第２８卷第１期计算机工程与设计２００７年１月Ｖ０１．２８Ｎｏ．１ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎＪａｎ．２００７基于ＯｐｅｎＣＶ的摄像机标定尹文生，罗瑜林，李世其（华中科技大学机械科学与工程学院，湖北武汉４３００７４）摘要：以增强现实系统中摄像机标定技术为研究对象，分析了开放计算机视觉函数库ＯｐｅｎＣＶ中的摄像机模型，特别充分考虑了透镜的径向畸变和切向畸变影响及求解方法，给出了基于ＯｐｅｎＣＶ的摄像机标定算法。
该算法充分发挥了ＯｐｅｎＣＶ的函数库功能，提高了标定精度和计算效率，具有良好的跨平台移植性，可以满足增强现实和其它计算机视觉系统的需要。
关键词：计算机视觉；增强现实；摄像机模型；透镜畸变；摄像机标定中图法分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００．７０２４（２００７）０１—０１９７．０３ＣａｍｅｒａｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎＯｐｅｎＣＶＹＩＮＷｅｌ＂１。
ｓｈｅｎｇ，ＬＵＯＹｕ．１ｉｎ，ＬＩＳｈｉ—ｑｉ（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｆｏｒｔｈｅａｐｐｌｉｃａｔｉｏｎｓｏｆｔｅｃｈｎｏｌｏｇｙｏｆｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎｔｏａｕｇｕｓｔｒｅａｌｉｔｙ，ｔｈｅｃａｍｅｒａｍｏｄｅｌｉｎＯｐｅｎＣＶ（ｏｐｅｎｓｏｕｒｃｅｃｏｍｐｕｔｅｒｖｉｓｉｏｎｌｉｂｒａｒｙ）ｉｓｄｉｓｃｕｓｓｅｄ，ｅｓｐｅｃｉａｌｌｙｏｎｔｈｅｉｎｆｌｕｅｎｃｅｓａｎｄｓｏｌｖｉｎｇｍｅｔｈｏｄｓｏｆｌｅｎｓｒａｄｉａｌｄｉｓｔｏｒｔｉｏｎａｎｄｔａｎｇｅｎｔｉａｌｄｉｓｔｏｒｔｉｏｎ，ａｎｄａｎａｒｉｔｈｍｅｔｉｃｏｆｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎＯｐｅｎＣＶｉｓｇｉｖｅｎ．Ｔｈｉｓａｒｉｔｈｍｅｔｉｃｍａｋｅｓｕｓｅｏｆｔｈｅｆｕｎｃｔｉｏｎｓｏｆｔｈｅｌｉｂｒａｒｙｅｆｆｅｃｔｉｖｅｌｙ，ｉｍｐｒｏｖｅｓｐｒｅｃｉｓｉｏｎａｎｄｅｆｆｉｃｉｅｎｃｙｏｆｃｏｍｐｕｔａｔｉｏｎ，ａｎｄｈａｓａｇｏｏｄｐｒｏｐｅｒｔｙｆｏｒｔｈｅａｐｐｌｉｃａｔｉｏｎｔｏｍｕｌｔｉ－ｐｌａｔｆｏｒｍ．Ｉｔｃａｎｍｅｅｔｔｈｅｎｅｅｄｓｏｆａｕｇｕｓｔｒｅａｌｉｔｙａｎｄｏｔｈｅｒｃｏｍｐｕｔｅｒｖｉｓｉｏｎｓｙｓｔｅｍｓ．Ｋｅｙｗｏｒｄｓ：ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ；ａｕｇｕｓｔｒｅａｌｉｔｙ；ｃａｍｅｒａｍｏｄｅｌ；ｌｅｎｓｄｉｓｔｏｒｔｉｏｎ；ｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎ０引言摄像机标定，是指建立摄像机成像几何模型，描述空间坐标系中物体点同它在图像平面上像点之间对应关系的过程。
摄像机标定的目的就是确定几何模型参数即摄像机参数“１。
摄像机标定是计算机视觉应用中的关键技术，在增强现实系统中也必须采用摄像机标定技术实现图像的注册眨”。
摄像机标定技术在立体视觉研究中占有非常重要的地位。
