Fpar卡设计与快速识别定位方法

Fpar卡设计与快速识别定位方法
【专利摘要】本发明公开了一种FPAR卡的设计与快速识别方法，设计方法是所述FPAR卡上设有多组同心圆/同心多边形纹路，每一组同心圆/同心多边形称作一个定位点，多组同心圆/同心多边形组成识别纹样，所述多组同心圆/同心多边形排列后总的图形呈中心对称。快速识别定位方法包括下述步骤：S1、视频输入，将采集到的视频源文件先分解成帧序列；S2、RGB/YUV预处理；S3、二值化处理，采用模糊滤镜方法对图像进行二值分离；S4、采用填色法进行图像识别处理；S5、判定可能的定位点；S6、通过成像画面反推FPAR卡的法向量，以服务于后续的虚拟现实渲染；S7、确定整个FPAR卡在三维空间的位置；S8、渲染虚拟现实。本发明具备具有缩放优势、抖动优势、模糊图像识别优势、部分遮挡识别优势、旋转优势、以及鲁棒性强、可靠性强，同时具备静态准确度高、识别速度快的优点。
【专利说明】
FPAR卡设计与快速识别定位方法
技术领域
[0001] 本发明涉及图像处理的研究领域，特别涉及一种FPAR卡设计与快速识别定位方 法。
【背景技术】
[0002] 增强现实(Augmented Reality，简称AR)技术，它是一种将真实世界信息和虚拟世 界信息"无缝"集成的新技术，是把原本在现实世界的一定时间空间范围内很难体验到的实 体信息(视觉信息，声音，味道，触觉等），通过电脑等科学技术，模拟仿真后再叠加，将虚拟 信息应用到真实世界，被人类感官所感知，从而达到超越现实的感官体验。真实的环境和虚 拟物体实时地叠加到了同一个画面或空间同时存在。
[0003] 增强现实技术包含了多媒体、三维建模、实时视频显示及控制、多传感器融合、实 时跟踪及注册、场景融合等新技术与手段。增强现实提供了在一般情况下，不同于人类可以 感知的信息。
[0004] FPAR(Fast Positioning Augmented Reality)，FPAR是集快速定位与快速识别信 息于一体的AR卡。

【发明内容】

[0005] 本发明的主要目的在于克服现有技术的缺点与不足，提供一种FPAR卡设计与快速 识别定位方法。
[0006] 为了达到上述目的，本发明采用以下技术方案：
[0007] 本发明提供了一种FPAR卡的设计方法，所述FPAR卡上设有多组同心圆/同心多边 形纹路，每一组同心圆/同心多边形称作一个定位点，多组同心圆/同心多边形组成识别纹 样，所述多组同心圆/同心多边形排列后总的图形呈中心对称。
[0008] 作为优选的技术方案，所述FPAR卡上设有5组同心圆/同心多边形纹路，每组定位 点的纹路形状相同，其中4组同心圆/同心多边形排列在矩形卡片的四角，第五组同心圆/同 心多边形定在卡片的长边的中央位置或处在能够识别FPAR卡的不对称位置上;每组组同 心圆/同心多边形相邻两圈边缘的缩放比例是
[0009] 本发明还提供了一种FPAR卡的快速识别定位方法，包括下述步骤：
[0010] S1、视频输入，将采集到的视频源文件先分解成帧序列；
[0011] S2、RGB/YUV预处理，提取到的帧可能是是RGB或YUV格式，当提取到的为RGB格式 时，快速识别方法是只取红色或者绿色通道，而将其余通道丢弃，当提取到的为YUV格式时， 则只要Y通道，丢弃U、V通道；
[0012] S3、二值化处理，对图像进行二值分离；
[0013] S4、采用模糊滤镜方法进行图像识别处理;使用正倒序两重IIR滤波器，其中正向 为Pq = P〇，其它Pn = WQ*pn+Wl*Pn-l+W2*Pn-2，相似地，逆向的形式为Qlen-l = Plen-1，其余Qn = W〇*Pn +Wl*Qn+1+W2*Qn+2，其中下标越界的部分使用钳位的方式处理，即取其最近邻合法下标，以这 样的形式使用IIR滤波器对高斯模糊进行仿真；
[0014] S5、判定可能的定位点，
[0015] S6、获取FPAR卡的三维法向量，通过成像画面反推FPAR卡的法向量，以服务于后续 的虚拟现实渲染；
[0016] S7、通过比对和偏差修正，确定各个定位点的三维位置，从而确定整个FPAR卡在三 维空间的位置；
[0017] S8、渲染虚拟现实，虚拟地将一张平面图片贴在三维FPAR卡上，算出图片贴在FPAR 卡上后，每个对应点的颜色应该显示在成像平面上的那个位置。
[0018] 作为优选的技术方案，所述步骤S3中，借助模糊滤镜来实现二值化处理，其具体 为：
[0019]将图像拷贝两个副本，记为副本1和副本2;
[0020]若视频中有较明显噪点则副本1进行极其微量的高斯模糊，其中〇〈 = 3px;
[0021] 副本2进行半径较大的高斯模糊，半径是图像对角线的1/30到1/10;
[0022] 建立一个空白点阵图像，大小与前两副本一致，记为M，将对应位置副本1比副本2 亮的地方设为1，否则设为〇，则M为结果。
[0023]作为优选的技术方案，所述步骤S4中，进行图像处理的具体方法为：
[0024] S41、由模拟高斯模糊的IIR滤波器决定W〇、wl、w2这三个浮点值，而P和p均为0-255 之间的数值，其中P为浮点，P为整数;故将部分P和P与w的乘积结果进行预存储，做成一张 表，以备查用；
[0025] S42、采用一种近似的办法列出一张较小的预计算乘法表；
[0026] 近似计算公式是押《4'轉=￥[?']4抑=1'匕]，其中￥和1'为数组存储了预先 计算的乘积结果，P'为单精度浮点数P截断16比特尾数后的结果。
[0027]作为优选的技术方案，所述步骤S4中，采用整数加法来代替浮点加法运算，在IIR 正序方向，由于计算中包含小数部分，故使用了整数计算来模拟定点小数计算，用16位短整 型进行整数计算，其中整数和小数部分各占8位，p*〇*256 = (p<<8)*〇 ? [p*0*256] = Q ' [p] ;P*? ? [p*? ] ? Q [p7 ]，这时实际上正序的IIR的计算公式是Pn= ?〇*(pn〈〈8) + ? APn-1+? 2*Pn-2，Pn为整数，计算结果是原公式的约256倍，计算时，可利用Q表简化乘法运 算，上式变成Pn= Q ' [Pn]+Q [Pn-1]+Q [Pn-2];
