1. 研究目的与意义及国内外研究现状

增强现实技术作为虚拟现实的拓展技术,在最近十几年里己经得到飞速发展,并在各个领域显现出强大的应用价值。随着移动智能终端的普及,移动增强现实也逐渐成为虚拟现实技术领域的一个研究分支,它在工业、产品展示、医疗研究、教育等领域具有广泛的应用前景及发展潜力。本文研究基于自然特征的移动增强现实跟踪注册技术，因为现在依靠着近几年移动终端性能的突飞猛进,使得脱离显著标记的AR系统变为现实,可以看出这个新兴技术孕育着巨大的市场,因此十分有必要对其进行深入学习,为未来AR领域的发展打下基础。当前基于android系统的移动设备大都具有很强的软硬件配置，而且android系统也是时下应用较多的移动操作系统，所以其是一个很合适开发移动增强现实应用的平台，而且研究基于android的增强现实应用可以给人们的日常生活带来很多便利之处。所以本文研究基于自然特征的移动增强现实应用具有现实意义与实用价值。

国内外研究现状

(1) 国外研究现状移动增强现实就是将增强现实技术有效地应用于移动设备终端。早期，科研人员通过向场景中添加人为标识物来获取完成虚实配准所需的摄像。这类方法在一定程度上解决了跟踪注册的问题，但也存在一些缺陷。为了解决上述的问题，学者们开始转变思路，探求借助于场景中的自然特征，如平面、特征点、线段来完成注册。目前，基于自然特征的跟踪注册技术逐渐成为主流。离线阶段，系统获取待注册场景的两幅以上图像作为参考，并对特征进行提取与匹配，随后，利用计算机视觉中的多视图几何为手段对注册场景做重建。基于对工作场景的理解，系统在实时阶段利用特征匹配和追踪技术建立当前帧与参考图像之间的特征对应关系，并以此计算出摄像机位姿来完成虚拟信息与真实环境的配准。基于自然特征点的跟踪注册技术主要是通过相应算法的方式进行跟踪注册，目前常用的算法有SIFT(Scale-Invariant Feature Transform）算法、FAST(Features from Accelerated Segment Test）算法、SURF（Speed-Up Robust Features）算法、ORB（Oriented FAST and Rotated BRIEF）算法、BRISK(Binary robust invariant scalable keypoints )算法、Freak（Fast retina keypoint）算法、BRIEF（Binary Robust Independent Elementary Features）算法、LLDB(learning-based local difference binary）算法等。2009年，英国牛津大学的机器视觉组采用运动结构重建的方法，在手机上实现了未知环境下的实时跟踪定位算法PTAM。2010年，U-VR Lab和CVLab联合提出了在跟踪识别过程中处理模糊图像的方法。该方法对输入的图像进行变换和存储，完成训练后，可以对目标进行跟踪定位。2013年，斯坦福大学的Chen等在手机上实现了大规模的图片检索。英国的帝国理工大学研制了全球首个基于单目视觉的场景在线重建与摄像机追踪系统 MonoSLAM，并将其成功地应用于解决未知场景下的增强现实跟踪注册问题。然而，由于采用滤波技术来解决场景优化问题，这类方法只能对数百个自然特征点进行在线重建和追踪，从而很大程度上影响了系统的工作范围。剑桥大学利用从运动中恢复结构技术（Structure From Motion）研制了 PTAM 系统，用以解决场景在线重建问题，实验结果表明，该系统能够有效完成户内小范围场景的在线结构恢复与摄像机追踪问题。(2) 国内研究现状增强现实技术在国外已经发展了不少年，国内的研究尚且缓慢。但跟踪注册仍然是移动增强现实领域很重要的一个问题。因为移动设备平台不同于PC机平台，移动增强现实中的跟踪注册与传统增强现实的跟踪注册主要有以下的不同之处：第一，由于移动设备的可移动性，急需应用大范围场景的跟踪注册技术；第二，由于移动设备资源受限，如内存受限、功耗受限等，跟踪注册算法也不能够有效完成。国内的北京理工大学、浙江大学、华中科技大学以及厦门大学等均在该领域进行了探索和研究工作。北京理工大学的王涌天教授等人提出了一种基于平面标识点来进行跟踪注册的方法。该方法所需的计算量小,只需四个标志点即可完成跟踪注册。但该方法使用前必须精确安置彩色标志点的位置。华中科技大学利用场景分割以及在线重建技术研制了面向户外场景的虚实注册系统，该系统能够有效地解决户外分散场景下的虚实注册问题，因而一定程度上提高了户外增强现实系统的可用性。厦门大学的肖斌提出一种基于ORB和KLT的移动增强现实的三维注册算法，该算法分为两个阶段：离线阶段和在线阶段。这两个阶段都使用ORB算法进行特征提取和匹配，提高了算法的效率。同时对KLT算法进行改进，实现对特征位置的预测跟踪，保证了系统的实时性和匹配性能。 由于在真实场景中会受到现实环境条件的干扰，相比于人工标识的增强现实,基于自然特征点的增强现实应用更具有实用性,应用范围更加广泛。因此近几年逐渐成为研究热点。