一个完整的立体视觉系统通常可分为图像获取、摄像机标定、特征提取、立体匹配、深度确定及内插等６大部分“１。
精确标定摄像机内外参数不仅可以直接提高测量精度，而且可以为后继的立体图像匹配与三维重建奠定良好的基础。
一】。
目前通常采用的标定方法是基于“两步法圳””的传统摄像机标定方法，该方法比主动视觉摄像机标定方法和摄像机自标定方法标定精度高，而且标定过程简单，经过多年的研究已经发展得比较成熟，鲁棒性高。
ＯｐｅｎＣＶ（Ｉｎｔｅｌ。
ｏｐｅｎｓｏｕｒｃｅｃｏｍｐｕｔｅｒｖｉｓｉｏｎｌｉｂｒａｒｙ）是Ｉｎｔｅｌ。
开放计算机视觉函数库，它由一系列Ｃ函数和少量Ｃ＋＋类构成，实现了图像处理和计算机视觉方面的很多通用算法，具备强大的图像和矩阵运算能力。
该函数库中实现的摄像机标定方法采用的是文献［１１］中的两步标定方法，而且在２００５年７月最新发布的ｂｅｔａ５版本中，不只完全重写了摄像机标定函数，而且引入了文献［１２】中的自动寻找角点的方法，进一步提高了标定的智能化程度，用户只需导入用于标定的图片，整个标定过程无需人工的介入。
ＯｐｅｎＣＶ中的摄像机标定模块为用户提供了良好的接口，同时支持ＭＳ．Ｗｉｎｄｏｗｓ、Ｌｉｎｕｘ平台，有效地提高了开发效率，并且执行速度快，具有良好的跨平台移植性，因此可以很好地应用于工程实际当中。
ｌ标定原理１．１摄像机模型摄像机标定首先要选择合适的摄像机模型，确定内外部参数。
ＯｐｅｎＣＶ标定算法中的摄像机模型以针孔模型（ｐｉｎ—ｈｏｌｅｍｏｄｅｌ）为基础，引入透镜的径向畸变和切向畸变，该模型相比于只引入一阶径向畸变的Ｔａｓｉ模型和针孔模型更加真实地反映了透镜实际的畸变情况ｍ１。
在该模型中，将空间点Ｐ在世界坐标系中的坐标值呱，Ｋ，乙）变换为图像平面上像素坐标系中坐标值（“，ｖ）的过程可分解为下述的４步变换”１：收稿日期：２００５－１２·０６Ｅ－ｍａｒｌ：ｗｓｙｉｎ＠ｍａｉｌ．ｈｕｓｔ．ｅｄｕ．ｃｎ基金项目：国家民用航天科研专项计划基金项目（科工技［２００４］１５３０）。
作者简介：尹文生（１９６３一），男，湖南常宁人，博士，副教授，研究方向为智能ＣＡＤ、虚拟现实技术、机器人遥操作系统；罗瑜林（１９８１一），男，江西吉安人，硕士研究生，研究方向为机器人遥操作系统、机器视觉；李世其（１９６５一），男，江西吉安人，博士，教授，研究方向为ＣＡＤ／ＣＡＥ、虚拟现实技术、机器人遥操作系统。
一１９７— 万方数据Ｋ，乙）变换为摄像机坐标系中的坐标值只（疋，Ｋ，乙）如下㈧…＝㈠Ｍ㈤（２）将坐标值只（冠，Ｋ，ｚｃ）在针孔模型中进行规范化投影，得只＝［妻甜引∽（３）引入透镜的畸变，畸变后的规范化坐标值可以用雎如砌阱Ｘｄｃ，峨‰叫州黝；篙］㈤将Ｐｄ（ｘａ，ｙａ）转换为图像上像素坐标系上的坐标值Ｂ（“，访ｆ吲：时‰（４）够可＝ｆ／．劬ｓｘ／咖（５）像素之间的有效距离（ｍｍ／ｐｉｘｅｌ）；ｄｐｙ为计算机图像在垂直方向换）方法计算出摄像机的内部参数和外部参数的初值Ⅲ。
该步虑透镜畸变的影响，得到的参数值并不准确。
不过作为下一数据拟合目标函数““如式６所示。
既要将图像上Ⅳ个角点的坐标值（Ｕ，Ｋ）（ｆ＝１，…朋拾取出来，还要利用上述畸变模型计算出这Ⅳ个标志点的坐标值（‰ｖＪ）（ｆ＝１，…朋，然后利用式６进行数转化为求解非线性最小二乘的问题，通过非线性优化算法“”多次迭代，最后得到使目标函数的值最小的参数值，降低了求解难度。
