基于元胞自動機的增強現(xiàn)實標記識別算法

增強現(xiàn)實系統(tǒng) 中標記識別一直是增強現(xiàn)實系統(tǒng)的瓶頸，占用了系統(tǒng)處理的大部分時間，即使采用規(guī)則幾何形式的標記，對于實時要求很高的增強現(xiàn)實系統(tǒng)而言，其識別算法的效果和實時性也是不理想的，因此提出了一種利用應(yīng)用元胞自動機模型，利用給定的演化規(guī)則，改進在增強現(xiàn)實系統(tǒng)中標記識別的算法，并在ARTOOLKIT系統(tǒng)中做了具體實現(xiàn)。實驗結(jié)果表明，改進的算法的實時性和識別效果均有了很大的提高。

　　0 引? 言

　　增強現(xiàn)實技術(shù)(augmentedreality，AR)，是隨著虛擬現(xiàn)實技術(shù)(virtual reality，VR)迅速發(fā)展和實際應(yīng)用需要而出現(xiàn)的一種將真實世界信息和虛擬世界信息“無縫”集成的新技術(shù)。增強現(xiàn)實系統(tǒng)是使用了增強現(xiàn)實技術(shù)的應(yīng)用系統(tǒng)。其重要特點的有：用戶擁有沉浸感，虛擬環(huán)境與實際環(huán)境融為一體，幾乎感覺不到真假融合所產(chǎn)生的不和諧；系統(tǒng)具有交互性，用戶可以通過交互設(shè)備直接與虛擬物體或虛擬環(huán)境進行交互：是在三維空間中增添定位虛擬物體，它的研究涉及系統(tǒng)結(jié)構(gòu)、人機接口、三維注冊、頭盔顯示等方面。利用標記實現(xiàn)虛擬物體的精確注冊已經(jīng)是一種較成熟的技術(shù)了，并在室內(nèi)、室外到移動應(yīng)用等環(huán)境都得到了廣范應(yīng)用。其中標記識別一直是增強現(xiàn)實系統(tǒng)的瓶頸，占用了系統(tǒng)處理的大部分時間，即使采用規(guī)則幾何形式的標記，對于實時要求很高的增強現(xiàn)實系統(tǒng)而言其識別算法的結(jié)果和 實時性也 是不理想的。

　　元胞自動機(cellular automata，CA)是一時間和空間都離散的動力系統(tǒng)。散布在規(guī)則格網(wǎng)中的每一元胞(Cel1)取有限的離散狀態(tài)，遵循 同樣的作用規(guī)則，依據(jù)確定的局部規(guī)則作同步更新。大量元胞通過簡單的相互作用而構(gòu)成動態(tài)系統(tǒng)的演化。不同于一般的動力學(xué)模型，元胞自動機不是由嚴格定義的物理方程或函數(shù)確定，而是用一系列模型構(gòu)造的規(guī)則構(gòu)成。凡是滿足這些規(guī)則的模型都可以算作是元胞自動機模型。因此，元胞自動機是一類模型的總稱，或者說是一個方法框架。其特點是時間、空間、狀態(tài)都離散，每個變量只取有限多個狀態(tài)，且其狀態(tài)改變的規(guī)則在時間和空間上都是局部的。

　　1 傳統(tǒng)識別算法

　　視覺標記的識別過程包括輸入圖像、輸出圖像標記的包圍框和特征點的坐標。這個過程的設(shè)計要求是具有較好的精度，滿足實時性要求，其中實時性要比精度更重要一些。標記的識別中，一般可以利用的信息是標記的邊緣信息、幾何信息、色度信息? 。如圖 1所示。首先將圖像轉(zhuǎn)化為二值圖像，然后利用 腐蝕 、邊框提取和 Hough變換等 技術(shù)獲得標志包圍，再經(jīng)過種子填充和幾何限制等手段取得特征點集合。

