CN105046213B - 一种增强现实的方法 - Google Patents
一种增强现实的方法 Download PDFInfo
- Publication number
- CN105046213B CN105046213B CN201510386804.4A CN201510386804A CN105046213B CN 105046213 B CN105046213 B CN 105046213B CN 201510386804 A CN201510386804 A CN 201510386804A CN 105046213 B CN105046213 B CN 105046213B
- Authority
- CN
- China
- Prior art keywords
- information
- marker
- contoured
- template
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及计算机增强现实技术领域，公开了一种增强现实的方法。通过所述方法，一方面用户可通过云平台上传方式将AR标识物信息和AR虚拟信息上传至云平台，再通过云平台的相应处理，在云平台预制第一识别信息和与第一识别信息的对应的预制虚拟信息，从而简化了AR虚拟信息及AR标识物信息的预制难度，使普通用户也可以完成与增强现实技术相关的应用，方便好用，用户体验高。另一方面在云平台服务器/客户端采用标识物检测算法或边缘检测算法对二维图像进行识别处理，提升了其对现实信息的识别处理能力，进而提高了识别处理的识别精度和稳定性，使客户端能够及时并准确地获取与现实信息最匹配的预制虚拟信息，进一步提升用户体验。
Description
技术领域
本发明涉及计算机增强现实技术领域，具体地，涉及一种增强现实的方法。
背景技术
增强现实技术(Augmented Reality Technique，简称AR)是一种现实信息与虚拟信息相叠加的技术，其技术思路是：首先计算机系统处理现实信息，根据现实信息生成匹配且包含虚拟物体、声音或文字等形式的虚拟信息，然后将虚拟信息叠加到显示现实信息的人机交互界面中，从而增加用户对现实世界的感知效率。例如专利CN20141014033——《增强现实的实现方法》公开了一种实现增强现实的交互机制，在向服务器上传待识别对象的图像信息后，用户可进一步从服务器中获取对应的AR虚拟信息，然后通过客户端设备显示图像信息和AR虚拟信息，可增加用户对待识别对象的了解，提升用户体验。
现有增强现实技术主要通过服务器与客户端之间的信息交互来实现增强现实应用，其还存在如下两个问题：(1)服务器的AR虚拟信息由开发者/服务商利用第三方工具(unity)或者原生代码预先配置而得，技术难度高，对普通用户而言具有较高的应用门槛；(2)服务器/客户端对现实信息(例如二维图像)的识别处理能力有限，其处理算法存在识别精度和稳定性的问题，识别效果有待进一步提高。
针对上述当前增强现实技术的问题，需要提供一种新的增强现实方法，一方面可通过云平台处理方式简化AR虚拟信息及AR标识物信息的预制难度，方便实际应用；另一方面还可采用新的处理算法，提升服务器/客户端对现实信息的识别处理能力，进而提高识别处理的识别精度和稳定性，使客户端能够及时并准确地获取与现实信息最匹配的预制虚拟信息，进一步提升用户体验。
发明内容
针对前述当前增强现实技术的问题，本发明提供了一种增强现实的方法，一方面可通过云平台处理方式简化AR虚拟信息及AR标识物信息的预制难度，方便实际应用；另一方面采用了新的处理算法，提升了服务器/客户端对现实信息的识别处理能力，进而提高了识别处理的识别精度和稳定性，使客户端能够及时并准确地获取与现实信息最匹配的预制虚拟信息，进一步提升用户体验。
本发明采用的技术方案提供了一种增强现实的方法，其特征在于，包括步骤如下：S101.向云平台上传AR标识物信息，通过云平台对AR标识物信息进行识别处理，得到并存储第一识别信息,所述AR标识物信息包括AR标志物的二维图像或/和AR标识物的地理位置信息；S102.向云平台上传AR虚拟信息，通过云平台对AR虚拟信息进行预制处理，得到并存储与第一识别信息对应的预制虚拟信息；S103.客户端获取即时二维图像或/和即时地理位置信息，并对即时二维图像或/和即时地理位置信息进行识别处理，得到第二识别信息；S104.向云平台上传第二识别信息，通过云平台对第二识别信息和第一识别信息进行匹配对比，得到匹配的第一识别信息及对应第一识别信息的预制虚拟信息，并将包含所述预制虚拟信息的匹配结果返回给客户端；S105.客户端接收所述匹配结果，加载显示返回的所述预制虚拟信息。根据前述增强现实的方法，用户可通过云平台上传方式将AR标识物信息和AR虚拟信息上传至云平台，再通过云平台的相应处理，在云平台预制第一识别信息和与第一识别信息的对应的预制虚拟信息，从而简化了AR虚拟信息及AR标识物信息的预制难度，使普通用户也可以完成与增强现实技术相关的应用，方便好用，用户体验高。
具体的，在通过云平台对AR标识物信息进行识别处理的步骤中还包括步骤如下：S201.采用标识物检测算法或边缘检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板。通过标识物检测算法或边缘检测算法对现实信息中的AR标识物的二维图片进行识别处理，可提升云平台服务器对所述二维图片的识别处理能力，快速获取高匹配度的AR标识物的标识模板，便于后续与第二识别信息进行匹配对比。
进一步具体的，在所述采用标识物检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板的步骤中还包括步骤如下：S301.采用阈值分割法对AR标识物的二维图像进行二值化处理，得到二值化图像；S302.采用八邻域搜索法对二值化图像进行连通域提取处理，得到二值化图像的多个连通域；S303.采用轮廓跟踪法查找各个连通域的至少四个边缘点坐标，得到对应的轮廓化多边形；S304.采用多边形近似算法对各个轮廓化多边形进行四边形近似处理，得到对应的轮廓化四边形；S305.采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形；S306.采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板。
进一步具体的，在所述采用边缘检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板的步骤中还包括步骤如下：S401.对AR标识物的二维图像进行网格分区，并对各个分区进行边缘像素检测，得到对应的边缘像素；S402.采用RANSAC线段确定算法将各个分区的边缘像素组成有向线段；S403.将各个分区的有向线段进行合并，并延长有向线段，进而合成多个轮廓化四边形；S404.采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形；S405.采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板。
