开发加强现实（AR）教程——识别图的那些坑

开发加强现实（AR）教程——识别图的那些坑

第一期：Vuforia识别图的那些坑

 

1、Vuforia的图片识别机制

大学时学习的是计算机科学的数字媒体方向，图像处理粗略接触过，对于Vuforia的图片识别机制，只能大概讲一下步骤和猜测，没法给出细节的东西。

一、 服务器对上传图片进行灰度处理，图片变为黑白图像；

二、 提取黑白图像特征点；

三、 将特征点数据打包；

四、 程序运行时对比特征点数据包。

 

2、对Vuforia来讲什么是稳定的识别图？

根据上面的识别机制，不难推测出稳定识别图的特质。

一、 图片应避免大面积色值相近的相邻色块，不然一经灰度处理，整张图都糊了，撞色的图片设计可以使灰度处理后的识别图仍保有清晰的分界线。能够看看下面图片（左为原图）的对比，看似复杂的图片，色值一相近就跪了，识别特征0颗星。

  

 

二、 仔细观察下图（左为原图）特征点，他们大都集中相邻色块的分界线，因此撞色很重要，但若是不是这种纯色块的图案，那么线条较粗，拐点也比较多的图片效果也会很好（好比粗体汉字就能够极大提高识别点数量）。

 

   

3、经验之谈

识别图除了影响识别效率，还影响着Imagetarget下物体的显示效果，好比图片识别特征点3颗星或以上，但显示的物体仍是会不停的小幅度抖动。出现这种状况的缘由多是：

一、 特征点分布不均匀，可能左下角大量特征点挤在一块儿，右上角的特征点确零散的分布。

二、 显示的物体离识别图的中心太远，若是物体能正好在识别图特征点分布较多教均匀的位置，且贴近识别图，那么能够很好的解决抖动。