[发明专利]一种增强现实技术中叠加数据的定位方法及系统

说明书

本发明公开了一种增强现实技术中叠加数据的定位方法及系统，属于增强现实和机器人学习技术领域。该定位方法及系统运算量较小，能够很好的在移动端顺畅运行。所述定位方法，包括：通过二维图像识别跟踪算法识别拍摄的视频帧中的初始条件，根据初始条件获取叠加数据的初始位置信息；通过二维图像识别跟踪算法对移动端拍摄的新的视频帧进行识别，结合所述叠加数据的初始位置信息，更新所述叠加数据的位置信息；循环本步骤，每次循环，将上一次循环获得的叠加数据的位置信息作为叠加数据的初始位置信息。

技术领域

本发明涉及增强现实(Augmented Reality，文中简称AR)和机器人学习技术领域，尤其涉及，一种增强现实技术中叠加数据的定位方法及系统。

背景技术

随着AR概念的持续发热、AR技术的日趋成熟，AR应用，尤其是在移动端的应用,成为一个信息传播、品牌营销的重要方式。越来越多的场合都有AR互动的需求。

目前，AR应用主要是在手持设备、移动端。利用终端的单目摄像头对视频帧进行识别跟踪。这种基于单目摄像头的二维图像识别跟踪算法已经很成熟，在手持设备上能够很好的运行，但是应用场景受到技术的限制较大。对三维环境的动态、实时的理解是当前AR技术研究方面最活跃的问题。三维准配是连接虚拟和现实最核心的技术。运用三维准配技术对影像数据进行几何上的精确理解，解决要叠加数据的定位问题，其核心的算法就是“即时定位与地图构建”(文中简称：SLAM)。SLAM从三维重建的方法和结果上大致可以分为稀疏、半稠密和稠密三类。稠密SLAM的计算量非常大，普通的手持设备根本无法运行。稀疏SLAM由于计算量相对较小，被认为是最有可能在普通手持设备上运行的算法。例如，基于ORB特征的三维定位与地图构建算法(文中简称：ORB-SLAM)技术属于一种稀疏SLAM。ORB-SLAM是在PTAM(对应英文：Parallel Tracking and Mapping，中文译文：并行追踪与地图构建)架构的基础上增加了地图初始化和闭环检测的功能，优化了关键帧选取和地图构建的方法，在处理速度、追踪效果和地图精度上都取得了不错的效果。如图1所示，ORB-SLAM利用三个线程分别进行追踪、地图构建和闭环检测。追踪步骤主要是由影像ORB特征点提取、初始姿态估计、姿态优化和选取关键帧几个环节组成。地图构建步骤主要是由插入关键帧、验证加入的地图点、生成新的地图点、局部BA、验证关键帧几个环节组成。闭环检测步骤主要是由选取候选帧、相似变换Sim3优化、回环融合和相似优化几个环节组成。ORB-SLAM算法依旧有很大的运算量，使得在移动端的应用非常受限制。

发明内容

针对以上问题，本发明提供一种增强现实技术中叠加数据的定位方法及系统，运算量较小，能够很好的在移动端顺畅运行。

为解决上述技术问题，本发明实施例提供以下技术方案：

第一方面，本发明实施例提供一种增强现实技术中叠加数据的定位方法，包括：

通过二维图像识别跟踪算法识别拍摄的视频帧中的初始条件，根据初始条件获取叠加数据的初始位置信息；

通过二维图像识别跟踪算法对移动端拍摄的新的视频帧进行识别，结合所述叠加数据的初始位置信息，更新所述叠加数据的位置信息；循环本步骤；每次循环，将上一次循环获得的叠加数据的位置信息作为叠加数据的初始位置信息。

结合第一方面，作为第一种可实现的方案，所述通过二维图像识别跟踪算法识别拍摄的视频帧中初始条件，根据初始条件获取叠加数据的初始位置信息，具体包括：

利用移动端摄像头拍摄初始条件，产生视频帧；所述初始条件为进行图像识别的目标图像；

利用二维图像识别跟踪算法识别所述视频帧，如果识别出所述初始条件，则得到叠加数据的初始位置信息。

结合第一方面的第一种可实现的方案，作为第二种可实现的方案，所述识别出所述初始条件，则得到叠加数据的初始位置信息，具体包括：