第一个是String，提供一个介于marker和NFT两种AR之间的定位方式。具体来说就是边框采用marker的方式，但是中间的“身份”信息采用自然图像。如下图。
String令人印象最深刻的是稳定性。marker的三维姿态估计异常稳定，没有类似ARToolKit那样的姿态摆动，漂移。有IOS设备的朋友可以试验下。
第二个是PopCode，这个就是大名鼎鼎的“2.3微秒的特征点匹配”的商业版，确实快。相对String，最大的优势就是无需拍摄被追踪物体的全貌。缺点是姿态估计不够稳定，常常出现摆动。
PopCodes的开发者就是“2.3微秒的特征点匹配”论文的作者Simon Taylor，详情在此。
一直觉得AR跟数字艺术结合起来很是夺人耳目。可以起名为AR2T，是ARART的简写。 现在的AR演示往往流于粗糙，简陋不堪。如果把AR从业人员和数字艺术家丢到一个工作室，肯定能出不少好玩的应用。 贴两个视频。
今天偶然看到了一片文章，介绍AR的，貌似是某本科的科技作者被否决了写的，意图是好的，大家奇文共欣赏吧。
http://elya.cc/internet/903.html
为了不让一些新接触这一概念的人发生一些误解，并且之后再找科技人员问：别人说这个能做出来你们怎么做不出来？所以就在原文的基础上做了一些修改，提出一些问题，以下红色部分是这样的有科普性质的商业文章有问题或者与这个技术无关的地方，括号里面是修改，后面有一些评注。 阅读全文…
去年曾经很需要的一个算法，今天无意中遇到了。
图像配准早就是一个很easy的技术了，但想想近似于二值图像的文档图像如何配准？
直接上SIFT，SURF这些经典算法？No！曾经有人试验过，结果是有效的feature point非常非常之少，近似于黑白的图像和相似的结构，那些直方图特征搞不定啊。
（a）和（b）分别是SURF和文章的算法
出自同一个很NB的作者的这两篇文章提供了比较好的解决办法。具体解决办法看论文（1 2）和video（1 2）吧。很nice作者还提供了源码。
高通放出了android平台上的augmented reality develop kit。终于，做AR的门槛又降低了一些，你不必懂得cv，不必为图像识别，姿态估计而伤神，读读API就搞定，省下来精力全给想象力吧。
上个周末终于去了世博，继若干年前春运时在上海南站通宵排队买火车票之后，再次被勤劳勇敢的中国人民的排队能力震撼了。人胖，不能久站，只看了若干冷门馆，在此分享一下我在世博会上看到的计算机视觉与增强现实相关玩意儿。
中国馆的清明上河图相当的赞，一副画卷在长廊的墙壁上徐徐展开，粗粗估计一下，至少用了15个投影仪，画中灯光水影，市井里人来人往，客栈里人声鼎沸。有那么一瞬间，我感觉我像是轩辕剑三之天之痕里的正要找个杂货店买些天仙玉露的陈靖仇。。。
最新评论