迭代的初值由第①步的ＤＬＴ方法算出，ＤＬＴ方法不２基于ＯｐｅｎＣＶ的摄像机标定基于ＯｐｅｎＣＶ的摄像机标定采用平面棋盘格标定模板，一１９８一为了提高角点提取的成功率，在标定方块的外围，还要求保留一个方块宽的白色空白区域，如图１所示。
摄像机只需在不同的角度抓取几张平面标定模板的图片，就可以实现对摄像机的标定。
显然，由于采用最小二乘法，抓得图越多，标定的结果就越精确。
图１平面棋盘格标定模板虽然ＯｐｅｎＣＶ中自动寻找角点函数提取角点的成功率很高，但是若碰到光线被遮挡等情况，使得标定模板上的标定块在图像上不清晰或提取的角点数目与设定的数目不相符的状况，就会导致角点提取失败，如图２所示：因此ＯｐｅｎＣＶ并不保证能够提取所有图像上的角点。
所以在设计标定算法时必须要考虑角点不能被提取的情况：一方面，如果角点提取成功的图过少，则标定出来的结果就不一定能满足精度的要求，需要重新采图；另一方面，由于摄像机外部参数的个数与标定图像的个数相关联，所以在最后计算标定结果时，应将提取角点失败的图像舍弃，再根据剩下图像的数目，动态地分配参数在内存中的储存空间，如果没有这么一个筛选的过程，盲目得在内存中分配参数的储存空间，则在提取角点失败的图像上，不能找到与角点在世界坐标系中的坐标值相对应的像素坐标系上的坐标值，在这种情况下强行计算的话，很容易出现程序报错，得不到标定结果的情况。
因此，本文提出以下摄像机标定算法：（１）读取一组标定用图像数据；（２）用ｃｖＦｉｎｄＣｈｅｓｓｂｏａｒｄＣｏｍｅｒｓ（）筛选图像；将读入的一组图像数据分别代入ｃｖＦｉｎｄＣｈｅｓｓｂｏａｒｄＣｏｍｅｒｓ０函数，如果返回值是１，则表示在该幅图像上提取的角点数目和设定的相同，提取角点成功；若为０，则表示角点提取失败，该幅图要抛弃；（３）如果可用的标定图的数目满足设定的最少标定用图的数目，继续步骤（４）；否则，则应重新采图，返回步骤（１）；（４）根据筛选剩下图像的数目用ｃｖＣｒｅａｔｅＭａｔ０为摄像机的内外部参数、角点在世界坐标系的坐标值以及在图像坐标系中的坐标值分配内存存储空间；（５）将筛选剩下的图像代入ｃｖＦｉｎｄＣｈｅｓｓｂｏａｒｄＣｏｍｅｒｓ０，得到角点在图像像素坐标系中坐标值；再将图像和得到的图像像素坐标系中坐标值代入ＦｉｎｄＣｏｍｅｒＳｕｂＰｉｘ（）函数，进一步精（ａ）角点提取失败（ｂ）角点提取成功图２角点提取图像 万方数据确得到角点亚像素级的坐标值；（６）将角点在世界坐标系的坐标值以及在图像坐标系中的坐标值代入ｃｖＣａｌｉｂｒａｔｅＣａｍｅｒａ２０函数，最后得到摄像机的内外部参数值；（７）最后注意要用ｃｖＲｅｌｅａｓｅＭａｔ０函数释放ｃｖＣｒｅａｔｅＭａｔ（）函数分配的内存空间，防止内存泄露。
３实验结果根据上述标定原理和开发步骤，在Ｗｉｎｄｏｗｓ２０００ｐｒｏ平台下利用ＶＣ＋＋６．０开发了一个基于ＯｐｅｎＣＶｂｅｔａ５版本的摄像机标定程序，程序界面如图３所示。
程序经过严格测试，运行稳定，没有出现内存泄露的情况，寻找角点成功率高，标定一组９幅７６８ｘ５１２像素的图像，用时Ｏ．３秒，可以达到实用的要求。
图３标定程序界面为了验证该标定程序的标定结果，利用文献［１２】中的图像数据进行标定，并将计算得到的结果与文献［１２］中提供的基于相同原理的标定程序得到的标定值进行比较。
比较结果如表１所示，其中计算值表示本文程序计算的值；给定值为文献［１２】中程序的计算值。
从表中可以看到，两者的值是非常接近的。
