[发明专利]基于图像特征点提取与随机树分类的增强现实方法及系统

权利要求书

1.一种基于图像特征点提取与随机树分类的增强现实方法，其特征在于包括以下步骤：

步骤10)、初始化系统环境、配置系统参数；

步骤20)、选择或提取一幅标志物正视图，对标志物进行训练，获得训练数据；

步骤30)、计算标志物图像的相机内部参数；

步骤40)、对摄像头拍摄到的真实环境中的每一帧，利用步骤30)中的相机内部参数进行校正，再基于步骤20)中的训练数据识别标志物，若含有标志物，则计算该标志物在摄像头坐标系中的相对位置矩阵；

步骤50)、通过识别出的标志物寻找对应虚拟模型，利用步骤40)中计算出的该标志物在摄像头坐标系中的相对位置矩阵确定虚拟模型的位置；

步骤60)、在真实拍摄的视频帧上在步骤50)确定的虚拟模型位置处绘制虚拟模型。

2.根据权利要求1所述的基于图像特征点提取与随机树分类的增强现实方法，其特征在于，所述步骤20)具体包括以下步骤：

步骤21)、将彩色图转化为灰度图，该灰度图为标志物原始正视图；

步骤22)、在步骤21)所述标志物原始正视图上初步提取M个特征点，具体提取特征点的方法如下：

对于该原始正视图上的每个像素m，若以m为中点、围绕着m的八个像素中的任意两个满足以下两个条件，则排除这个像素m：

a、这两个像素处于以m为中点的这圈像素的某条直径两端，

b、这两个像素的灰度值均与m接近；

步骤23)、将步骤22)中M个初步提取的特征点，按坐标位置顺序编号，构成一个特征点集合K＝{k₁，k₂……k_M}，集合中每个元素表示相应编号的一个特征点；对该标志物原始正视图进行多个不同角度的透视变换，并给变换后的正视图加上白噪声，之后再利用步骤22)中的方法提取变换后的视图的特征点，再利用反变换将提取出的特征点还原为相应的正视图特征点；统计多个经过不同角度变换的视图经上述“变换-提取-还原”后的特征点仍能找到原始正视图相对应特征点的概率，概率最高的N个点被最终确认为“稳定”的特征点；通过该方法对步骤22)中提取出的特征点进行进一步筛选，得到最为稳定的特征点；集合K的元素数由M减为N，即K＝{K₁，K₂……K_N}；

步骤24)、利用步骤23)得到的N个“稳定特征点”构建N个“特定视点集合”，每个“特定视点集合”对应一个稳定特征点；

步骤25)、构建随机树用以特征点分类和识别。 

3.根据权利要求2所述的基于图像特征点提取与随机树分类的增强现实方法，其特征在于，所述步骤24)中“特定视点集合”的构成方法为：

将原始正视图分别绕x轴、y轴按(-π，+π)的范围旋转进行透视变换，将绕x轴的转向均分为Lx个角度，将绕y轴的转向均分为Ly个角度，得L＝Lx×Ly幅变换视图，将所有变换视图中编号相同的特征点取出，得到N个集合V_n＝{v_n1，v_n2……v_nL}，1≤n≤N，每个V_n就是对应一个特征点的“特定视点集合”，该集合中的每个元素包含了在不同视角变换下同一特征点的不同位置。