La Réalité augmentée SDK avec OpenCV
Je suis en train d'élaborer une Réalité Augmentée SDK sur OpenCV. J'ai eu quelques problèmes pour trouver des tutoriaux sur le sujet, les étapes à suivre, possible algorithmes, rapide et efficace de codage pour les performances en temps réel, etc.
Pour l'instant j'ai rassemblé les prochaines informations et des liens utiles.
Installation OpenCV
Télécharger dernière version.
Vous pouvez trouver des guides d'installation ici (plates-formes: linux, mac, windows, java, android, iOS).
En ligne la documentation.
Réalité Augmentée
Pour les débutants ici est une simple réalité augmentée code dans OpenCV. C'est un bon début.
Pour toute personne à la recherche d'un bien conçu état-of-the-art SDK, j'ai trouvé quelques étapes de base que chaque de réalité augmentée basée sur le marqueur de suivi devrait, en prenant en compte OpenCV fonctions.
-
Programme principal: crée toutes les classes, de l'initialisation, capture images de la vidéo.
-
AR_Engine classe: Contrôle des pièces d'une réalité augmentée de l'application. Il devrait y avoir 2 états:
- détection: essaie de détecter le marqueur dans la scène
- suivi: une fois qu'il est détecté, utilise des techniques de calcul pour le traking du marqueur dans les prochaines images.
Aussi il devrait y avoir quelques algorithmes pour trouver la position et l'orientation de la caméra dans chaque image. C'est d'atteindre par la détection de l'homographie de transformation entre le marqueur détecté dans la scène, et une image 2D du marqueur que nous avons traitées hors ligne. L'explication de cette méthode ici (page 18). Les principales étapes pour Poser les Estimations sont les suivantes:
-
Charger les Paramètres Intrinsèques de la caméra. Extraite précédemment en mode hors connexion grâce à l'étalonnage.
-
Charger le modèle (marqueur) à suivre: C'est une image de la plane marqueur que nous allons suivre. Il est nécessaire d'extraire des caractéristiques et de générer des descripteurs (keypoints) pour ce modèle si plus tard on peut comparer avec les caractéristiques de la scène. Algorithmes pour cette tâche:
-
Pour chaque image de mise à jour, exécutez un algorithme de détection pour l'extraction de caractéristiques de la scène et de générer des descripteurs. De nouveau, nous avons plusieurs options.
-
Trouver correspond entre le modèle et la scène de descripteurs.
-
Trouver Homographie de la matrice à partir de ces matchs. RANSAC peut être utilisé avant de trouver inliers/valeurs aberrantes dans les correspondances.
-
Extrait Caméra Pose de l'homographie.
- Exemple de code sur Pose de la Homographie.
- Exemple de code sur Homographie de Pose.
Exemples complets:
- Malheureusement, ce n'est pas "constructif", vous êtes à la recherche pour obtenir des suggestions.
- Au sujet de la tâche d'installation, maintenant OpenCV a migré vers GIT, donc pour le téléchargement de la cource de code, il est nécessaire de faire un "git clone git://code.opencv.org/opencv.git".
- 47 Jusqu'-voix encore fermée en raison d'idiot règles.
Vous devez vous connecter pour publier un commentaire.
Depuis AR applications souvent fonctionner sur des appareils mobiles, vous pourriez envisager également d'autres fonctionnalités détecteur/descripteur:
En général, si vous pouvez choisir les marqueurs d'abord détecter une place cible à l'aide d'un détecteur de bord, puis de Hough ou simplement les contours - alors d'identifier le marqueur particulier de la conception interne. Plutôt que d'utiliser un point de vue général matcher.
Prendre un coup d'oeil à Aruco pour bien écrite exemple de code.