详细的，在所述采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形的步骤中还包括如下步骤：S501.根据轮廓化四边中四个顶点与空间坐标的对应关系，求出单应性矩阵H，然后利用单应性矩阵H对轮廓化四边形进行校正，使轮廓四边形修正为轮廓化正方形。
详细的，在所述采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板的步骤中还包括步骤如下：S601.从模板库中提取校验模板图像，然后将轮廓化正方形图像缩放至与校验模板图像等同的大小；S602.按照如下公式计算校验模板图像与轮廓化正方形图像的相关系数：
式中，T(x,y)为校验模板图像在(x,y)坐标平面上的函数关系，S(x,y)为轮廓化正方形图像在(x,y)坐标平面上的函数关系，M为校验模板图像中的最大行列像素数；S603.将轮廓化正方形图像依次旋转90度三次，并相应执行三次步骤S602；S604.选取四次计算结果的最大相关系数值Pmax，若最大相关系数值Pmax不小于相关系数阈值P0，则判定匹配成功，所述校验模板图像即为与轮廓化正方形图像最匹配的标识模板，否则判定匹配失败。
详细的，在所述采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形的步骤之后还包括步骤如下：S701.采用基于模板的角点检测算法对各个轮廓化正方形进行处理，得到对应的角点信息。
进一步详细的，所述基于模板的角点检测算法为Kitchen-Rosenfeld角点检测算法、Harris角点检测算法、KLT角点检测算法和SUSAN角点检测算法中的任一一种。
进一步详细的，在采用SUSAN角点监测算法对各个轮廓化正方形进行处理，得到对应的角点信息的步骤中还包括步骤如下：S801.检测轮廓化正方形的图形轮廓，将左上端最先被检测到的顶点记为第一个顶点，记为v0，坐标(x0,y0)；S802.求出图形轮廓上距离v0最大的点，记为v2，坐标(x2,y2)；S803.设定v2为v0的对角点，利用v0v2确定直线L3；S804.根据几何学中点到直线L3的距离公式求出图形轮廓上距离L3最远的点v1，依次类推得到图形轮廓上距v1最远的点为v1的对角点v3。
具体的，在对即时二维图像进行识别处理的步骤中还包括步骤如下：S901.采用标识物检测算法或边缘检测算法对即时二维图像进行识别处理，得到即时标识模板。通过标识物检测算法或边缘检测算法对现实信息中的即时二维图片进行识别处理，可提升客户端对所述二维图片的识别处理能力，快速获取高匹配度的即时标识模板，便于后续与第一识别信息进行匹配对比，进而提高了识别处理的识别精度和稳定性，使客户端能够及时并准确地获取与现实信息最匹配的预制虚拟信息，进一步提升用户体验。
综上，采用本发明所提供的增强现实的方法，具有如下有益效果：(1)用户可通过云平台上传方式将AR标识物信息和AR虚拟信息上传至云平台，再通过云平台的相应处理，在云平台预制第一识别信息和与第一识别信息的对应的预制虚拟信息，从而简化了AR虚拟信息及AR标识物信息的预制难度，使普通用户也可以完成与增强现实技术相关的应用，方便好用，用户体验高。(2)在云平台服务器/客户端采用标识物检测算法或边缘检测算法对二维图像进行识别处理，提升了其对现实信息的识别处理能力，进而提高了识别处理的识别精度和稳定性，使客户端能够及时并准确地获取与现实信息最匹配的预制虚拟信息，进一步提升用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的增强现实的方法流程图。
图2是本发明实施例提供的采用标识物检测算法对二维图像进行识别处理的流程图。
图3是本发明实施例提供的像素点与邻域中八邻点的坐标位置和位置编码示意图。
图4是本发明实施例提供的采用相关系数匹配法查找标识模板的流程图。
图5是本发明实施例提供的采用边缘检测算法对二维图像进行识别处理的流程图。
具体实施方式
以下将参照附图，通过实施例方式详细地描述本发明提供的增强现实的方法。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
本文中描述的各种技术可以用于但不限于增强现实技术领域，还可以用于其它类似领域。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文中术语“或/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A或/和B，可以表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。
实施例一，图1示出了本实施例提供的增强现实的方法流程图，所述增强现实的方法，包括步骤如下。
S101.向云平台上传AR标识物信息，通过云平台对AR标识物信息进行识别处理，得到并存储第一识别信息,所述AR标识物信息包括AR标志物的二维图像或/和AR标识物的地理位置信息。
S102.向云平台上传AR虚拟信息，通过云平台对AR虚拟信息进行预制处理，得到并存储与第一识别信息对应的预制虚拟信息。
S103.客户端获取即时二维图像或/和即时地理位置信息，并对即时二维图像或/和即时地理位置信息进行识别处理，得到第二识别信息。
S104.向云平台上传第二识别信息，通过云平台对第二识别信息和第一识别信息进行匹配对比，得到匹配的第一识别信息及对应第一识别信息的预制虚拟信息，并将包含所述预制虚拟信息的匹配结果返回给客户端。
S105.客户端接收所述匹配结果，加载显示返回的所述预制虚拟信息。
本实施例中展示了一种增强现实的方法。所述云平台是一种远离用户且可与用户所持有的终端设备进行无线通信或有线通信的、且可以辅助客户端实现增强现实应用的远程平台，所述客户端是一种被用户直接使用的终端设备，其可以是但不限于是移动终端、可穿戴设备或其它虚拟现实设备，诸如手机、平板电脑、笔记本或智能相机等具有操作系统和摄像模块的智能电子移动设备，或者诸如增强现实眼镜等的可穿戴设备。根据上述增强现实的方法，用户可通过云平台上传方式将AR标识物信息和AR虚拟信息上传至云平台，再通过云平台的相应处理，在云平台预制第一识别信息和与第一识别信息的对应的预制虚拟信息，从而简化了AR虚拟信息及AR标识物信息的预制难度，使普通用户也可以完成与增强现实技术相关的应用，方便好用，用户体验高。
实施例二，图2示出了本实施例提供的采用标识物检测算法对二维图像进行识别处理的流程图，图3示出了本实施例提供的像素点与邻域中八邻点的坐标位置和位置编码示意图，图4示出了本实施例提供的采用相关系数匹配法查找标识模块的流程图。本实施例作为实施例一的优化和拓展，在实施例一的基础上对本实施例提供的增强现实的方法进行详细说明。所述增强现实的方法，包括步骤如下。
