增强现实中的光照一致性研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的演技背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本课题的主要研究内容 | 第14-15页 |
| 1.3.1 课题来源 | 第14页 |
| 1.3.2 课题研究内容 | 第14-15页 |
| 1.4.本文的组织结构 | 第15-16页 |
| 第2章 增强现实系统框架概述 | 第16-25页 |
| 2.1 增强现实系统的结构 | 第16-18页 |
| 2.2 计算机视觉技术 | 第18-23页 |
| 2.2.1 FAST特征检测与提取算法 | 第18-20页 |
| 2.2.2 图像金字塔化 | 第20-21页 |
| 2.2.3 图像分类中的半朴素贝叶斯思想 | 第21-23页 |
| 2.3 3D图形开发技术 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 光照一致性算法研究 | 第25-38页 |
| 3.1 光照的一般原理 | 第25-29页 |
| 3.1.1 光照模型 | 第26-28页 |
| 3.1.2 增强现实中的光照 | 第28-29页 |
| 3.2 阴影生成算法 | 第29-32页 |
| 3.2.1 投影法 | 第29-30页 |
| 3.2.2 阴影映射法 | 第30页 |
| 3.2.3 阴影体算法 | 第30-32页 |
| 3.3 AR中的阴影生成算法 | 第32-34页 |
| 3.3.1 AR中的阴影映射算法 | 第32页 |
| 3.3.2 AR中的阴影体算法 | 第32-34页 |
| 3.4 基于单标记的实时场景光源检测算法 | 第34-37页 |
| 3.4.1 光照模型 | 第34-35页 |
| 3.4.2 单光源方向检测 | 第35-36页 |
| 3.4.3 多光源方向检测 | 第36页 |
| 3.4.4 光源的颜色和强度估计 | 第36-37页 |
| 3.4.5 阴影生成 | 第37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 面向AR光照一致系统的目标跟踪技术 | 第38-47页 |
| 4.1 随机蕨算法工作原理 | 第38-41页 |
| 4.1.1 获取训练数据集 | 第38-39页 |
| 4.1.2 离线训练特征库 | 第39-41页 |
| 4.1.3 在线特征识别与匹配 | 第41页 |
| 4.2 图片分类与跟踪组件的设计与实现 | 第41-43页 |
| 4.2.1 引入灰度重心概念 | 第41-42页 |
| 4.2.2 基于方向信息的优化随机蕨 | 第42-43页 |
| 4.3 实验结果与分析 | 第43-46页 |
| 4.3.1 目标图像分类与跟踪组件运行效果 | 第43页 |
| 4.3.2 识别率测评 | 第43-45页 |
| 4.3.3 特征库体积比较 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 AR光照一致系统的性能评测 | 第47-52页 |
| 5.1 实验结果与分析 | 第47-49页 |
| 5.2 性能优化 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间所发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