[0028]正序数值的放大问题可以先不处理，待倒序计算完成后直接使用右移8位即可修 复，倒序与正序使用的表一致，只是计算公式略有差异，为Qn= l*Qn+l+?2*Qn+2,此 处的乘法同样可以通过查Q表解决，表达式为Qn= Q [Pn]+Q [Qn-1]+Q [Qn-2]，则Rn = Qn>>8 为所求。
[0029] 作为优选的技术方案，步骤S5具体为：
[0030] S5.1、检查M的每一个像素，如果当前像素是0或1，则用数值2,进行4连通或8连通 填充，并统计本次填充的最大宽度和高度，还有填充的面积；
[0031] S 5.2、对填充区域进行限制；即若从(x，y)点开始填充，设定最大填充区域u，则左 边界为x-u，右边界为x+u，上边界为y-u，下边界为y+u;这样可以限制总的填充面积不超过 4u 2，从而减轻内存负担；
[0032] S5.3、选定可能的定位点位置，可限定当长宽比例在1:4到4:1之间均为合法，另外 由于定位点的设计是分形图，所以无论是哪一层纹样，其填充率都是一致的，且填充率在 0.436附近；只有符合上述要求的点才计入表格L;
[0033] S5.4、排除误检点，对表格中的项进行比对分析，如果某些框是独立的，或者不和 其它任何框同心，则可以认为是误检;将表格L中各组同心的选框进行合并，记录其平均中 心位置和分数存储至表H，其中分数需要考虑涉及到本组各个框的同心度，长宽比一致性， 框重叠数和各选框填充率，越符合要求，分数越高，反之越低；
[0034] S5.5、从定位点到FPAR卡纹样识别，采用排列组合的方法，枚举所有的定位点并代 入计算公式，以测试何种对应方式最为合理。
[0035] 作为优选的技术方案，步骤S5.4中，对于定位点识别来说，为避免误检，一般要至 少2层。
[0036]作为优选的技术方案，步骤S5具体为:各定位点的判定具体为：
[0037] (1)先判断凸多边形 [0038]判断凸多边形方法如下：
[0039] b.排除线段有交叉选项，判断乘积同号；
[0040] 将a，b，c，d，和e看做三维空间的点，其中z轴=0，则计算 K x 菸x 2 x石，萏x3的值，这些值是否与轴同号，且不妨可均设为正号；
[00411 (2)综合评判；
[0042]由于各定位点通过图像识别，操作时，不是直接评价是否符合要求，而是评价与规 则要求的贴合度是多少；
[0043] (3)优化决策；
[0044]当运算能力许可时，可以将H中的所有点任挑5个进行全排列，代入上面的规则进 行验证，若H中的候选项目太多，全排列是一个天文数字，为了减轻运算量，可以取H中分数 较高的前n个点进行全排列代入测试。
[0045]作为优选的技术方案，步骤S7具体为：使用drawTriangles的方法，不完全计算 FPAR卡上的所有点的颜色，而是做一个稀疏的矩阵网格，然后将这个网格映射到成像平面 上网格的孔的位置用三角形碎片的变换来进行模拟。
[0046]本发明与现有技术相比，具有如下优点和有益效果：
[0047] 1、本发明具备缩放优势；
[0048] FPAR卡的纹样是分形结构，去掉最外圈黑圈后，把内圈黑圈放大，将得到原图；反 色印刷不影响识别效果。这样的纹样具有缩放优势。当摄像头捕获到的图像分辨率较低或 者FPAR卡距离较远时，较大的外圈依然能被识别；当镜头分辨率很高或者FPAR卡距离较近 时，外圈的面积过大，可能超出镜头之外，不易于识别，此时可以忽略外圈，只识别面积较小 的内圈。
[0049] 2、本发明具备抖动及模糊图像识别优势；
[0050]由于有镜头和景物的抖动，摄像头拍摄到的影像，不可能总是清晰的，在很多情况 下得到的图像往往会产生运动模糊。较粗较大的外圈，能有助于从模糊的图像中识别出定 位点。
[0051 ] 3、静态精准度；
[0052]当拍摄到清晰的FPAR卡时，不单是外圈，连定位点中心的小圈也能分析清楚，这有 助于得到准确度更高的识别结果。
[0053] 4、旋转优势；
[0054]由于同心圆/同心多边形设计，所以无论如何旋转，定位点的形状都一样。这样不 受旋转及角度的影。
[0055] 5、部分遮挡识别优势；
[0056] 只要每个定位点可见的区域不少于两个同心圆/同心多边形即可。
[0057] 6、鲁棒性强、可靠性强；
[0058] 无论是光照不均匀、画面噪点严重、卡片倾斜、旋转严重、画面较亮、较暗、模糊等 都能正常识别。
[0059] 7、识别速度快。
[0060]与同类技术相比，具有更快的识别与定位优势。
【附图说明】
[00611图1是本发明FPAR卡的示意图；
[0062]图2是本发明FPAR卡的同心圆缩放比例示意图；
[0063]图3是较理想环境下的FPAR卡识别效果；
[0064] 图4是半阴阳环境下的FPAR卡识别效果图；
[0065] 图5是遮挡环境下的FPAR卡识别效果图；
[0066] 图6是传统方法在对比度低、噪点多的环境的识别效果图；
[0067]图7是本发明处理FPAR卡的效果图；
[0068]图8是模糊状态下的FPAR卡识别图；
[0069]图9是固定阈值的二值化处理图；
[0070]图10本发明的填色情况示意图；
[0071]图11是本发明填充后的所有框选结果；
[0072]图12是纹样的中心位置被重复框中的示意图；
[0073]图13是可能误检的图样不意图；
[0074]图14是构造出的定位点误检图样；
[0075]图15是麻将筒子的图案可能导致误检的示意图；
[0076]图16区域限制法各步骤示意图；
[0077]图17是区域限制法的框选结果图；
[0078] 图18是不使用区域限制的框选结果图；
[0079] 图19是成像示意图；
[0080] 图20是FPAR卡平面图；
[0081] 图21是判断线段交叉情况；
[0082]图22是多解的成像不意图；
[0083]图23是多张FPAR卡可疑定位点示意图；
[0084]图24是改进版FPAR卡纹样图；
[0085] 图25是多张FPAR卡示意图；
[0086] 图26是带开口的FPAR卡示意图；
[0087]图27是带方向的多张FPAR卡识别示意图；
[0088]图28是三维图像的FPAR卡多角度扭曲成像图；
[0089]图29是二维图像成型不意图；
[0090]图30是以假乱真的实时渲染图；
[0091]图31是渲染截图；
[0092]图32是FPAR卡的渲染扩展效果。
【具体实施方式】