2. 研究的基本内容

（1）分析现阶段国内外移动增强现实的研究动态。

（2）研究基于自然特征在android移动端上的应用方法，利用opencv计算机视觉库和相应特征跟踪识别算法对目标特征点进行识别跟踪。

（3）使用eclipse、android sdk、android ndk、android-opencv、opengl es等开发工具在android系统上实现一个基于自然特征点的移动增强现实应用。

3. 实施方案、进度安排及预期效果

实行方案拟定：使用eclipse作为开发环境，利用OpenCV计算机视觉库和相应特征跟踪识别算法对目标特征点进行识别跟踪实现一个基于自然特征点的移动增强现实应用。进度：2016年3月30日前：确定毕业论文题目，在广泛查阅资料的基础上，完善课题研究方案，完成开题报告等工作。2016年4月上旬：总结目前增强现实技术所使用的方法，学习Eclipse、OpenCV和OpenGL ES的使用方法。2016年4月中旬至5月中旬：用Eclipse与OpenCV实现具体设计流程和功能。2016年5月下旬至6月：总体测试，撰写论文，准备答辩 预期达到的成果：使用Eclipse作为开发环境，利用OpenCV计算机视觉库和相应特征跟踪识别算法对目标特征点进行识别跟踪，在android平台上实现一个基于自然特征点的移动增强现实应用。

4. 参考文献

[1] 邓天坚.特种LBS精确定位在智能手机的增强现实实现 【D】．硕士学位论文．广州：华南理工大学，2013.[2] Wagner D.,Reitmayr G.,Mulloni A.,et al.Real-Time Detection and Tracking for Augmented Reality on Mobile Phones[J],IEEE Transactions on Visualization and Computer Graphics,2010,16(3):355–368.[3] 桂振文,陈靖,刘越,王涌天.一种智能手机上的场景实时识别算法[J].自动化学报,2014,40(1):83-91.[4]Young-Tae Kim,Jae-Young Lee,Seok-Han Lee, Jong-Soo Choi. Construction and Inspection Management System using Mobile Augmented Reality,2013[C].Korea-Japan Joint Workshop on Frontiers of Computer Vision(FCV):IEEE,2013:93-96. [5]王涌天,陈靖,程德文.增强现实技术导论[M].北京:科学出版社,2015.6：169-199.[6] Ufkes A, Fiala M. A Markerless Augmented Reality System for Mobile Devices, 2013[C].International Conference on Computer and Robot Vision (CRV):IEEE,2013:226-233.[7] 肖斌 ,江戈,林凡. 基于ORB和KLT的移动增强现实三维注册算法[J].计算机与现代化，2014,(2):57-60.[8]Tony Mullen.增强现实必知必会的工具与方法[M]徐学磊，译.北京：机械工业出版社,2013.9：176-190.[9]李丹,程耕国.基于android平台的移动增强现实的应用与研究[J].计算机应用与软件,2015.1,32（1)：17-19.[10]汪垦荷.基于Android终端的移动增强现实技术的研究[D].北京：北京邮电大学,2013.1：8-14.[11] Badeche Mohamed,Benmohammed Mohame.Proposition of a 3D pattern for e-learning augmented reality applications based on ARToolkit library,2012[C]. 2012 International Conference on Education and e-Learning Innovations:IEEE,2012: 1-4.[12]Joseph Howse.Android Opencv应用程序设计[M].赵雷，译.北京：清华大学出版社，2015：1-102.