Realidad aumentada SDK con OpenCV

Estoy desarrollando una Realidad Aumentada SDK en OpenCV. He tenido algunos problemas para encontrar tutoriales sobre el tema, que pasos a seguir, los posibles algoritmos, rápido y eficiente de codificación para el rendimiento en tiempo real, etc. Hasta ahora, he reunido la siguiente información y enlaces útiles. Instalación de OpenCV Descargar última versión de lanzamiento. Usted puede encontrar las guías de instalación de aquí (plataformas: linux, mac, windows, java, android, iOS). En línea de la documentación. La Realidad Aumentada Para principiantes aquí es una simple realidad aumentada código en OpenCV. Es un buen comienzo. Para cualquiera que esté buscando un diseño de estado-of-the-art SDK he encontrado algunos pasos generales que cada realidad aumentada basada en marcadores de seguimiento debe tener, considerando funciones de OpenCV. Programa principal: crea todas las clases, la inicialización, la captura de fotogramas de vídeo. AR_Engine clase: los Controles de las partes de una aplicación de realidad aumentada. No debe ser de 2 estados: detección: se intenta detectar el marcador en la escena seguimiento: una vez detectada, utiliza inferior de técnicas computacionales para el traking el marcador en los siguientes cuadros. También debe haber algunos de los algoritmos para encontrar la posición y orientación de la cámara en cada fotograma. Esto es alcanzar mediante la detección de la homografía de transformación entre el marcador detectado en la escena, y una imagen 2D de la marca que han procesado sin conexión. La explicación de este método aquí (página 18). Los pasos principales para Plantear las Estimaciones son: La carga de los Parámetros Intrínsecos de la cámara. Previamente extraído fuera de línea a través de la calibración. Carga el patrón (mp) a la pista: es una imagen de la plana marcador vamos a seguir. Es necesario extraer características y generar descriptores (claves) para este patrón, más tarde se puede comparar con las características de la escena. Algoritmos para esta tarea: TAMIZAR RÁPIDO SURF Para cada fotograma de la actualización, ejecute un algoritmo de detección para extraer las características de la escena y generar descriptores. De nuevo tenemos varias opciones. TAMIZAR RÁPIDO SURF FREAK: UN nuevo método (2012) supone para ser el más rápido. ORBE Encontrar coincidencias entre el patrón y la escena de los descriptores. FLANN comparador Encontrar Homografía de la matriz de los partidos. RANSAC puede ser utilizado antes de encontrar inliers/valores atípicos en el conjunto de los partidos. Extracto de la Cámara Pose de homografía. Código de ejemplo en Pose de Homografía. Código de ejemplo en la Homografía de Pose. Ejemplos completos: aruco Dominar OpenCV muestras

Ver más en: http://www.iteramos.com/pregunta/25992/realidad-aumentada-sdk-con-opencv