Inorder to overcome the limitations

Inorder to overcome the limitations of marker based AR, markerless AR was proposed. To find camera pose, natural features such as colour, shape, texture etc are used. The main objective is to track an object in each frame of video stream. Several methods of interest point detection are available for this purpose. Harris [3] is the most popular corner detector used in computer vision. SIFT (Scale Invariant Feature Transform) algorithm proposed by Lowe [6] is efficient to find interest points using Difference of Gaussian(DoG) of the image, and SIFT descriptor is based on histogram of gradients. SURF (Speed Up Robust Features) algorithm [2] is an approximation of SIFT in which DoG is approximated to box filters. Recently, several binary keypoint descriptors are proposed for efficient local feature matching in real-time applications.

ผลลัพธ์ (ไทย) 1:

รู้สึก Inorder เอาชนะข้อจำกัดของเครื่องหมายจาก AR, markerless AR คือการนำเสนอ หากล้องท่า มีใช้คุณลักษณะธรรมชาติเช่นสี รูปร่าง เนื้อฯลฯ วัตถุประสงค์หลักคือการ ติดตามวัตถุในแต่ละเฟรมของวิดีโอสตรีม มีหลายวิธีในการตรวจจับจุดสนใจสำหรับวัตถุประสงค์นี้ แฮริส [3] เป็นเครื่องตรวจจับมุมนิยมใช้ในคอมพิวเตอร์วิทัศน์ อัลกอริทึม SIFT (ขนาดบล็อกคุณลักษณะเปลี่ยน) ที่เสนอ โดย Lowe [6] มีประสิทธิภาพในการค้นหาจุดสนใจโดยใช้ความแตกต่างของ Gaussian(DoG) ของภาพ และบอกเกี่ยวกับ SIFT อิงฮิสโตแกรมของการไล่ระดับสี อัลกอริทึม SURF (ความเร็วค่าทนทานคุณสมบัติ) [2] เป็นการประมาณของ SIFT ที่สุนัขจะใกลเคียงกับกล่องกรอง เมื่อเร็ว ๆ นี้ ตัวบอก keypoint ไบนารีหลายที่มีการนำเสนอสำหรับคุณลักษณะภายในที่มีประสิทธิภาพตรงกันในการใช้งานแบบเรียลไทม์

ผลลัพธ์ (ไทย) 2:

inorder จะเอาชนะข้อ จำกัด ของเครื่องหมายตาม AR ที่ Markerless AR ถูกเสนอ เพื่อหากล้องที่ก่อให้เกิดลักษณะเด่นทางธรรมชาติเช่นสีรูปร่างพื้นผิว ฯลฯ ถูกนำมาใช้ วัตถุประสงค์หลักคือการติดตามวัตถุในกรอบของการสตรีมวิดีโอในแต่ละ วิธีการต่างๆของการตรวจสอบจุดที่น่าสนใจที่มีอยู่เพื่อการนี้ แฮร์ริส [3] เป็นเครื่องตรวจจับมุมที่นิยมมากที่สุดที่ใช้ในคอมพิวเตอร์วิสัยทัศน์ SIFT (ชั่งคงคุณสมบัติ Transform) อัลกอริทึมที่เสนอโดยโลว์ [6] มีประสิทธิภาพที่จะหาจุดที่น่าสนใจโดยใช้ความแตกต่างของเกาส์ (หมา) ของภาพและ SIFT บ่งจะขึ้นอยู่กับ histogram ของการไล่ระดับสี SURF (Speed ​​Up คุณสมบัติที่แข็งแกร่ง) อัลกอริทึม [2] คือประมาณของร่อนซึ่งสุนัขห้วงตัวกรองกล่อง เมื่อเร็ว ๆ นี้หลายอธิบาย Keypoint ไบนารีมีการเสนอสำหรับการจับคู่คุณลักษณะในท้องถิ่นที่มีประสิทธิภาพในการใช้งานแบบ real-time