监控和跟踪

• 基于标记的识别。显示表示给定投影平面上的虚拟信息的物理标记。下图显示了在标记坐标系中投影 3D 对象所需的步骤。 基于标记的识别系统。将代表虚拟信息的物理标记显示在给定的投影平面上。下图显示了在标记坐标系中投影3D对象的所需步骤。

• 基于图像识别的无标记系统。在这种情况下，标记将是任何图像（它更需要大量资源）以查找与参考图像匹配的模式。 基于图像识别的无标记系统。在这种情况下，标记将是任何图像（它会消耗更多资源），以查找与参考图像匹配的图案。

基于移动设备传感器的位置

GPS用于位置，指南针用于方向，加速度计用于倾斜。通过绘制与手机中图像上的当前位置重合的多媒体内容。

GPS用于定位，罗盘用于定向，加速度计用于定倾角。通过在手机中看到的图像上绘制与当前位置重合的多媒体内容。

Python & AR

AR的基础是模拟自然的视觉过程，这正是摄影测量所做的。利用摄影测量中的立体视觉原理，我们的大脑能够从每只眼睛给出的两个二维图像中形成一个三维世界。

AR的基础是模拟自然视觉过程，这正是摄影测量所做的。在摄影测量中，使用立体视觉的原理，我们的大脑就能够根据每只眼睛给出的两个二维图像形成一个三维世界。

在计算机视觉中，眼睛被从现实世界捕获图像的相机所取代。在捕获过程中，第三维将丢失，生成的图像以像素为单位存储在二维坐标系中。因此，问题被“简化”以找到“对象”系统（3D）中一个点的坐标与“图像”系统（2D）中同一点的坐标之间的对应关系，从中我们可以知道相机相对于目标系统的位置和方向，因此任何3D坐标都可以“投影”到图像系统上。

在计算机视觉中，眼睛被从现实世界中捕捉图像的相机所取代。在捕获过程中，第三维度丢失，生成的图像以像素为单位存储在二维坐标系中。因此，问题就"简化"为寻找"对象"系统（3D）中点的坐标与"图像"系统（2D）中相同点坐标之间的对应关系，从中我们就能知道相机相对于目标系统的位置和方向，因此可将任何3D坐标"投影"到图像系统上。

Python 中的 OpenCV 库可用于学习 AR 应用程序的基础知识。这是一个非常强大的库，专用于计算机视觉，允许执行诸如检测图像中的相关特征，相机校准以及计算对象点和图像点之间的对应关系等任务。

Python中的OpenCV库可用来了解AR应用程序的基础知识。这是一个非常强大的专用于计算机视觉的库，它允许执行诸如检测图像中的相关特征、相机校准和计算目标点和图像点之间对应关系等任务。

一些 Python 2.7 的库文件上传到文件夹中，包括 matplotlib、numpy 和 opencv。该文件夹包含一些校准、捕获、检测、提取和投影功能代码以供参考。liberiasscripts

在文件夹中上传了一些适用于Python 2.7的库文件，包括matplotlib、numpy和opencv，文件夹中包含了一些有关校准、捕获、检测、提取和投影的参考代码。liberiasscripts

安装必要的组件后，可以从以下位置安装最新的库： https://sourceforge.net/projects/opencvlibrary/files/

项目信息...

在本项目中，使用先前创建的3D模型（.obj），并使用笔记本电脑的本地摄像头来完成人机交互。关于标记，使用模板，允许根据应用程序使用的标记（模型和虚拟按钮）排列模型。模特标记为 8x8 厘米，按钮标记为 3x3 厘米。plantilla

在本项目中，使用了先前已创建好的3D模型（.obj文件），并使用笔记本电脑自带的本地摄像头完成人机交互。关于标记，使用了模板，允许模型根据应用程序使用的标签（模型和虚拟按钮）进行排列。模型标记为8x8厘米，按钮标记为3x3厘米。plantilla

结果

Exportation 展示模型

隐藏隐藏模型

位移位移（模型与底座分离）

Zoom 放大模型

旋转模型旋转

您可以从以下地址安装软件：https://www.openspace3d.com/lang/en/support/download/