[0093]下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不 限于此。
[0094] 实施例 [0095] 1.AR技术介绍
[0096] 增强现实(Augmented Reality，简称AR)技术，它是一种将真实世界信息和虚拟世 界信息"无缝"集成的新技术，是把原本在现实世界的一定时间空间范围内很难体验到的实 体信息(视觉信息，声音，味道，触觉等），通过电脑等科学技术，模拟仿真后再叠加，将虚拟 信息应用到真实世界，被人类感官所感知，从而达到超越现实的感官体验。真实的环境和虚 拟物体实时地叠加到了同一个画面或空间同时存在。
[0097]增强现实技术包含了多媒体、三维建模、实时视频显示及控制、多传感器融合、实 时跟踪及注册、场景融合等新技术与手段。增强现实提供了在一般情况下，不同于人类可以 感知的信息。
[0098] FPAR(Fast Positioning Augmented Reality)，FPAR是集快速定位与快速识别信 息于一体的AR卡。
[00"] 2.卡片图样介绍
[0100] 如图1所示，本实施例的FPAR卡的设计方法过图1所示的纹样进行视频识别，纹样 由5组同心圆/同心多边形纹路组成，每一组同心圆/同心多边形称作一个定位点，5组同心 圆/同心多边形称作识别纹样。每组定位点的纹路形状相同（实际上可以不同，但是为了设 计方便和更好的识别效果，做成了相同），其中4组同心圆/同心多边形排列在矩形卡片的四 角，第五组同心圆/同心多边形定在卡片的长边的中央位置，其圆心与相邻两个纹样的圆心 对齐。（实际上所有同心圆/同心多边形的位置不一定要这样设置，也可以设置在其他地方， 唯一的要求只是它们排列后总的图形不能近似于中心对称的纹样。设计时纹样不能近似于 中心对称，是为了后续三维识别时能正确识别旋转角度。）上面的5组同心圆/同心多边形的 纹样排布设计原因是便于后面的计算。
[0101] 2.1.纹样的打印/显示要求
[0102] 在设计上，同心圆/同心多边形的层数是无穷的，但实际上由于内圈很小，所以可 以根据打印机或显示器的打印和显示精度来决定层数，超出打印精度或显示能力范围的内 圈条纹可以省略。为了准确识别，一般要求至少要两道黑纹。各圈边缘的缩放比例是， 如图2所示。
[0103] 3、图像识别方法
[0104] 3.1、视频输入
[0105] 从摄像头或者其他视频源采集到的视频，先分解成帧序列。依据机器的运算能力 情况，可以每一帧都识别或者每隔几帧提取一帧进行识别。
[0106] 3.2、RGB/YUV 预处理
[0107]提取到的帧可能是RGB或YUV格式。
[0108]当RGB格式时，快速识别方法是只取红色或者绿色通道，而将其余通道丢弃。由于 卡片是黑白的，所以这样取得的通道依然能还原出卡片的灰度纹样。由于很多视频的压缩 格式会将蓝色通道的压缩率调高，因而蓝色通道的清晰度不高，所以不使用蓝色通道;推荐 使用红色绿色加权合成通道，这种通道精度较高，且运算量适中。高精度的标准转换是 0.299*R+0.587*G+0.114*B;快速转换可以取 RGB 均值。
[0109 ]当提取到YUV格式时，则只要Y通道，丢弃U，V通道。
[0110]通过这个步骤的处理，结果是将彩色图像变成了灰度图像。
[0111] 3.3、二值化处理
[0112] 对灰度图像快速分析的最简单方法就是将其变成黑白图像。一般的二值化处理即 设定一个阀值，亮度超过阀值即为1，低于阀值则为〇。在实际使用中，由于要在不同的光照 环境下识别纹样，所以阀值难于预先确定。由于光照不均匀，往往找不到一个合适的阀值正 确地分离纹样。所以本发明提出了一种动态、柔性的方法，对图样进行二值分离。
[0113] 本方法需要借助模糊滤镜来实现(模糊滤镜将在3.4中讨论）。
[0114] 将图像拷贝两个副本，记为副本1和副本2。
[0115] 副本1进行极其微量的高斯模糊(〇〈 = 3px)，以消除视频中的噪点。（如果要提高效 率，这步可以省略）。
[0116] 副本2进行半径较大的高斯模糊。半径是图像对角线的1/30到1/10(经验值，按照 图像长宽比4:3来计算）。模糊半径与镜头的能力，使用环境，甚至是FPAR卡打印材质等都有 关系，可按照实际需要来设定。
[0117]建立一个空白点阵图像，大小与前两副本一致，记为M，将对应位置副本1比副本2 亮的地方设为1，否则设为0，则M为结果。
[0118]例1:图3的例子是在较为理想的环境下拍摄的。使用上文提到的方法进行处理。由 图3可见，二值化处理的结果中，识别纹样非常清晰，达到了理想的效果。
[0119] 例2:图4是在半阴阳状态下的FPAR卡例子，卡片有一部分在阳光底下，另一部分在 阴影底下，使用上文提到的方法进行处理。从上面的二值化结果不难看出，即使原图的FPAR 卡是阴阳的，但二值化后的结果依然很理想，完全没有受到阴阳的影响。实际上，每一个步 骤的参数都是确定的，与例1效果完全相同。高斯模糊的量，和最后一步二值化的阈值都可 以预先确定，不会因阴阳环境改变而变化。
[0120] 例3:为了展示本方法的优点，依然用与上面一样的原图，使用传统的简单方法进 行二值化。即设定阀值，亮度低于某个阀值时变成黑色，否则为白色。图5中，a图只有一个完 整的定位点，其它定位点都被遮挡或部分遮挡;b图右上角的定位点部分被遮挡;c图则是右 下角的定位点看不到。识别时，a图将阀值设定较高，b图将阀值设定在中间，c图将阀值设定 得较高。经实验证明，使用传统方法，无论将阀值设定成多少，不易获得较为满意的结果。由 上面讨论，简单二值化方法无法适应这些复杂情况，并且阈值设定极其困难。由此可见本文 提出的算法明显具有优势。
[0121] 例4:对比度低，噪点多的极端情况。由图6,原本白色的地方，在处理后的卡片上 出现了过多的黑斑;原本黑色的地方，在处理后的卡片上有白色的颜色。并且无论如何调整 阈值都不能达到理想的效果。
[0122] 图7列出了应用本算法处理的结果，其中，最左边的图相当于3.3中的副本1，进行 了轻度的高斯模糊降噪，其他步骤与前两个例子完全一致。从图7(d)可以看出，识别纹样中 黑圈饱满，白圈干净，识别纹样所在的地方周边几乎没有噪点，这就较传统阈值算法更利于 后期的识别。
[0123] 例5:照片模糊的情况.
