监控屏蔽器不同程度的影响成像

    每个增强现实系统的一个组成部分是摄像机和摄像机安装的跟踪标记之间的校准。AR摄像头覆盖过程的准确性和鲁棒性很大程度上受此步骤的质量影响。为了满足医疗技能培训应用的极高精度要求，我们建立了一个基于LED标记直接感应的校准环境。已经开发了一个模拟干扰器框架来预测和研究场景增强过程所需的反投影的可实现精度。

    仿真结果与实验结果吻合良好。监控即使与众所周知的手眼校准方法相比，观察到精度略有提高，即使使用在非常低的误差范围内提供标记位置的商业跟踪系统，也无法实现我们应用所需的亚像素精度。在基于多视点图像的3D图像显示的应用中，需要获得具有清晰对象轮廓的密集且精确的深度图。在具有两个以上摄像机的立体算法中，经常报告对应搜索精度的提高。另一方面，多眼立体的另一个重要方面是屏蔽器遮挡检测的能力。

    我们开发的相机矩阵立体SEA提供了一个简单但有效的框架来检测遮挡的存在并获得可靠的对应关系。SEA监控摄像头可以生成具有清晰物体轮廓的密集且精确的深度图。本文对SEA中几种遮挡检测算法进行了系统比较。结果非常有趣和合理。它们对于设计实际的多眼立体系统是有用的。基于我们以前在仿射投影下使用子空间距离来解决视频序列中的孤立点检测问题的工作，本文报告了我们对该问题的进一步分析，并提出了两种算法来计算孤立点检测过程中图像特征的重投影误差。对真实视频序列进行了大量实验，以验证算法的性能。本文的主要贡献是给出了子空间距离和重投影误差之间的关系，并证明了干扰屏蔽器无需显式计算投影结构即可估计重投影误差。