　　2 采用CA模型的算法

　　CA識別算法如圖2所示，可見算法的效率高低取決于CA模 的設(shè)計。本文采用的CA模 犁如下：

　　2．1 元胞空間

　　假設(shè)元胞空間由二維 M*N個像素構(gòu)成。并假設(shè)是時間同步的。定義一幅M~N大小的二維圖像

式中：M,N分別表示圖像的高和寬。Aid')表示(? 點的狀態(tài)值(也即灰度值)。對于k值圖像，(? 在狀態(tài)集取值。含有標記的視頻圖像如圖3所示。

　　鄰居模式采用摩爾型。每個元胞構(gòu)成如下：每個元胞由4個分量構(gòu)成：GCell(c,p，e，v)，其中C表示灰度，為簡單起見，先利用閥值進行了二值化，得到 0或 1。要注意在其過程中消除孤立點 ，不然會影 響識別效果 。P表示是 否是邊緣點，如 是邊緣點則為 1，否則為 0。e表示是否是邊 ，如是則為 1，否 則為0。v表示是否 為頂點 ，如是 則為 1，否 則為 0；i表示是否 為標記內(nèi)部特征點，如是則為 1，否則為0。采用二值表示，簡化了操作。系統(tǒng)初始矩陣如下

　　根據(jù)式(1)，c=(0，1，…， )其中開始點為隨機選擇的。實驗證明，隨機選擇的效果比固定選擇，如邊界的情況要好一些。算法采用定值型的邊界。保障演化運算不超過矩形空間。

　　2．2 演化規(guī)則

　　(1)先判斷是否是邊緣點。由邊緣定義可知，如果某一點狀態(tài)與其近鄰點中大部分點 的狀態(tài)相異 ，就是梯度變 化明顯，那這個點就可以認為是邊緣點，否則就認為是背景點，也就是非邊緣點?；诖死碚?，按如下規(guī)則來判斷邊緣點位置。

　　(2)判斷是否是邊? 的點，可 以有兩種判 斷方 法，從 圖 1可知，標記是由一個固定寬度的正方形構(gòu)成的。設(shè)標記的寬度為d，黑色標記帶的寬度為n，則可用如下的規(guī)則判斷是否是正方形邊上 的點。即必須是邊緣點并且滿足連續(xù) x或 Y方向上n個都是邊緣點?；蛘邼M足連續(xù) x或 Y方向上 d個都是同等灰度的。如 式(4)和(5)表示

(3)判斷是否是頂點，如是頂點必須滿足是邊上的點并且滿足連續(xù) x或 Y方向上n個都是 同等灰度的。如式(6)所示

　　(4)內(nèi)部特征點必須滿足是邊緣點且不是邊點，如下

　　(5)系統(tǒng)結(jié)束條件是非常重要的，不然根據(jù)現(xiàn)在對 CA的研究，是很容易陷入混沌狀態(tài)的 。所以必須設(shè)置結(jié)束條件，根據(jù)應(yīng)用，結(jié)束條件是找到所有頂點并且特征點的數(shù) 目滿足特 征識別 的要求 。如下所示：

　　3 實驗結(jié)果

　　ARTOOLKIT是一種高效的AR開發(fā)平臺。其標記識別采用傳統(tǒng)方法，作者利用這個平臺，改寫了標記識別部分的算法，取得了較好的效果。在同一背景和相同PC及相機的情況下， 比較實驗結(jié)果如表 1、表 2，以及圖4、圖5所示。可見采用 CA模型的系統(tǒng)在識別效果很好的情況下實時性有了很大提高。

　　4 結(jié)束語

　　CA方法由于采用了二值運算，并且演化步驟有限，因此算法的效率是很高的，能夠較好的滿足AR系統(tǒng)實時處理的要求，可預(yù)留更多的時間給渲染程序。當然，由于 CA在AR中的應(yīng)用才剛剛起步，CA算法應(yīng)該還可以應(yīng)用在AR系統(tǒng)的很多地面，如坐標系變換、光照處理等，這些還有待進一步的研究。