S101.向云平台上传AR标识物信息，通过云平台对AR标识物信息进行识别处理，得到并存储第一识别信息,所述AR标识物信息包括AR标志物的二维图像或/和AR标识物的地理位置信息。
在体验增强现实效果之前，需要先对AR标识物的标识信息及AR虚拟信息进行预制，因此在本实施例中，首先需要将AR标识物信息上传到云平台，然后通过云平台对AR标识物信息进行标识处理，最后将得到的与AR标识物对应的识别信息存储在云平台的服务器中，从而在云平台上完成预制AR标识物的标识信息。所述AR标识物为现实中的且具有一定形状或特征的目标物体，例如城市中的标识性建筑、博物馆中的文物个体或者动植物个体等。所述AR标识物信息为标征AR标识物的现实信息，例如AR标识物的二维图像或/和AR标识物的地理位置信息。用户通过面向用户的云平台界面将AR标识物信息上传到云平台的云端，然后由云端服务器对AR标识物信息进行识别处理，以便获取第一识别信息。所述面向用户的云平台界面可以是但不限于是WEB页面或者专用的具有增强现实功能的应用程序(例如具有AR编辑功能的APP软件)。
具体的，在通过云平台对AR标识物信息进行识别处理的步骤中还包括步骤如下：S201.采用标识物检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板。此外，当AR标识物信息还包括AR标识物的地理位置信息时，云平台还会对AR标识物的地理位信息置进行识别处理，得到AR标识物的地理经纬度信息。所述AR标识物的标识模板或/和AR标识物的地理经纬度信息将作为第一识别信息的部分内容参与到后续的、与第二识别信息的匹配对比过程中。
所述步骤S201中，云平台的云端服务器采用标识物检测算法对AR标识物的二维图像进行处理，针对AR标识物可得到高准确性的多个标识模块，具体的，在所述采用标识物检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板的步骤中还包括步骤如下。
S301.采用阈值分割法对AR标识物的二维图像进行二值化处理，得到二值化图像。
所述步骤S301中，所述阈值分割法是指按照一定的规则将一幅图像分成各具特征的区域，并提取出目标区域的技术或方法，适用于目标和背景占据不同灰度级范围的图像。采用阈值分割法处理二维图像，不但可大幅度地压缩数据量，而且还可简化后续分析和处理的步骤，因此本实施例中采用阈值分割法对AR标识物的二维图像进行处理，方便后续的图像分析、模板查找以及角点检测等识别处理程序。在采用阈值分割法对二维图像进行处理的过程中，首先需要选取一个适当的第一阈值T，以便将二维图像中的目标图像和背景图像分离，若第一阈值T取值过低，则会导致属于背景图像的像素被错误划分至目标图像中；若第一阈值T取值过高，则会导致属于目标图像的像素被错误划分至背景图像中，因此所述第一阈值T的取值大小至关重要。由于二维图像的颜色校正误差值可以预先得到，并且其值作为第一阈值T可较理想的将二维图像中的目标图像和背景图像分离，因此作为优化的，在本实施例中，所述阈值分割法中第一阈值T采用AR标识物的二维图像的颜色校正误差值。进一步具体的，所述步骤S301中还包括步骤如下。
S3011.获取二维图像的最大灰度值Gmax和最小灰度值为Gmin。
S3012.在最大灰度值Gmax和最小灰度值为Gmin之间选取一个适用的灰度值作为AR标识物二维图像的颜色校正误差值，并将所述颜色校正误差值作为第一阈值T。
S3013.将二维图像的像素灰度值按照如下公式进行处理，得到二值化图像：
式中，f(m,n)为二维图像的像素灰度值在(m,n)坐标平面上的函数关系，B(m,n)为经二值化处理后得到的二值化图像。
在步骤S3013中，将二维图像中各个像素的灰度值分别与阈值3T进行比较，从而可将二维图像中像素分为两类：灰度值不大于3T的像素点划分为背景图像的像素，灰度值大于3T的像素点划分为目标图像的像素，从而可将二维图像中的目标图像和背景图像分离开来，并得到二值化图像，便于后续的分析和处理。
S302.采用八邻域搜索法对二值化图像进行连通域提取处理，得到二值化图像的多个连通域。
所述步骤S302中，所述连通域为二值化图像中同类型像素呈连通状的图像成分，采用八邻域搜索法的目的在于标识出二值化图像中各个连通域，然后对各个连通域进行提取。在所述提取过程中，根据内部像素点个数计算连通域的内部面积，然后舍弃面积小于第二阈值的连通域，保留面积不小于第二阈值的连通域，从而得到二值化图像的多个连通域。所述第二阈值为连通域面积阈值，用于对各个大小不一连通域进行取舍，以便剔除无标识价值的连通域，提高后续的分析和处理效率。
S303.采用轮廓跟踪法查找各个连通域的至少四个边缘点坐标，得到对应的轮廓化多边形。
所述步骤S303中，所述轮廓跟踪法的思路是：假设一个黑点位于连通域中，然后按照位置编码顺序依次检测它的八个邻点(上邻点、下邻点、左邻点、右邻点、左上邻点、左下邻点、右上邻点和右下邻点)是否为黑点，如果均为黑色点，则该黑点判定为黑色连通域的内部点，反之判定为黑色连通域的边缘点。在如图3所示的像素点与邻域中八邻点的坐标位置和位置编码示意图，像素点记为(x,y),如果像素点(x,y)为边缘点，则它的八个邻点：(x-1,y-1)、(x,y-1)、(x+1,y-1)、(x-1,y)、(x+1,y)、(x-1,y+1)、(x,y+1)和(x+1,y+1)中必存在一个边缘点。详细的，所述采用轮廓跟踪法查找各个连通域的至少四个边缘点坐标的步骤中还包括步骤如下。
S3031.依次查找并标记连通域的最顶端像素点、最低端像素点、最左端像素点和最右端像素点。
S3032.在由所述顶端像素点、最低端像素点、最左端像素点和最右端像素点确定的长方形区域内，对每个像素点按照轮廓跟踪法进行边缘判断，并将判定为边缘点的像素点标记为边缘符号。
所述步骤S3032中，举例的，设定由所述顶端像素点、最低端像素点、最左端像素点和最右端像素点确定的长方形区域大小为m*n，然后将所述区域内的像素点记为g(x,y)，并按照如下步骤所描述的方法对每一个像素点进行边缘判断和标记：首先对像素点g(x,y)进行负值处理，比如将原来为1的像素值变为-1，用于区分已进行边缘判断的像素点和未进行边缘判断的像素点(其值为1或0)；然后对像素点g(x,y)进行分析，若g(x,y)为0值，则保持g(x,y)对应位置值不变，并结束对该像素点的边缘判断；若g(x,y)为-1值，则依照从上至下、从左至右的方法，或者沿顺时针方向/逆时针方向的位置编码顺序逐个对八个邻点进行检测，当发现邻点的像素值为-1值时，则判定该像素点为边缘点，然后在g(x,y)对应位置标记边缘符号LB；最后由所有标记为边缘符号LB的像素点围成的图形记为连通域的轮廓多边形。
S304.采用多边形近似算法对各个轮廓化多边形进行四边形近似处理，得到对应的轮廓化四边形。