[0124] FPAR卡纹样设计具有抖动优势。图8的画面是从一个动态视频中截取的，此时FPAR 卡有较大的晃动，因此产生了模糊画面。通过本文方法进行二值化处理后，最外圈的黑圈依 然可见，因此得到的纹样仍可以支持识别。
[0125] 而若用传统方法识别FPAR卡的纹样设计，不结合使用本发明的方法进行二值化处 理时，则无法得到好的二值化结果。如图9所示，从左到右阈值依次是从高到低。易见五幅图 中没有一幅图的五个定位点能正确分析。由此可知FPAR纹样设计和本发明的二值化处理需 要结合使用。若不使用FPAR纹样设计，只使用本发明的二值化处理方法，也无法得到好的识 别效果。
[0126] 3.4、模糊滤镜
[0127] 3.4.1、基本方法
[0128] 下表列出了一些常用的图像处理方法的优缺点。
[0131] 3.4.2为移动设备优化的快速改进
[0132] 对目前的主流的移动设备而言，其运算能力一般难以支持方法1和2。可以考虑使 用简单粗糙的方法3,和效果较好的方法4。由于方法4含有较多的浮点运算，不利于移动设 备的快速计算，所以可以对其进行改进以适应移动设备。
[0133] 根据文章 "IIR Gaussian Blur Filter Implementation usinglnte.應Advanced Vector Extensions"和"Recursive Gaussian Derivative Filters" 中的描述，可以使用 正倒序两重IIR滤波器，其中正向为P〇 = PQ，其它Pn = WQ*pn+Wl*Pn-l+W2*Pn-2，相似地，逆向的 形式为Qlen-l = Plen-1，其余Qn = W0*Pn+Wl*Qn+l+W2*Qn+2。其中下标越界的部分使用钳位的方式 处理，即取其最近邻合法下标。以这样的形式使用IIR滤波器对高斯模糊进行仿真。其中P， P，Q，和W均为浮点。故每计算一个像素，至少需要进行6次浮点乘法运算。假设摄像头获得的 影像分辨率是640*480,每秒捕获25帧，则每秒钟需进行浮点乘法运算640*480*6*25 = 46080000次。这个运算量对于移动设备而言无疑是一个巨大开销。
[0134] 本发明提出一种方法，用整形查表，通过以空间换时间的方式，回避浮点运算和乘 法运算，得到与原浮点运算方法近似的结果。
[01 35]首先，WQ，W1，W2这三个浮点值，由高斯模糊的半径决定，一旦半径确定，这三个值是 可以预先计算的。而P和P均为0-255之间的数值，其中P为浮点，p为整数。故自然地可以考虑 将所有的P和P与w的乘积结果进行预存储，做成一张表，以备查用，目的是回避浮点乘法运 算。
[0136] 由于单精度浮点0-255之间的数值太多，要列出全部值且预先存储起来，内存空间 占用极其庞大。所以本方面采用一种近似的办法列出一张较小的预计算乘法表。
[0137] 当前主流处理器均使用IEEE754浮点格式，其特点是一位符号后接若干位阶码，最 后是尾数。对32位单精度浮点数值而言，将尾数的后16位截断只影响其精度，对数值影响很 小。故记P'是P截断末尾16位后的数值，截断后的数据P'只剩下16位，共有65536种可能取 值，将这65536种可能取值与wo，wi，和W2分别进行相乘，并存储乘积结果，占用的内存空间大 小不大，这为快速查表计算提供了可能。近似计算公式是P*w ? P'*W=W[P' ]，p*w=W' [p' ]， 其中W和W'为数组存储了预先计算的乘积结果。
[0138] 考虑到IIR计算包含浮点加法运算，由于浮点加法比整数加法运算更耗时。本发明 采用整数加法来代替浮点加法运算。注意本步骤是对上一段的改进，公式与前面将有细微 差异。以IIR正序方向为例，由于计算中包含小数部分，故使用了整数计算来模拟定点小数 计算，用16位短整型进行整数计算，其中整数和小数部分各占8位。p*? *256= (p<<8)*? ? [p*?*256]= V [p];P*〇 ? [p*0 ] ? Q IV ]。这时实际上正序的IIR的计算公式是Pn = W〇*(pn〈〈8)+〇 l*Pn-l+〇2*Pn-2，Pn为整数，计算结果是原公式的约256倍。计算时，可利用Q 表简化乘法运算，上子变成Pn= Q '[Pn]+fUPn-l]+Q[Pn-2]。
[0139] 正序数值的放大问题可以先不处理，待倒序计算完成后直接使用右移8位即可修 复。倒序与正序使用的表一致，只是计算公式略有差异。为Qn= l*Qn+l+?2*Qn+2。此 处的乘法同样可以通过查Q表解决，表达式为Qn= Q [Pn]+Q [Qn-1]+Q [Qn-2]。则Rn = Qn>>8 为所求。
[0140] 至此，所有浮点运算均以定点运算替换，所有乘法都变成了直接查表取数。对移 动设备的运算效率有明显的改善与提高。
[0141] *另外，可以使用降低识别层分辨率的方式使以下三种运算步骤的运算量减少：
[0142] 1)颜色转换;2)高斯模糊;3)填色。
[0143] 由此显著提高总体运算的速度。例如原图是640*480,但在转换灰阶这个步骤已经 将其变成320*240,则后续步骤1)，2)，3)的运算量减少至原来的1/4。在生成虚拟现实的结 果进行贴图合成时，仍用640*480的分辨率。这样令输出画面清晰度得以保持，区别仅仅在 于这会产生误差为1像素以内的贴图位置误差，一般用户肉眼很难看出图像的质量差别。 [0 144] 3.5、判定可能定位点
[0145] 3.5.1、填充
[0146] 检查M的每一个像素，如果当前像素是0或1，则用数值2,进行4连通或8连通填充。 并统计本次填充的最大宽度和高度，还有填充的面积，其中面积具体来说就是像素数量。如 果长宽比介于1 : 4到4 : 1之间（这个是经验值，具体可以调整），且填充率在
附近，则将此填充范围的矩形外框位置和大小记录到列表L中。
[0147] 3.5.2、填充区域限制法
