面向移动增强现实的室外阴影实时检测技术

针对目前移动视点下视频阴影检测算法存在的误检测率高和边缘连续性差的问题,提出了一种基于边跟踪、边检测框架的实时阴影检测算法。首先对前后2帧重叠的阴影部分进行2次光流跟踪,并筛选掉前后向跟踪误差较大的点,通过Canny边缘置信保证跟踪边缘的准确性;然后通过基于光流的区域划分法得到待检测的新增区域;其次,针对纹理边缘误检测、软阴影检测和暗黑区域误检测等问题构建了七维特征向量,且通过提取阴影边缘特征向量训练支持向量机(SVM)分类器,以检测新增区域中的阴影;最后对于检测结果中存在的断边,提出一种基于RGB颜色空间梯度方向一致性算法对断边进行优化连接。实验结果表明与最新的研究成果相比该算法综合性能最高,在检测准确性和边缘连续性方面优于现有方法。

面向增强现实的在线视频阴影跟踪检测算法

在增强现实领域,光影一致性的保持十分重要,之前的研究者们主要集中在光照估计然后模拟生成阴影。大多需要知道物体的投射物体的具体形状,很少考虑真实场景阴影和虚拟物体之间的光影相互影响。提出一种原创的面向增强现实的阴影检测算法。首先利用Meanshift算法进行图像预分割,检测阴影边缘。然后有效结合2D和3D信息,基于局部一致性进行误检测去除,最后得到理想的阴影边缘,从而可以逆向生成阴影区域,更好地模拟阴影交互。实验结果证明算法的有效性。