所述步骤S304中，由于前面步骤得到轮廓化多边形并非正规的四边形，但是在后续的处理过程中又需要近似的四边形，因此需要对轮廓化多边形进行近似处理，得到轮廓化四边形。详细的，在采用多边形近似算法对各个轮廓化多边形进行四边形近似处理，得到对应的轮廓化四边形的步骤中还包括如下步骤。
S3041.获取轮廓化多边形的边缘线，并得到轮廓边缘线最顶端像素点S的坐标(xs,ys)。
S3042.从点S开始，沿边缘线查找与S点距离最远的边缘线点E，并得到边缘线点E的坐标(xe,ye)。
S3043.将点S和点E设定为两个对角顶点，然后利用几何中直线方程确定直线L1：
ax+by+c＝0
式中，a＝ys-ye,b＝xe-xs,c＝xeys-xsye。
S3044.按照公式计算出各个点到直线L1的距离，并筛选出距离直线L1最远的两个像素点A和B，并得到点A和点B的坐标。
S3045.在所述点S、点E、点A和点B中任意选取不同时为点S和点E的两个点，然后利用选取的两个点确定直线L2，并按照公式计算出各个点到直线L2的距离，若筛选出距离直线L2最远的两个像素点为未选取的两个点，则由所述点S、点E、点A和点B所围成的多边形即为最近似的轮廓四边形，否则继续步骤S3045。
S305.采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形。
所述步骤S305中，在所述采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形的步骤中还包括如下步骤：S501.根据轮廓化四边中四个顶点与空间坐标的对应关系，求出单应性矩阵H，然后利用单应性矩阵H对轮廓化四边形进行校正，使轮廓四边形修正为轮廓化正方形。
所述步骤S501中，具体的步骤是：将四边形中最左上方的点设为第一点，将第一点与模板库中标识模板对应的左上顶点进行匹配，并按照顺时针方向依次匹配其余三个顶点，最终根据对应关系求出单应形矩阵H。然后利用单应性矩阵H对轮廓化四边形进行校正，得到修正的轮廓化正方形。
S306.采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板。
所述步骤S306中，在模板库中查找与轮廓化正方形最匹配的标识模板的目的在于，通过图像对比判断AR标识物是否是合法的标识物，所述模板库中的标识模板可以是但不限于是由开发者初始设定的合法模板。本实施例采用相关系数匹配法进行匹配的思路是：在模板库中查找是否存在合法的模板，如果存在，则一定存在标识图形与匹配模板在相应点位置上的相关系数，且相关系数越大，标识图形与匹配模板的匹配程度越高。详细的，在所述采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板的步骤中还包括步骤如下。
S601.从模板库中提取校验模板图像，然后将轮廓化正方形图像缩放至与校验模板图像等同的大小。
S602.按照如下公式计算校验模板图像与轮廓化正方形图像的相关系数：
式中，T(x,y)为校验模板图像在(x,y)坐标平面上的函数关系，S(x,y)为轮廓化正方形图像在(x,y)坐标平面上的函数关系，M为校验模板图像中的最大行列像素数。
S603.将轮廓化正方形图像依次旋转90度三次，并相应执行三次步骤S602。
S604.选取四次计算结果的最大相关系数值Pmax，若最大相关系数值Pmax不小于相关系数阈值P0，则判定匹配成功，所述校验模板图像即为与轮廓化正方形图像最匹配的标识模板，否则判定匹配失败。
详细的，在所述采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形的步骤之后还包括步骤如下：S701.采用基于模板的角点检测算法对各个轮廓化正方形进行处理，得到对应的角点信息。
所述步骤S701中，由于角点是图像重要的特征，对图像图形的理解分析起到重要的作用，尤其体现在目标跟踪和图像融合等方面。所述角点信息即为轮廓图像中的各个角点的位置坐标，需要通过角点检测算法进行检测并计算提取，并且要求必须快速、准确且鲁棒性强。目前沿用的角点检测算法主要有三类：基于轮廓曲线的角点检测、基于灰度图像的角点检测和基于二维图像的角点检测。基于灰度图像的角点检测又可以分为基于模板梯度组合的方法、基于梯度的方法和基于模板的方法，其中基于模板的方法主要考虑像素点的灰度变化，即图像亮度的变比，将与邻点亮度对比差距较大的点定义为角点。进一步详细的，所述基于模板的角点检测算法可以是但不限于是Kitchen-Rosenfeld角点检测算法、Harris角点检测算法、KLT角点检测算法和SUSAN角点检测算法中的任一一种。作为优化的，本实施例中所述基于模板的角点检测算法为SUSAN角点检测算法，与其它角点检测算法相比，SUSAN角点检测算法具有算法简单、位置精确、抗噪声能力强等优点。
进一步详细的，在采用SUSAN角点监测算法对各个轮廓化正方形进行处理，得到对应的角点信息的步骤中还包括步骤如下。
S801.检测轮廓化正方形的图形轮廓，将左上端最先被检测到的顶点记为第一个顶点，记为v0，坐标(x0,y0)。
S802.求出图形轮廓上距离v0最大的点，记为v2，坐标(x2,y2)。
S803.设定v2为v0的对角点，利用v0v2确定直线L3。
S804.根据几何学中点到直线L3的距离公式求出图形轮廓上距离L3最远的点v1，依次类推得到图形轮廓上距v1最远的点为v1的对角点v3。
通过上述步骤，可确定图形轮廓的四个特征点(即点v0，点v1，点v2和点v3)坐标，进而完成二维图像的特征点提取，得到AR标识物的二维图像角点信息，所述角点信息将作为第一识别信息的部分内容参与到后续的、与第二识别信息的匹配对比过程中。
云平台的云端服务器通过上述步骤对AR标识物信息进行识别处理，最终得到包含AR标识物的二维图像的标识模板及角点信息，或/和地理经纬度信息等内容的第一标识信息，然后将第一标识信息存储在云端服务器的存储单元中，以备后续与第二标识信息进行匹配对比。
S102.向云平台上传AR虚拟信息，通过云平台对AR虚拟信息进行预制处理，得到并存储与第一识别信息对应的预制虚拟信息。
所述步骤S102中，在云平台上完成预制AR标识物的识别信息后，还需在云平台上完成与AR标识物的识别信息对应的AR虚拟信息，其流程是将AR虚拟信息上传到云平台，然后通过云平台对AR虚拟信息进行预制处理——可以是但不限于是建立AR虚拟信息与AR标识物的识别信息的关联对应关系，从而得到并存储与第一识别信息对应的预制虚拟信息。所述AR虚拟信息为用户通过面向用户的云平台界面设置的信息，具体的，所述AR虚拟信息可以是但不限于包括文字、图片、音视频、三维模型及全景图片等文件，或/和关于前述文件的位置、大小和朝向等其它配置参数内容。所述面向用户的云平台界面可以是但不限于是WEB页面或者专用的具有增强现实功能的应用程序(例如具有AR编辑功能的APP软件)。
