基于SSD物体追踪算法的增强现实系统设计与实现

基于SSD物体追踪算法的增强现实系统设计与实现

ID:37089289

大小:2.47 MB

页数:61页

时间:2019-05-17

基于SSD物体追踪算法的增强现实系统设计与实现_第1页
基于SSD物体追踪算法的增强现实系统设计与实现_第2页
基于SSD物体追踪算法的增强现实系统设计与实现_第3页
基于SSD物体追踪算法的增强现实系统设计与实现_第4页
基于SSD物体追踪算法的增强现实系统设计与实现_第5页
资源描述:

《基于SSD物体追踪算法的增强现实系统设计与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:TP391学校代码:10697密级:公开学号:201531437NorthwestUniversity65士专业字位论文DissertationfortheProfessionalDegreeofMaster基于SSD物体追踪算法的增强现实系统设计与实现工学科名称:电子与通信程工专业学位类别:程项士作者:张少博指导老师:彭进业教授西北大学学位评定委员会二〇一八年六月ThedesignandimplementationofaugmentrealitysystembasedonSSDobjectdet

2、ectionalgorithmAthesissubmittedtoNorthwestUniversityinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsengineeringByShaoboZhangSupervisor:JinyePengProfessorJune2018摘要增强现实(AugmentedReality,简称AR)是一种将现实世界与虚拟信息相融合的技术。增强现实技术作为智能硬件应用中关键技术在丰富交互手段、提高用户体验方面有着不可忽

3、视的作用。目标检测技术是增强现实系统实现的关键点,传统的方法无法在复杂环境中对物体进行准确的识别,对物体的姿态估计不准确。随着基于深度学习的目标检测算法的发展,经过海量数据训练获得的模型可以快速识别出场景中的自然物体,然而这类算法模型比较复杂,模型中的参数都是浮点型的实值参数,因此需要的计算复杂度高,占用内存空间大,对设备性能要求很高,难以在普通的设备中使用。本文主要完成以下研究工作:(1)将SSD(Singleshotdetector)与二值神经网络思想相结合,将SSD模型中的参数二值化,在保证精度的前提下提升了识别的速度并且减少了内存的占用量。(2)为了对被识别到的物

4、体进行准确的姿态估计,本文使用了基于标识物体的姿态估计方法,将被识别物体在图像中的二维平面坐标转换为在真实世界中的坐标。经实验验证该方法在满足实时性的条件下,满足系统对精度的要求。(3)本文将增强现实技术应用到了文化遗产保护领域开发出了增强现实博物馆游览系统,该系统可以在对场景中的自然物体进行识别,显示出文物的模型,与文物相关的信息介绍以及视频等三维信息。关键词:增强现实,深度学习,目标检测,姿态估计IABSTRACTAugmentedReality(AR)isthetechnologythatfusesrealworldwithvirtualinformation.As

5、thekeytechnologyinsmartdeviceapplication,ARhashugeinfluenceinenrichinginteractivemodeandimprovinguserexperience.ObjectdetectiontechnologyisimportantforARsystem.Traditionalwaycannotdetecttargetobjectaccuratelyincomplexenvironmentandcannotestimatethepositionoftargetobject.Withthedevelopment

6、ofobjectdetectionalgorithmbasedondeeplearning,themodeltrainedbybigdatacandetectthenaturalobjectintheenvironmentwithhighaccuracyandspeed.However,thiskindofmodeliscomplexbecausetheparametersarefloatreal-valued,whichbringshighcomputationalcomplexityandoccupieslargememorysize.It’shardtoapplyo

7、nlow-powerdevices.(1)CombineSSDwithBinaryNeuralNetwork,introduceamethodtotrainSSDwithbinaryweightsandactivations,itcanrunfasterandreducememorysizewithoutsufferinganylossinclassificationaccuracy.(2)Toestimatethetargetobjectaccurately,thispaperusesaposeestimationalgor

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。