[0148] 当图像很大，填充的面积可能会很大，填充的图形可能会很复杂，对于传统填充算 法而言，尤其是在移动设备上，可能会发生堆栈上溢或占用内存较大的情况。为了解决这种 问题，可以对填充区域进行限制，如设定左右上下边界。即若从(X，y)点开始填充，设定最大 填充区域u，则左边界为X-U,右边界为X+U，上边界为y-u，下边界为y+u。这样可以限制总的 填充面积不超过4u 2，从而减轻内存负担。此方法称为填充区域限制法。
[0149] 3.5.3填充操作的意义
[0150] 列表L中的内容，由于具有以下一些特殊的特点，所以可以选作可能的定位点位 置。
[0151] 首先，FPAR卡的定位点是正圆形，而且里面的每一圈都是一个圆，所以在理想的无 畸变无旋转条件下，拍到的FPAR卡定位点也是正圆，此时使用填充法得到外框的长宽比应 该是1:1。
[0152] 但是由于FPAR卡可能会倾斜放置，所以在拍到的画面中，定位点不一定是正圆形， 而有可能畸变呈现类似椭圆形，所以长宽比不一定是1:1，而应预留一定的畸变余地，按照 经验，这个比例阈值应设置得比较宽松。例如可以限定当长宽比例在1:4到4:1之间均为合 法。
[0153] 另外，由于定位点的设计是分形图，所以无论是哪一层纹样，其填充率都是一致 的。应该接近0.436。
[0154] 上面两条是判定定位点的必要条件，故所有合法的定位点都会出现在L中，但是也 有一些误检点，需要利用后面的方法来剔除。
[0155] 3.5.4、填充框选例子
[0156] 图10-11给出了一个填充框选的例子。两种斜线的区域实际上代表一样的数值，只 是为了展示清楚而取得不同。"\\"斜线区域表示的是本步骤刚刚填入的区域，而7/"斜线 区域表示的是之前步骤曾经填充过的区域。图10中只列举了部分步骤。
[0157] 3.5.5.同心框
[0158] 由于定位点是由同心圆/同心多边形纹样组成，所以在前面填色步骤的时候必然 会被覆盖多次。所以如果画面中某个位置是真正的定位点，则这个位置所在的内部同心圆/ 同心多边形必定会被L中多次重复选中，参见图12。
[0159] 通过利用这一规律，对L中的项进行比对分析，如果某些框是独立的，或者不和其 它任何框同心，则可以认为是误检。以此可以排除掉大多数的误检点。将每一组同心框的 中心x，y坐标记录下来，记为表H。如果画面中存在可识别的完整纹样，则H至少包含纹样中 的5个定位点的信息，但有的时候由于误检，H中也有可能会存在超过5个可疑定位点的信 息，此时需要做进一步的判断，排除误检的定位点。
[0160] 此外，组成H中各个可能定位点的框的集合各有特点，当定位点超过5个时，可以通 过综合审查框组的同心度，长宽比相似度和重数来为每个可能定位点打分，一并记录在H 中，以供后面使用。如果H中点数不足5个，则判定画面中不存在合法的FPAR卡识别纹样。
[0161] 3.5.6.可能误检的情况
[0162] 上面描述的所有识别过程中，只给出了定位点识别的充分条件，不是必要条件。所 以实际上可能存在各种误检的定位点情况。如图13所示，可能检测出多于5个定位点。但是 经过上面各种筛选和验证，一般仍能够得到正确的结果。
[0163] 图13列举了一些可能导致误检的图样。图14列举了三种构造的非圆形的可导致误 检的图案；
[0164] 由于与定位点类似的图案较多，所以在实际应用中，定位点的误检是难免的。虽然 可以通过增加判定标准来改善定位点的误判情况，但是将使得检测过程异常复杂，因而需 要另寻方法。在实际应用中，可能会同时出现多个误检点，但误检点的排列方式与本发明 FPAR卡识别纹样中定位点的排列方式一致的概率相当微小。因而本发明给出的定位方法能 保证达到令人满意的效果。
[0165] 如果刻意寻找，麻将筒子的图案可能导致误检，如图15所示。
[0166] 3.5.7.从定位点到FPAR卡纹样识别
[0167]在3.5.4中，无论H点数超过5点还是刚好为5点，都存在一个问题:H中的每个定位 点如何对应的FPAR卡识别纹样中的定位点？此时需要采用排列组合方法，枚举所有的对应 并代入计算公式(在后面第4部分介绍），以测试何种对应方式最为合理。
[0168] 3.5.8.填充区域限制法对识别效果的影响
[0169] 当使用填充区域限制法时，可能错误识别一些定位点的最大外圈。但是由于纹样 具有缩放特点[2.2.1]，所以当能正确识别内层若干层纹样时，同样会产生正确的识别结 果。
[0170] 在图16中，由于使用了一个较小的填充边界作为区域限制。填充边界的形心与填 充种子的位置重合。使用区域限制法后，从结果图看出（参见图17)，图样最外圈的黑色区 域被涂上了5种颜色，即被分割成了五个选框(步骤1，2,3,4,5所示），而次外圈的白色区域 也被分割成了三种颜色，即分成了三个选框(步骤6,7,8所示）。以上5+3共8个选框都是无效 的，但是从第二层黑圈起往内各层，都能正确圈选完整，所以均有效。内层黑白加起来共有5 层，已经足以用于识别。
[0171] 图18中显示了不使用区域限制的框选情况，共7层环，即能分析出完整7层纹样，7 层均可以用于识别。
[0172] 对于定位点识别来说，为避免误检，一般要至少2层。虽然层数越多结果越精确，但 是往往层数到了三四层后已经能达到像素级别的精度，在往上加意义不大，所以只要限制 区域后能识别出三层左右就能达到可以接受的效果。
[0173] 如果区域限制法的填充边界设置得过窄，可能产生的影响有：
[0174] 1)框选层数过少导致识别失败
[0175] 2)抗画面抖动能力削弱，试想像3.3中例5的情况，如果由于区域限制的原因而识 别不出最外层的黑色同心圆/同心多边形，将直接导致整个纹样识别失败。
[0176] 4.二维-三维转换法
[0177] 4.1.二维-三维转换各标号定义
[0178] 本发明的前提是假设摄像机镜头无畸变，如摄像机镜头存在枕形畸变或桶形畸 变，则应先作校正，再应用下面方法。