云平台的云端服务器在在接收到AR虚拟信息后，即对其进行预制处理，生成满足适合于客户端渲染显示的且与第一识别信息对应的预制虚拟信息，并将所述预制虚拟信息存储在云端服务器的存储单元中，以备后续在第二标识信息与第一标识信息匹配时，向客户端反馈对应的预制虚拟信息。
S103.客户端获取即时二维图像或/和即时地理位置信息，并对即时二维图像或/和即时地理位置信息进行识别处理，得到第二识别信息。
在步骤S103中，所述客户端配置有诸如AR浏览器等具有增强现实应用功能的应用程序，启动应用程序即可但不限于通过本地的摄像模块(例如手机摄像头)获取即时二维图像，或/和通过定位模块(例如GSP无线定位器)获取即时地理位置信息。客户端应用程序在获取即时二维图像或/和即时地理位置信息后，还将对即时二维图像或/和即时地理位置信息进行识别处理，以便得到可与第一识别信息进行匹配对比的且包含即时二维图像的标识模板及角点信息，或/和即时地理位置信息的第二识别信息。客户端对即时二维图像及即时地理位置信息的识别处理方式可以但不限于与云端服务器对AR标识物的二维图像及AR标识物的地理位置信息的识别方式一致，具体的，在对即时二维图像进行识别处理的步骤中还包括步骤如下：S901.采用标识物检测算法对即时二维图像进行识别处理，得到即时标识模板。通过标识物检测算法对现实信息中的即时二维图片进行识别处理，可提升客户端对所述二维图片的识别处理能力，快速获取高匹配度的即时标识模板，便于后续与第一识别信息进行匹配对比，进而提高了识别处理的识别精度和稳定性，使客户端能够及时并准确地获取与现实信息最匹配的预制虚拟信息，进一步提升用户体验。
S104.向云平台上传第二识别信息，通过云平台对第二识别信息和第一识别信息进行匹配对比，得到匹配的第一识别信息及对应第一识别信息的预制虚拟信息，并将包含所述预制虚拟信息的匹配结果返回给客户端。
在步骤S104中，客户端的应用程序在得到包含即时二维图像的标识模板及角点信息，或/和即时地理位置信息的第二识别信息后，即将第二识别信息上传至云平台的云端服务器中，然后通过云端服务器对第二识别信息与本地保存的第一识别信息进行匹配对比——即AR标识物的二维图像的标识模板与即时二维图像的标识模板进行匹配对比，和/或AR标识物的二维图像的角点信息与即时二维图像的角点信息进行匹配对比，或/和AR标识物的地理经纬度信息与即时地理经纬度信息进行对比，如果通过匹配对比能够找到与第二识别信息匹配的第一识别信息，即可进一步通过第一识别信息与预制虚拟信息的关联对应关系，得到对应第一识别信息的预制虚拟信息，从而得到匹配的第一识别信息及对应第一识别信息的预制虚拟信息，最后将包含所述预制虚拟信息的匹配结果返回给客户端，以便客户端及时向用户展示具有现实增强效果的预制虚拟信息。
S105.客户端接收所述匹配结果，加载显示返回的所述预制虚拟信息。
所述步骤S105中，客户端的应用程序(例如AR浏览器)在最终接收到所述匹配结果后，即时将所述预制虚拟信息加载到即时二维图像中，并在客户端的人机交互界面上予以展示，从而完成增强现实的应用。
本实施例提供的增强现实的方法，在实施例一的有益效果基础上，还有如下有益效果：在云平台服务器/客户端采用标识物检测算法或边缘检测算法对二维图像进行识别处理，提升了其对现实信息的识别处理能力，进而提高了识别处理的识别精度和稳定性，使客户端能够及时并准确地获取与现实信息最匹配的预制虚拟信息，进一步提升用户体验。
实施例三，图5示出了本实施例提供的采用边缘检测算法对二维图像进行识别处理的流程图。本实施例作为实施例一的另一种优化和拓展，在实施例一和实施例二的基础上对本实施例提供的增强现实的方法进行详细说明。本实施例提供的增强现实的方法与实施例二提供的增强现实的方法的不同之处在于，在所述对AR标识物进行识别处理的步骤中还包括如下步骤：S201.采用边缘检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板。
所述步骤S201中，云平台的云端服务器采用边缘检测算法对AR标识物的二维图像进行识别处理，针对AR标识物的二维图像可更快的得到高准确性的多个标识模块。具体的，在所述采用边缘检测算法对AR标识物的二维图像进行处理，得到AR标识物的图像识别信息的步骤中还包括步骤如下。
S401.对AR标识物的二维图像进行网格分区，并对各个分区进行边缘像素检测，得到对应的边缘像素。
在所述步骤S401中，首先利用网格将AR标识物的二维图像分为一个一个的小区域，并在每个小区域内设有根据粗粒度间隔采样的多根扫描线；然后对各个分区中的每一根扫描线采用一维高斯核进行卷积，获取扫描线对应位置像素的局部强度梯度值。最后将局域强度梯度最大值大于第三阈值的像素标记为边缘像素，最终得到整个图像的边缘像素。在标记边缘像素后，还可以根据如下公式得到边缘像素的方向：
式中，Gx、Gy分别是梯度的x、y分量。由于所述扫描线是根据粗粒度进行间隔采样的，因此可大幅度的降低需要处理的像素点个数，从而可在保持算法精度的基础上有效提高处理速度，快速得到边缘像素。
S402.采用RANSAC线段确定算法将各个分区的边缘像素组成有向线段。
所述步骤S402中，RANSAC线段确定算法是一种随机算法，其算法思想为先假设再校验：首先从单元分区内随机选择两个方向相同的边缘像素，并假设两个边缘像素的连线为一条边线；然后计算与边线相同的其他边缘像素(即支持点——与边线方向相同且距离较近的像素点即认为相同点/支持点)的个数，如果支持点个数大于第四阈值，则将该线段上的所有支持点移除；多次迭代重复前述步骤，最后找到支持点最多的有向线段。在多次迭代重复前述步骤中，迭代终止条件是分区内剩下的边缘像素点个数小于第五阈值，或者迭代次数大于第六阈值。作为举例的，本实施例中，所述迭代终止条件为分区内省下的边缘像素点个数小于第五阈值。
所述步骤S402中，还可以利用二维图像的颜色特性进一步提升线段提取速度，例如当图像为白色背景上的黑色框时，由于图像边缘像素颜色只能是灰阶，如果被随机选取到一个边缘像素的RBG三个通道的强度梯度值基本一样，则可认为该像素点为灰阶点，否则认为该像素点为彩色点，最后从分区中剔除彩色像素点，剩下可能标识边缘的灰阶点。采用此优化策略，对于彩色的二维图像可以大幅度的减少待检测像素点的个数，从而提高线段提取速度。
所述步骤S402中，如果所述二维图像为视频图像，还可以利用前一帧获得的信息进行优化处理，例如在前一帧中确定了图像的边缘线段，本帧处理时只需扫描前一帧中边缘线段的附件区域，即可更快速的确定本帧图像的边缘线段。考虑视频图像容易出现剧烈抖动的情况，在按照前述方式处理超过第七阈值帧数的图像后，进行一次全面视频图像的扫描处理，确保剧烈抖动时的边缘线段或新添加的边缘线段能够被检测到。
S403.将各个分区的有向线段进行合并，并延长有向线段，进而合成多个轮廓化四边形。
S404.采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形。
S405.采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板。