４结束语利用ＯｐｅｎＣＶ开发的摄像机标定程序具有标定结果精确、运算效率高、跨平台移植性好等特性，可以有效地应用于基于增强现实的机器人遥操作系统和其它计算机视觉系统应用中。
参考文献：［１］邱茂林，马颂德，李毅．计算机视觉中摄像机定标综述［Ｊ］．自动化学报，２０００，２６（１）：４３—５５．［２】ＣｈｕｎｙｕＧａｏ，ＨｏｎｇＨｕａ，ＡｈｕｊａＮ．Ｅａｓｙｃａｌｉｂｒａｔｉｏｎｏｆｈｅａｄ－ｍｏｕｎｔｅｄｐｒｏｊｅｃｔｉｖｅｄｉｓｐｌａｙｆｏｒａｕｇｍｅｎｔｅｄｒｅａｌｉｔｙｓｙｓｔｅｍｓ［Ｃ］．ＰｒｏｃｅｅｄｉｎｇｓＩＥＥＥＶｉｒｔｕａｌＲｅａｌｉｔｙ，２００３．５３—６０．［３］ＧｉｂｓｏｎＳ，ＣｏｏｋＪ，ＨｏｗａｒｄＴ，ｅｔａ１．Ａｃｃｕｒａｔｅｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎｆｏｒｏｆｆ－ｌｉｎｅ，ｖｉｄｅｏ—ｂａｓｅｄａｕｇｍｅｎｔｅｄｒｅａｌｉｔｙ［Ｃ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥａｎｄＡＣＭＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍＭｉｘｅｄａｎｄＡｕｇｍｅｎｔｅｄＲｅａｌｉｔｙ，２００２．３７－４６．【４】ＤａｖｉｄＡＦｏｒｓｙｔｈ，ＪｅａｎＰｏｎｃｅ．计算机视觉——一种现代方法［Ｍ］．北京：电子工业出版社，２００４．［５】ＲａｓｈｍｉＳｕｎｄａｒｅｓｗａｒａ，ＳｃｈｒａｔｅｒＰＲ．Ｂａｙｅｓｉａｎｍｏｄｅｌｉｎｇｏｆｍｅｒａｃａｌｉｂｒａｔｉｏｎａｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎ［Ｃ］．ＰｒｏｃｅｅｄｉｎｇｓＦｉｆｔｈＩｎｔｅｒ－ｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ３－ＤＤｉｇｉｔａｌＩｍａｇｉｎｇａｎｄＭｏｄｅｌｉｎｇ，２００５．３９４．４０１．［６］ＲｏｄｒｉｇｕｅｚＴ，ＳｔｕｒｍＰ，ＷｉｌｃｚｋｏｗｉａｋＭ，ｅｔａ１．ＶＩＳＩＲＥ：Ｐｈｏｔｏｒｅａ—ｌｉｓｔｉｃ３Ｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎｆｒｏｍｖｉｄｅｏｓｅｑｕｅｎｃｅｓ［Ｃ］．ＰｒｏｃｅｅｄｉｎｇｓＩｎｔｅｍａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ（０３ＣＨ３７４２９），２００３．［７］Ｊｅａｎ—ＹｖｅｓＢｏｕｇｕｅｔ．ＣａｍｅｒａｃａｌｉｂｒａｔｉｏｎｔｏｏｌｂｏｘｆｏｒＭａｔｌａｂ【ＤＢ／ＯＬ］．２００４．ｈｔｔｐ：／／ｗｗｗ．ｖｉｓｉｏｎ．ｃａｌｔｅｃｈ．ｅｄｕ／Ｂｏｕｇｕｅｔｊ／ｃａｌｉｂ＿ｄｏｃ．［８】ＺｈａｎｇＺ．Ａｆｌｅｘｉｂｌｅｎｅｗｔｅｃｈｎｉｑｕｅｆｏｒｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎ［Ｊ】．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉ—ｇｅｎｃｅ，２０００，２２（１１）：１３３０－１３３４．［９］赵小松．摄像机标定技术的研究［Ｊ］．机械工程学报，２００２，３８（３）：１４９．１５１．【１０】毛剑飞，邹细勇，诸静．改进的平面模板两步法标定摄像机［Ｊ】中国图象图形学报，２００４，９（７）：８４６－８５２．