[0179] FPAR卡在实际的三维空间中，以任意旋转角度摆放，其五个定位点分别记为 ABCDE，如图19所示。FPAR卡被摄像头拍摄到，得到二维影像的过程，可以看作是FPAR卡上各 点与〇点连接，再交于成像画面。成像画面中FPAR卡的各个定位点记为abcde。
[0180] 4.2.各定位点判定
[0181 ]由于FPAR卡上的各点，哪一点对应成像画面中的a点，哪一点对应b点，哪一点对应 c，d，e点等，都是未知的，况且H中可能包含误检点，参见图20。所以要做排序和剔除工作，在 FPAR卡上，a，b，c，d，和e点之间的位置关系有如下明显特点：
[0182] (1)多边形abed应为凸多边形；
[0183] (2)Zbec应该接近 18〇° ;
[0184] (3)e到b和c的距离应该较为接近。
[0185] 具体判断步骤如下：
[0186] (1)先判断凸多边形
[0187] 判断凸多边形方法如下：
[0188] c.排除线段有交叉选项，参见图21。
[0189] d.判断乘积同号
[0190] 将a，b，c，d，和e看做三维空间的点，其中z轴=0，则计算 3 x x x石,& 的值，这些值是否与轴同号，且不妨可均设为正号。
[0191] (2)综合评判
[0192] 由于各定位点通过图像识别，所以上述2,3点规则的评判标准应该柔性。因而操作 时，不是直接评价是否符合要求，而是评价与规则要求的贴合度是多少。所以应该综合上述 3点规则，确定合理的评分标准。分数越高，表示越符合要求。
[0193] (3)优化决策
[0194] 当运算能力许可时，可以将H中的所有点任挑5个进行全排列，代入上面的规则进 行验证，若H中的候选项目太多，全排列是一个天文数字，为了减轻运算量，可以取H中分数 较高的前n个点(n> = 5)进行代入测试。
[0195] 经过上面计算，就可能选出H中最合乎要求的5个点，并且得到它们与abede各点的 对应关系。
[0196] 4.3.获取FPAR卡的三维法向量
[0197] 现在要通过成像画面反推FPAR卡的法向量f，以服务于后续的虚拟现实渲染。为 此，过0点作辅助线1 i/VAD/YBC; 12//AB//DC;记0AB法向量为瓦,0CD法向量为K，0BC法向量 为斤OAD法向量为n;记FPAR卡的法向量为f:; 1 i的方向向量为的方向向量为I；。
[0198] 则有：
[0199] v； = OAx~BO Oa x ~bO;
[0200] i72* = 〇C x DO = Oc x dO；
[0201] ^ = OB xCO = ~Ob x cO：
[0202] % = ~OD xAO = Ody ad;
[0203]
[0204] f2 = % X wj;
[0205] 最终得到『 =
[0206] 其中X表示向量叉乘。
[0207] 若|方向很离谱，例如算出来的FPAR卡几乎与视平面垂直，则需要将此结果剔除， 并返回4.2，重选其他排列组合。
[0208] 4.4. Z轴多解不影响分析
[0209] 如图22所示，由二维成像画面反推FPAR卡，因z轴位置未知，所以可能存在多解。即 近处的小FPAR卡看起来实际上和远处的大FPAR卡没有差别。成像画面在前在后只是缩放上 的差别。实际上，如果只是单眼视觉，这个距离是无法测定的。但是这些区别只是缩放上的 区别，对后面的计算不造成影响。所以可以直接简单地设视点到成像画面的距离是n，视点 到FPAR卡中心的距离是m，以便后续的计算。
[0210] 4.5.验证正确性
[0211] 按照4.4的距离假设，和4.3的?，可以由平面的成像画面中的abcde点的位置反推 出三维空间中FPAR卡上的AB⑶E点的三维位置。计算方式如下：
[0212] 由点法式，通过使用?知y和0到FPAR卡的距离，可以得出FPAR卡所在平面2的 方程是 lxX+lyy+lz(z-m) =0;
[0213] 射线0a，Ob，0c，0d，和0e与2的交点即为ABCDE所在的三维空间的位置。
[0214] 以厶点为例，记1:￡1=12111/(]^\+]^丫+1办）；贝丨仏的坐标为（1: ￡1*&\，1:￡1*&丫，1:￡1*&2)。同理可 求得B⑶E各点的坐标。
[0215] 从上式易知，各点坐标均有乘积m，所以不妨取m为一个非零定值，如取2,再取az = n = l。这样所有点的坐标都能算出具体的数值，以便于后续计算。
[0216] 通过对AB⑶E点的三维位置分析，判断结果正确性。如果数值很离谱，例如ZABC与 空间直角相差甚远，或者E点位置与BC中点位置相差甚远，或者四个角上的定位点组成的矩 形的长宽比与FPAR卡设计时相差甚远，则判定此结果不正确，需要将此结果剔除，并返回 4.2重选其他可能的排列组合。
[0217] 步骤4.5,4.3,4.2是一组互相验证的关系，需要反复互推才能得到最好结果。
[0218]另外，还可以加入一些辅助的验证方法。例如，如果一个疑似定位点中各个框的长 宽比例相差较大，则考虑这个定位点可能是误检点。同理，如果识别纹样中一组定位点中各 个环的平均长宽比不一致，则认为这个识别纹样可能不正确。实际上，定位点的期望长宽比 是可以通过前面算出的FPAR卡的法向量计算出来的，如果计算值与实测值相差甚远，也能 判定这个识别不正确。
[0219] 根据上面所有的综合方法进行识别，在图像清晰且没有不可抗干扰(例如画面中 同时出现了两张FPAR卡)时，得出的识别结果能达到接近100%正确。下面给出的例子中，背 景是报纸，报纸上纹样复杂，干扰大，但也没有影响识别结果。
[0220] 如果同一画面中有多张FPAR卡，则将会有很多定位点被同时检出，但到底哪五个 定位点属于同一组却很难分辨。由于计算机最终感知到的不是一张图片，而是一组可疑定 位点，所以可能某张图中的可疑定位点可能如图23所示。
[0221] 像图23这样的分布情况，恐怕连肉眼都无法分辨出哪个是误检点，哪个是真实点， 哪几个定位点组成一个FPAR卡纹样。此时，可对FPAR卡的纹样作出改进，例如将同心圆改成 C字形。供参考的一种改进方案如图24所示：则多张FPAR卡一起摆放后可能有如图25的效 果。