所述步骤S404和步骤S405的处理细节与实施例二中步骤S305和步骤S306所描述的细节一致，不再赘述。
在本实施例中，客户端对即时二维图像及即时地理位置信息的识别处理方式可以但不限于与云端服务器对AR标识物的二维图像及AR标识物的地理位置信息的识别方式一致，亦即可采用边缘检测算法对即时二维图像进行识别处理，得到即时标识模板。
本实施例提供的增强现实的方法，在实施例一和实施例二的有益效果基础上，还有如下有益效果：由于采用了步骤更少、处理速度更快的边缘检测算法对二维图像进行识别处理，可加快识别处理速度，进而提高识别处理的识别精度和稳定性，使客户端能够及时并准确地获取与现实信息最匹配的预制虚拟信息，进一步提升用户体验。
如上所述，可较好的实现本发明。对于本领域的技术人员而言，根据本发明的教导，设计出不同形式的增强现实的方法并不需要创造性的劳动。在不脱离本发明的原理和精神的情况下对这些实施例进行变化、修改、替换、整合和变型仍落入本发明的保护范围内。
Claims (10)
1.一种增强现实的方法，其特征在于，包括步骤如下：
S101.向云平台上传AR标识物信息，通过云平台对AR标识物信息进行识别处理，得到并存储第一识别信息，所述AR标识物信息包括AR标志物的二维图像或/和AR标识物的地理位置信息；
S102.向云平台上传AR虚拟信息，通过云平台对AR虚拟信息进行预制处理以建立AR虚拟信息与AR标识物信息的关联对应关系，从而得到并存储与第一识别信息对应的预制虚拟信息；
S103.客户端获取即时二维图像或/和即时地理位置信息，并对即时二维图像或/和即时地理位置信息进行识别处理，得到第二识别信息；
S104.向云平台上传第二识别信息，通过云平台对第二识别信息和第一识别信息进行匹配对比，得到匹配的第一识别信息及对应第一识别信息的预制虚拟信息，并将包含所述预制虚拟信息的匹配结果返回给客户端；
S105.客户端接收所述匹配结果，加载显示返回的所述预制虚拟信息。
2.如权利要求1所述的一种增强现实的方法，其特征在于，在通过云平台对AR标识物信息进行识别处理的步骤中还包括步骤如下：
S201.采用标识物检测算法或边缘检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板。
3.如权利要求2所述的一种增强现实的方法，其特征在于，在所述采用标识物检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板的步骤中还包括步骤如下：
S301.采用阈值分割法对AR标识物的二维图像进行二值化处理，得到二值化图像；
S302.采用八邻域搜索法对二值化图像进行连通域提取处理，得到二值化图像的多个连通域；
S303.采用轮廓跟踪法查找各个连通域的至少四个边缘点坐标，得到对应的轮廓化多边形；
S304.采用多边形近似算法对各个轮廓化多边形进行四边形近似处理，得到对应的轮廓化四边形；
S305.采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形；
S306.采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板。
4.如权利要求2所述的一种增强现实的方法，其特征在于，在所述采用边缘检测算法对AR标识物的二维图像进行识别处理，得到AR标识物的标识模板的步骤中还包括步骤如下：
S401.对AR标识物的二维图像进行网格分区，并对各个分区进行边缘像素检测，得到对应的边缘像素；
S402.采用RANSAC线段确定算法将各个分区的边缘像素组成有向线段；
S403.将各个分区的有向线段进行合并，并延长有向线段，进而合成多个轮廓化四边形；
S404.采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形；
S405.采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板。
5.如权利要求3或4所述的一种增强现实的方法，其特征在于，在所述采用反变换方式
处理各个轮廓化四边形，得到对应的轮廓化正方形的步骤中还包括如下步骤：
S501.根据轮廓化四边中四个顶点与空间坐标的对应关系，求出单应性矩阵H，然后利用单应性矩阵H对轮廓化四边形进行校正，使轮廓四边形修正为轮廓化正方形。
6.如权利要求3或4所述的一种增强现实的方法，其特征在于，在所述采用相关系数匹配法在模板库中查找到与各个轮廓化正方形最匹配的标识模板的步骤中还包括步骤如下：
S601.从模板库中提取校验模板图像，然后将轮廓化正方形图像缩放至与校验模板图像等同的大小；
S602.按照如下公式计算校验模板图像与轮廓化正方形图像的相关系数：
式中，T(x,y)为校验模板图像在(x,y)坐标平面上的函数关系，S(x,y)为轮廓化正方形图像在(x,y)坐标平面上的函数关系，M为校验模板图像中的最大行列像素数；
S603.将轮廓化正方形图像依次旋转90度三次，并相应执行三次步骤S602；
S604.选取四次计算结果的最大相关系数值Pmax，若最大相关系数值Pmax不小于相关系数阈值P0，则判定匹配成功，所述校验模板图像即为与轮廓化正方形图像最匹配的标识模板，否则判定匹配失败。
7.如权利要求3或4所述的一种增强现实的方法，其特征在于，在所述采用反变换方式处理各个轮廓化四边形，得到对应的轮廓化正方形的步骤之后还包括步骤如下：
S701.采用基于模板的角点检测算法对各个轮廓化正方形进行处理，得到对应的角点信息。
8.如权利要求7所述的一种增强现实 的方法，其特征在于，所述基于模板的角点检测算法为Kitchen-Rosenfeld角点检测算法、Harris角点检测算法、KLT角点检测算法和SUSAN角点检测算法中的任一一种。
9.如权利要求8所述的一种增强现实的方法，其特征在于，在采用SUSAN角点监测算法对各个轮廓化正方形进行处理，得到对应的角点信息的步骤中还包括步骤如下：
S801.检测轮廓化正方形的图形轮廓，将左上端最先被检测到的顶点记为第一个顶点，记为v0，坐标(x0,y0)；
S802.求出图形轮廓上距离v0最大的点，记为v2，坐标(x2,y2)；
S803.设定v2为v0的对角点，利用v0v2确定直线L3；
S804.根据几何学中点到直线L3的距离公式求出图形轮廓上距离L3最远的点v1，依次类推得到图形轮廓上距v1最远的点为v1的对角点v3。
10.如权利要求1所述的一种增强现实的方法，其特征在于，在对即时二维图像进行识别处理的步骤中还包括步骤如下：