［１１］Ｊｅａｎ．ＹｖｅｓＢｏｕｇｕｅｔ．Ｖｉｓｕａｌｍｅｔｈｏｄｓｆｏｒｔｈｒｅｅ—ｄｉｍｅｎｓｉｏｎａｌｍｏｄｅ．１ｉｎｇ【Ｄ］．Ｐａｓａｄｅｎａ，Ｃａｌｉｆｏｍｉａ：ＣａｌｉｆｏｒｎｉａＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏ－ｌｏｇｙ，１９９９．［１２］ＶｅｚｈｎｅｖｅｔｓＶｌａｄｉｍｉｒａｋａＤｅａｄＭｏｒｏｚ．ＯｐｅｎＣＶａｎｄＭａｔＬａｂｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎｔｏｏｌｂｏｘｅｓｅｎｈａｎｃｅｍｅｎｔ［ＤＢ／ＯＬ］．２００５．ｈｔｔｐ：／／ｇｒａｐｈｉｃｓ．ＣＳ．ｍｓｕ．ｓｕ／ｅｎ／ｒｅｓｅａｒｃｈ／ｃａｌｉｂｒａｔｉｏｎ／．［１３】刘明晶，叶懋冬，刘国栋，等．一种基于视觉感知的图像质量评价方法［Ｊ］．计算机工程与设计，２００５，２６（２）：４７０－４７２．［１４】李斌，史忠科．基于计算机视觉的行人检测技术的发展［Ｊ】．计算机工程与设计，２００５，２６（１０）：２５６５－２５６８．［１５］黄楠，刘光昌．基于ＬａｂＶＩＥＷ的ＰＣＢＡ计算机视觉检测系统［Ｊ］．计算机工程与设计，２００５，２６（１０）：２７８３－２７８４．表１标定结果第１组数据第２组数据第３组数据相机参数．９ｘ７６８×５１２１４ｘ３２０ｘ２４０７Ｘ３２０ｘ２４计算值给定值计算值给定值计算值给定值』１０５６．４７４ｌ０５６．５６６４１１．６１９４１１．６３４４０１．２４１４０１．２４９Ｚ１０４５．０５４ｌ０４５．１９１４０９．６３８４０９．６７６４００．８０ｌ４００．８１１３３９．４７９３３９．５３３１３３．２５７１３３．２３９１７４．２３１１７４．２０ｌ１８２．２０５１８１．９４６１１０．７４ｌ１１０．６８８１２１．５６４１２１．５７７ｋ１．Ｏ．１３１２５８—０．１３１６５ｌ０．０７１１３２０．０７ｌ６０４０．０９１３８５０．０９１５８ｌ恕０．０９０７９５０．０９２７２４０．００４９８６０．００４７６４．Ｏ．２１５４８１—０．２１８５００岛．Ｏ．００５８１５．０．００５８８９．０．０１４４３０．Ｏ．０１４５３２．０．００３１５３．０．００３１２１ｋ．０．００７８３２．０．００７８１８．Ｏ．０１９００６．Ｏ．０１９０３２０．００９９１１０．００９８５９—１９９— 万方数据基于OpenCV的摄像机标定作者：尹文生， 罗瑜林， 李世其， YIN Wen-sheng， LUO Yu-lin， LI Shi-qi作者单位：华中科技大学,机械科学与工程学院,湖北,武汉,430074刊名：计算机工程与设计英文刊名：COMPUTER ENGINEERING AND DESIGN年，卷(期)：2007，28(1)被引用次数：6次1.邱茂林.马颂德.李毅计算机视觉中摄像机定标综述[期刊论文]-自动化学报 2000(01)2.Chunyu Gao.Hong Hua.Ahuja N Easy calibration of a headmounted projective display for augmented reality systems 20033.Gibson S.Cook J.Howard T Accurate camera calibration for off-line,video-based augmented reality 20024.David A