[0222] 这种纹样的定位点同样能被本发明的算法所识别，只是它们比原来多了一个信 息，就是FPAR卡的方向属性。拿最左边的一张卡做例子，我们可以识另ijC形口的开口方向，如 图26所示。
[0223] 除了开口方向，我们还可以通过检测开口的清晰度，角度等数值，来计算出这个开 口方向的可信度。开口方向和可信度两重信息，我们可以直观地用箭头表示箭头方向表示 最可能的开口方向，箭头大小表示可信度，参见图27。
[0224] 上图有了方向信息，相比起只有定位点位置的前一张图来说，已经很容易能一眼 看出哪些是真正定位点，哪些定位点能组成一组成为FPAR纹样。可以按照如下原则进行判 定：
[0225] 带方向的多FPAR卡识别方法：
[0226] 1)优先考虑开口方向可信度高的点为定位点。
[0227] 2)如果两个定位点的方向相近，且与它们的连线的方向相近，则它们可能属于同 一张FPAR卡，且分别属于B，E点。其中B点指向E点。
[0228] 3)如果从某个定位点出发，通过每个点的所指方向寻找下一点，能较为近似地连 续找到5个定位点，且最后一个定位点的方向可信度明显低于前4点，则这连续的5个定位点 很可能属于同一张FPAR卡的ABECD定位点。
[0229] 4)就近原则，如果某个定位点所指方向上有两个其他定位点，则优先考虑与其较 近的一个属于同一张FPAR卡。
[0230] 实际使用时，由于相机的畸变，FPAR卡的弯折，识别精度不够，镜头失焦或抖动造 成画面模糊等原因，得出的向量结果可能会有误差，所以前面所说的方向指向，都是判定近 似度，而不是必须刚好一点不差地对准。所以测定时也需要进行一定的排列组合，以测试哪 种匹配是最合理的。不过通过上面4条规则，我们可以对列举过程进行大幅度剪枝，大大减 少试验次数。
[0231] 5.渲染虚拟现实
[0232] 实际的虚拟现实渲染，可以是在画面中加入三维的立体，也可以仅仅是贴上贴图。 [0233]图28是一个三维图像的FPAR卡多角度成像实现例子。
[0234]现在要将预设好的图片进行扭曲，然后填入画面内。为了增加实用性和真实感，填 入的照片需要将所有定位点遮盖，并且不论FPAR卡如何摆放，照片看起来都要相对FPAR卡 静止，看上去就像真的有一张照片贴在FPAR卡上。为了做到这一点，关键步骤是要通过FPAR 卡的三维位置，推算出其每一点在成像画面中的位置，参见图28。这个计算过程与4.5中的 方法是一对逆运算。
[0235] 虚拟地将一张平面图片贴在三维FPAR卡上，算出图片贴在FPAR卡上后，每个对应 点的颜色应该显示在成像平面上的那个位置。
[0236] 实际操作需要从渲染成像平面出发，查找FPAR卡上对应点位置，这个计算较复杂， 边界难以定出，运算量也较大。所以需要使用其他简洁的方法来代替。最简单的方法是使用 drawTriangles的方法，不完全计算FPAR卡上的所有点的颜色，而是做一个稀疏的矩阵网 格，然后将这个网格映射到成像平面上。网格的孔的位置用三角形碎片的变换来进行模拟。 一种三角形切片的方案如图29所示。
[0237] drawTrianges或其异名等价方法受到各平台的直接支持，如HTML5,0penGL，FLASH ActionScript3，cocos2D-x等，也受到显卡快速运算的支持。是通用且常规的演算方法。具 体可参考下面网址(FLASH ActionScript3版本的解释)http: //help ? adobe ? com/zh_CN/ as3/dev/WS84753FlC-5ABE-40bl-A2E4-07D7349976C4.html〇
[0238] 为了增加真实感，当FPAR卡处在不同光线环境下，应调整贴图的色调，以让其与 FPAR卡的色调吻合。FPAR卡上有很多没有定位点的空位置，可以取这些位置的颜色对贴图 进行白平衡，亮度等调整，以让其色泽贴合现实环境。
[0239] 最后补充下面渲染示例：
[0240]例6:准备三张拍立得照片，一张仿照拍立得相片外形制作的FPAR卡，如图30桌面 上图片所示。
[0241] 图30右边平板电脑上为实时渲染效果，图中FPAR卡已经可以以假乱真，屏幕上看 到的就象是四张拍立得照片。图31为渲染截图效果。
[0242] 图32展现FPAR卡的扩展功能，图中不仅把照片渲染在画面中，还渲染上了手写的 "广州2016"，而"广州2016"所在位置上并没有相应的识别纹样。所以可以看出，渲染的区域 是可以扩展的。另外值得一提的是，在实时渲染例子中，照片右上角都有一个角标，角标的 位置甚至渲染在了相框外，这也体现了其渲染能力的扩展性。
[0243] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的 限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化， 均应为等效的置换方式，都包含在本发明的保护范围之内。
【主权项】
1. 一种FPAR卡的设计方法，其特征在于，所述FPAR卡上设有多组同心圆/同心多边形纹 路，每一组同心圆/同心多边形称作一个定位点，多组同心圆/同心多边形组成识别纹样，所 述多组同心圆/同心多边形排列后总的图形呈中心对称。2. 