S901.采用标识物检测算法或边缘检测算法对即时二维图像进行识别处理，得到即时标识模板。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510386804.4A CN105046213B (zh) | 2015-06-30 | 2015-06-30 | 一种增强现实的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510386804.4A CN105046213B (zh) | 2015-06-30 | 2015-06-30 | 一种增强现实的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105046213A CN105046213A (zh) | 2015-11-11 |
| CN105046213B true CN105046213B (zh) | 2019-03-12 |
Family
ID=54452742
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510386804.4A Active CN105046213B (zh) | 2015-06-30 | 2015-06-30 | 一种增强现实的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105046213B (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105338117B (zh) | 2015-11-27 | 2018-05-29 | 亮风台（上海）信息科技有限公司 | 用于生成ar应用和呈现ar实例的方法、设备与系统 |
| DE102016201373A1 (de) * | 2016-01-29 | 2017-08-03 | Robert Bosch Gmbh | Verfahren zu einer Erkennung von Objekten, insbesondere von dreidimensionalen Objekten |
| US10334076B2 (en) * | 2016-02-22 | 2019-06-25 | Google Llc | Device pairing in augmented/virtual reality environment |
| CN105844654A (zh) * | 2016-04-15 | 2016-08-10 | 中国科学院上海技术物理研究所 | 一种基于Zynq软硬件协同处理的增强现实系统及方法 |
| CN106780753A (zh) * | 2016-11-22 | 2017-05-31 | 宇龙计算机通信科技(深圳)有限公司 | 一种增强现实注册装置及其方法 |
| CN106683197A (zh) * | 2017-01-11 | 2017-05-17 | 福建佳视数码文化发展有限公司 | 一种融合vr和ar技术的楼盘展示系统及其方法 |
| CN106843497A (zh) * | 2017-02-24 | 2017-06-13 | 北京观动科技有限公司 | 一种混合现实信息交互方法及装置 |
| CN107993263B (zh) * | 2017-10-27 | 2021-07-06 | 深圳市易成自动驾驶技术有限公司 | 环视系统自动标定方法、汽车、标定装置及存储介质 |
| CN109753981B (zh) * | 2017-11-06 | 2020-12-22 | 彼乐智慧科技（北京）有限公司 | 一种图像识别的方法及装置 |
| CN109902541B (zh) * | 2017-12-10 | 2020-12-15 | 彼乐智慧科技（北京）有限公司 | 一种图像识别的方法及系统 |
| CN109389047A (zh) * | 2018-09-13 | 2019-02-26 | 南京迅猛龙文化传媒有限公司 | 智能图形图像识别处理方法及装置 |
| CN109493349B (zh) * | 2018-11-05 | 2021-10-29 | 中科海微(北京)科技有限公司 | 一种图像特征处理模块、增强现实设备和角点检测方法 |
| CN109584378A (zh) * | 2018-12-29 | 2019-04-05 | 广州欧科信息技术股份有限公司 | 基于ar的历史文化古建筑对象导赏方法、装置及系统 |
| CN111462279B (zh) * | 2019-01-18 | 2023-06-09 | 阿里巴巴集团控股有限公司 | 图像显示方法、装置、设备及可读存储介质 |
| CN110197364B (zh) * | 2019-06-06 | 2022-04-15 | 广东亮子科技有限公司 | 基于增强现实内容的审查系统 |
| CN111222537A (zh) * | 2019-11-19 | 2020-06-02 | 杭州事件视界科技有限公司 | 可快速制作并传播增强现实系统及方法 |
| CN112164258A (zh) * | 2019-12-26 | 2021-01-01 | 昆山时记信息科技有限公司 | Ar智慧教学方法、装置、教具系统和计算机设备 |
| CN111223114B (zh) * | 2020-01-09 | 2020-10-30 | 北京达佳互联信息技术有限公司 | 一种图像区域的分割方法、装置及电子设备 |
| US20220335661A1 (en) * | 2020-02-28 | 2022-10-20 | Google Llc | System and method for playback of augmented reality content triggered by image recognition |
| CN113409334B (zh) * | 2021-06-20 | 2022-10-04 | 桂林电子科技大学 | 一种基于质心的结构光角点检测方法 |
| CN113628312B (zh) * | 2021-08-20 | 2023-07-14 | 成都四方伟业软件股份有限公司 | 一种基于Unity3D内置渲染管线的云渲染方法及装置 |
| CN115100696A (zh) * | 2022-08-29 | 2022-09-23 | 山东圣点世纪科技有限公司 | 一种掌静脉识别中的连通域快速标记与提取方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102801788A (zh) * | 2012-07-17 | 2012-11-28 | 中兴通讯股份有限公司 | 一种实现增强现实信息共享的方法、装置和系统 |
| CN104537705A (zh) * | 2015-01-23 | 2015-04-22 | 济宁医学院 | 基于增强现实的移动平台三维生物分子展示系统和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI452527B (zh) * | 2011-07-06 | 2014-09-11 | Univ Nat Chiao Tung | 基於擴增實境與雲端計算之應用程式執行方法與系統 |
