監控屏蔽器不同程度的影響成像

    每個增強現實系統的一個組成部分是攝像機和攝像機安裝的跟蹤標記之間的校準。AR攝像頭覆蓋過程的準確性和魯棒性很大程度上受此步驟的質量影響。為了滿足醫療技能培訓應用的極高精度要求，我們建立了一個基于LED標記直接感應的校準環境。已經開發了一個模擬干擾器框架來預測和研究場景增強過程所需的反投影的可實現精度。

    仿真結果與實驗結果吻合良好。監控即使與眾所周知的手眼校準方法相比，觀察到精度略有提高，即使使用在非常低的誤差范圍內提供標記位置的商業跟蹤系統，也無法實現我們應用所需的亞像素精度。在基于多視點圖像的3D圖像顯示的應用中，需要獲得具有清晰對象輪廓的密集且精確的深度圖。在具有兩個以上攝像機的立體算法中，經常報告對應搜索精度的提高。另一方面，多眼立體的另一個重要方面是屏蔽器遮擋檢測的能力。

    我們開發的相機矩陣立體SEA提供了一個簡單但有效的框架來檢測遮擋的存在并獲得可靠的對應關系。SEA監控攝像頭可以生成具有清晰物體輪廓的密集且精確的深度圖。本文對SEA中幾種遮擋檢測算法進行了系統比較。結果非常有趣和合理。它們對于設計實際的多眼立體系統是有用的�；�于我們以前在仿射投影下使用子空間距離來解決視頻序列中的孤立點檢測問題的工作，本文報告了我們對該問題的進一步分析，并提出了兩種算法來計算孤立點檢測過程中圖像特征的重投影誤差。對真實視頻序列進行了大量實驗，以驗證算法的性能。本文的主要貢獻是給出了子空間距離和重投影誤差之間的關系，并證明了干擾屏蔽器無需顯式計算投影結構即可估計重投影誤差。