42-50页 |
| 4.1 PTAM算法简介 | 第42-44页 |
| 4.2 基于PTAM技术的AR家具布置系统 | 第44-48页 |
| 4.2.1 相机校正模块 | 第44-45页 |
| 4.2.2 PTAM主体 | 第45-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第5章 AR家具布置系统的性能评测与优化 | 第50-56页 |
| 5.1 基于移动设备的AR家具布置系统运行结果 | 第50-53页 |
| 5.2 性能评测与优化 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间所发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