-
2015
- 2015-06-30 CN CN201510386804.4A patent/CN105046213B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102801788A (zh) * | 2012-07-17 | 2012-11-28 | 中兴通讯股份有限公司 | 一种实现增强现实信息共享的方法、装置和系统 |
| CN104537705A (zh) * | 2015-01-23 | 2015-04-22 | 济宁医学院 | 基于增强现实的移动平台三维生物分子展示系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于iPhone的增强现实技术的研究与应用;张静;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110415(第4期);第I138-916页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105046213A (zh) | 2015-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105046213B (zh) | 一种增强现实的方法 | |
| CN109508681B (zh) | 生成人体关键点检测模型的方法和装置 | |
| CN110246163B (zh) | 图像处理方法及其装置、设备、计算机存储介质 | |
| US9710946B2 (en) | Method and apparatus for displaying point of interest | |
| JP2019514123A (ja) | 地理的領域におけるコンテナ内に格納された量の遠隔決定 | |
| CN110866871A (zh) | 文本图像矫正方法、装置、计算机设备及存储介质 | |
| CN109242961A (zh) | 一种脸部建模方法、装置、电子设备和计算机可读介质 | |
| CN103875004A (zh) | 动态选择真实世界中的表面以用于在上面投影信息 | |
| CN110009561A (zh) | 一种监控视频目标映射到三维地理场景模型的方法及系统 | |
| CN107633526A (zh) | 一种图像跟踪点获取方法及设备、存储介质 | |
| CN110032964B (zh) | 图像处理方法、识别视角的方法、装置、设备和存储介质 | |
| CN110781823B (zh) | 录屏检测方法、装置、可读介质及电子设备 | |
| CN109741462A (zh) | 基于ar的展品导赏装置、方法及存储介质 | |
| CN111104813A (zh) | 二维码图像关键点检测方法、装置、电子设备及存储介质 | |
| CN111950355A (zh) | 印章识别方法、装置及电子设备 | |
| CN105531740A (zh) | 扩展物理平面的数字表示 | |
| CN103733225A (zh) | 特征点对等系统、特征点对等方法、以及记录介质 | |
| RU2009130339A (ru) | Способ и устройство обработки данных | |
| CN107590776A (zh) | 图像处理装置和图像处理方法 | |
| CN109345567A (zh) | 物体运动轨迹识别方法、装置、设备和存储介质 | |
| EP3146502B1 (en) | Accelerated image processing | |
| CN112785651A (zh) | 用于确定相对位姿参数的方法和装置 | |
| CN115393423A (zh) | 目标检测方法和装置 | |
| CN110782390A (zh) | 图像的矫正处理方法及装置、电子设备 | |
| CN112766012B (zh) | 二维码图像的识别方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160714 Address after: Nanxiang Town, Silver Cheung Road 200000 Shanghai city Jiading District No. 515 room 2109 Applicant after: SHANGHAI TAPU INSTRUMENT MANUFACTURING CO., LTD. Address before: 610000 Chengdu province high tech Zone, West core road, No. 4, No. Applicant before: WEILY INTERACTIVE TECH CO., LTD. |
|
| CB02 | Change of applicant information |
Address after: 201802 Shanghai, Jiading District, Shanghai Yi Road, building 412, room 5, 1082 Applicant after: Taap Yi Hai (Shanghai) Technology Co. Ltd. Address before: Nanxiang Town, Silver Cheung Road 200000 Shanghai city Jiading District No. 515 room 2109 Applicant before: SHANGHAI TAPU INSTRUMENT MANUFACTURING CO., LTD. |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder |
Address after: 202177 room 493-61, building 3, No. 2111, Beiyan highway, Chongming District, Shanghai Patentee after: TAPUYIHAI (SHANGHAI) INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 201802 room 412, building 5, No. 1082, Huyi Road, Jiading District, Shanghai Patentee before: TAPUYIHAI (SHANGHAI) INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |