Tôi đang phát triển SDK thực tế tăng cường trên OpenCV. Tôi gặp một số vấn đề khi tìm các hướng dẫn về chủ đề này, các bước cần làm theo, các thuật toán khả thi, mã hóa nhanh và hiệu quả cho hiệu suất thời gian thực, v.v.
Cho đến nay tôi đã thu thập các thông tin tiếp theo và các liên kết hữu ích.
Cài đặt OpenCV
Tải xuống phiên bản phát hành mới nhất .
Bạn có thể tìm thấy hướng dẫn cài đặt tại đây (nền tảng: linux, mac, windows, java, android, iOS).
Tài liệu trực tuyến .
Thực tế tăng cường
Đối với những người ăn xin, đây là một mã thực tế tăng cường đơn giản trong OpenCV. Đó là một khởi đầu tốt.
Đối với bất kỳ ai đang tìm kiếm một SDK hiện đại được thiết kế tốt, tôi đã tìm thấy một số bước chung mà mọi thực tế tăng cường dựa trên theo dõi điểm đánh dấu phải có, xem xét các chức năng của OpenCV.
Chương trình chính: tạo tất cả các lớp, khởi tạo, bắt các khung hình từ video.
Lớp AR_Engine: Kiểm soát các phần của ứng dụng thực tế tăng cường. Nên có 2 trạng thái chính:
- phát hiện : cố gắng phát hiện điểm đánh dấu trong hiện trường
- theo dõi : khi nó được phát hiện, sử dụng các kỹ thuật tính toán thấp hơn để theo dõi điểm đánh dấu trong các khung sắp tới.
Ngoài ra, cần có một số thuật toán để tìm vị trí và hướng của máy ảnh trong mọi khung hình. Điều này đạt được bằng cách phát hiện sự chuyển đổi đồng nhất giữa điểm đánh dấu được phát hiện trong cảnh và hình ảnh 2D của điểm đánh dấu mà chúng tôi đã xử lý ngoại tuyến. Giải thích về phương pháp này ở đây (trang 18). Các bước chính để Ước tính Tư thế là:
Tải thông số nội tại của máy ảnh . Trước đó đã được trích xuất ngoại tuyến thông qua hiệu chuẩn.
Tải mẫu (điểm đánh dấu) để theo dõi: Đó là hình ảnh của điểm đánh dấu phẳng mà chúng ta sẽ theo dõi. Cần phải trích xuất các tính năng và tạo các bộ mô tả (các điểm chính ) cho mẫu này để sau này chúng ta có thể so sánh với các tính năng từ hiện trường. Các thuật toán cho nhiệm vụ này:
Đối với mỗi bản cập nhật khung hình, hãy chạy thuật toán phát hiện để trích xuất các tính năng từ cảnh và tạo bộ mô tả. Một lần nữa chúng tôi có một số tùy chọn.
Tìm sự phù hợp giữa mô tả và mô tả cảnh.
Tìm ma trận Homography từ các trận đấu đó. RANSAC có thể được sử dụng trước đây để tìm các điểm bất thường / ngoại lai trong tập hợp các đối sánh.
Trích xuất Tư thế máy ảnh từ ảnh đồng nhất.
- Mã mẫu trên Pose from Homography .
- Mã mẫu về Homography from Pose .