Forsyth.Jean Ponce计算机视觉--一种现代方法 20045.Rashmi Sundareswara.Schrater P R Bayesian modeling of camera calibration and reconstruction 20056.Rodriguez T.Sturm P.Wilczkowiak M VISIRE:Photorealistic 3D reconstruction from video sequences 20037.Jean-Yves Bouguet Camera calibration toolbox for Matlab 20048.Zhang Z A flexible new technique for camera calibration 2000(11)9.赵小松摄像机标定技术的研究[期刊论文]-机械工程学报 2002(03)10.毛剑飞.邹细勇.诸静改进的平面模板两步法标定摄像机[期刊论文]-中国图象图形学报 2004(07)11.Jean-Yves Bouguet Visual methods for three-dimensional modeling 199912.Vezhnevets Vladimir aka Dead Moroz OpenCV and MatLab camera calibration toolboxes enhancement 200513.刘明晶.叶懋冬.刘国栋一种基于视觉感知的图像质量评价方法[期刊论文]-计算机工程与设计 2005(02)14.李斌.史忠科基于计算机视觉的行人检测技术的发展[期刊论文]-计算机工程与设计 2005(10)15.黄楠.刘光昌基于LabVIEW的PCBA计算机视觉检测系统[期刊论文]-计算机工程与设计 2005(10)1.学位论文陆宽计算机视觉与增强现实技术的研究2001该论文通过对计算机视觉和增强现实技术的研究,在PC机平台上建立一套增强现实系统.首先通过计算机视觉方法获取配准参数.该系统的配准参数主要是手部位置、资态和运动参数.为此首先对指定处理区域内的真实场景图像应用基于颜色特征的分割方法,分割出手部图像,然后通过基于搜索算法的手部位置和姿态参数提取算法获取位置和姿态参数,最后通过视觉运动估计算法获取手部运动参数.处理区域由视觉跟踪方法给出.然后根据配准参数和真实场景中的物理规律,基于质点-挡板模型对虚拟景物的运动进行分析,计算出每一帧图像中虚拟景物的位置.最后将虚拟景物叠加到真实场景中,得到增强现实场景.2.期刊论文丁海洋.DING Hai-yang基于计算机视觉的增强现实演示系统-北京印刷学院学报2009,17(4)实现一种基于计算机视觉的增强现实演示系统.通过摄像设备实时采集真实场景图像,检测运动目标,通过对运动目标的运动跟踪获取运动目标位置,生成虚拟物体,根据运动目标的运动状态采用碰撞模型控制虚拟物体的运动,将虚拟物体和真实场景图像合成,并显示在通用显示器上,实现用运动目标控制虚拟物体运动的增强现实演示效果.实验证明,该系统能实现增强现实的演示效果.3.学位论文陈静增强现实中基于两视图的三维医学图像重建2007增强现实(Augmented Reality，AR)是在虚拟现实技术基础上发展起来的一种新的跨学科的技术，它将计算机产生的虚拟图像融合到使用者所看到的真实世界景象中，使用者可以从虚拟模型中获得额外的信息，从而对真实环境进行增强。