跟进权利要求1所述的FPAR卡的设计方法，其特征在于，所述FPAR卡上设有5组同心 圆/同心多边形纹路，每组定位点的纹路形状相同，其中4组同心圆/同心多边形排列在矩形 卡片的四角，第五组同心圆/同心多边形定在卡片的长边的中央位置或处在能够识别FPAR 卡的不对称位置上;每组组同心圆/同心多边形相邻两圈边缘的缩放比例是3. -种FPAR卡的快速识别定位方法，其特征在于，包括下述步骤： 51、 视频输入，将采集到的视频源文件先分解成帧序列； 52、 RGB/YUV预处理，提取到的帧可能是是RGB或YUV格式，当提取到的为RGB格式时，快 速识别方法是只取红色或者绿色通道，而将其余通道丢弃，当提取到的为YUV格式时，则只 要Y通道，丢弃U、V通道； 53、 二值化处理，对图像进行二值分离； 54、 采用模糊滤镜方法进行图像识别处理;使用正倒序两重IIR滤波器，其中正向为P0 = PO，其它Pn = WQ*pn+Wl*Pn-l+W2*Pn-2，相似地，逆向的形式为Qlen-1 = Plen-1，其余Qn = WQ*Pn+Wl* Qn+1+W2*Qn+2,其中下标越界的部分使用钳位的方式处理，即取其最近邻合法下标，以这样的 形式使用IIR滤波器对高斯模糊进行仿真； 55、 判定可能的定位点， 56、 获取FPAR卡的三维法向量，通过成像画面反推FPAR卡的法向量，以服务于后续的虚 拟现实渲染； 57、 通过比对和偏差修正，确定各个定位点的三维位置，从而确定整个FPAR卡在三维空 间的位置； 58、 渲染虚拟现实，虚拟地将一张平面图片贴在三维FPAR卡上，算出图片贴在FPAR卡上 后，每个对应点的颜色应该显示在成像平面上的那个位置。4. 根据权利要求3所述的FPAR卡的快速识别定位方法，其特征在于，所述步骤S3中，借 助模糊滤镜来实现二值化处理，其具体为： 将图像拷贝两个副本，记为副本1和副本2; 若视频中有较明显噪点则副本1进行极其微量的高斯模糊，其中〇〈 = 3px; 副本2进行半径较大的高斯模糊，半径是图像对角线的1/30到1/10; 建立一个空白点阵图像，大小与前两副本一致，记为M，将对应位置副本1比副本2亮的 地方设为1，否则设为〇，则M为结果。5. 根据权利要求3所述的FPAR卡的快速识别定位方法，其特征在于，所述步骤S4中，进 行图像处理的具体方法为： 541、 由模拟高斯模糊的IIR滤波器决定wO、wl、w2这三个浮点值，而P和p均为0-255之间 的数值，其中P为浮点，P为整数;故将部分P和P与w的乘积结果进行预存储，做成一张表，以 备查用； 542、 采用一种近似的办法列出一张较小的预计算乘法表； 近似计算公式是P*W ? P'*W=W[P' ]，p*w=W' [P]，其中W和W'为数组存储了预先计算的 乘积结果，P'为单精度浮点数P截断16比特尾数后的结果。6. 根据权利要求3所述的FPAR卡的快速识别定位方法，其特征在于，所述步骤S4中，采 用整数加法来代替浮点加法运算，在IIR正序方向，由于计算中包含小数部分，故使用了整 数计算来模拟定点小数计算，用16位短整型进行整数计算，其中整数和小数部分各占8位， p * Oj * 256 = (p << 8) * 〇) ^ Lp * (i) * 256J = Ω [p]； P * ⑴。L.p * ⑴j，这时实际上正序的 IIR 的计算公式是Pn= ω 〇*(ρη< <8)+ω APn-：L+ω 2*Pn-2，pn为整数，计算结果是原公式的约256 倍，计算时，可利用Ω表简化乘法运算，上式变成P n= Ω '[Ρη]+Ω [Ρ^Ι+Ω [Pn_2]; 正序数值的放大问题可以先不处理，待倒序计算完成后直接使用右移8位即可修复，倒 序与正序使用的表一致，只是计算公式略有差异，为Qn= ?。机+^^吨柯+"并^^+^此处的乘 法同样可以通过查Ω表解决，表达式为Qn= Ω [Ρη] + Ω [Qn-d + Ω [Qn-2]，则Rn = Qn>>8为所 求。7. 根据权利要求3所述的FPAR卡的快速识别定位方法，其特征在于，步骤S5具体为： 55.1、 检查M的每一个像素，如果当前像素是0或1，则用数值2，进行4连通或8连通填充， 并统计本次填充的最大宽度和高度，还有填充的面积； 55.2、 对填充区域进行限制；即若从(X，y)点开始填充，设定最大填充区域u，则左边界 为x-u，右边界为x+u，上边界为y-u，下边界为y+u;这样可以限制总的填充面积不超过4u 2， 从而减轻内存负担； 55.3、 选定可能的定位点位置，可限定当长宽比例在1:4到4:1之间均为合法，另外由于 定位点的设计是分形图，所以无论是哪一层纹样，其填充率都是一致的，且填充率在0.436 附近；只有符合上述要求的点才计入表格L; 55.4、 排除误检点，对表格中的项进行比对分析，如果某些框是独立的，或者不和其它 任何框同心，则可以认为是误检;将表格L中各组同心的选框进行合并，记录其平均中心位 置和分数存储至表H，其中分数需要考虑涉及到本组各个框的同心度，长宽比一致性，框重 叠数和各选框填充率，越符合要求，分数越高，反之越低； 55.5、 从定位点到FPAR卡纹样识别，采用排列组合的方法，枚举所有的定位点并代入计 算公式，以测试何种对应方式最为合理。8. 根据权利要求7所述的FPAR卡的快速识别定位方法，其特征在于，步骤S5.4中，对于 定位点识别来说，为避免误检，一般要至少2层。9. 根据权利要求3所述的FPAR卡的快速识别定位方法，其特征在于，步骤S5具体为：各 定位点的判定具体为： (1) 先判断凸多边形 判断凸多边形方法如下： a.排除线段有交叉选项，判断乘积同号； 将a，b，c，d，和e看做三维空间的点，其中z轴=0，则计算萏X X X萏,5 X S 的值，这些值是否与轴同号，且不妨可均设为正号； (2) 综合评判； 由于各定位点通过图像识别，操作时，不是直接评价是否符合要求，而是评价与规则要 求的贴合度是多少； (3) 优化决策； 当运算能力许可时，可以将H中的所有点任挑5个进行全排列，代入上面的规则进行验 证，若H中的候选项目太多，全排列是一个天文数字，为了减轻运算量，可以取H中分数较高 的前η个点进行全排列代入测试。10.根据权利要求3所述的FPAR卡的快速识别定位方法，其特征在于，步骤S7具体为:使 用drawTriangles的方法，不完全计算FPAR卡上的所有点的颜色，而是做一个稀疏的矩阵网 格，然后将这个网格映射到成像平面上网格的孔的位置用三角形碎片的变换来进行模拟。
【文档编号】G06K19/06GK105894068SQ201610137618
【公开日】2016年8月24日
【申请日】2016年3月10日
【发明人】滕少华, 霍颖翔, 滕璐瑶, 张巍
【申请人】广东工业大学