VR下的室外教学系统设计研究范文

本站小编为你精心准备了VR下的室外教学系统设计研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：从现实来看，目前，我国空气质量普遍较差，雾霾天气严重，有些地方一到冬天，甚至连着几个星期都没法外出运动。作为一名中学生，总是听到别人抱怨锻炼时间太少。也正是因为这样，现在学生的身体素质普遍偏低。此外，在遇到雨雪天气的情况下，中小学生的室外活动也都会停止，而室内体育设施的建设远远不能满足现在的需求。虚拟现实（VirtualReality，vr）技术目前已在游戏等方面有所运用，从使用者的感受来说，这项技术获得了成功。现阶段我们所要完成的是将此技术推广和应用。据此，将虚拟现实技术运用到教学方面，主要是以SLAM和三维重建为基础，运用现代虚拟现实技术，改善这一情况。而通过此技术，可以让学生即使在恶劣环境下，也能在室内身临其境地获得运动的快感，从而加长运动时间，达到增强身体素质的目的。

关键词：SLAM；VR；三维重建；室外教学

1前言

SLAM技术作为虚拟现实的基础，在生活中有所涉猎。比如自动泊车技术，无人驾驶系统，高精度地图等。SLAM里比较常见的有两个分支：一个是视觉SLAM；另有一个是激光SLAM。两者各有其应用。早期的SLAM大多使用激光传感器，这是由于激光传感器的精度更高，相关的算法速度更快，就目前而言，激光SLAM主要运用于无人驾驶车辆上，激光可以帮助电脑观察路面的实时状况，从中得出目标的距离位置等信息，再进行相应的措施，但激光扫描仪所占的体积较大，安装在车上即影响车辆的美观，而且造价又相当昂贵。这也是目前视觉SLAM研究比较热的原因。视觉SLAM最大的优点在于其传感器价格低廉，易获取，且图像信息会有更丰富的内容包括了很多语义信息，但是其精度目前而言还比较低，但是随着近些年研究的深入，其精度已经有了很大的改观。目前比较常用的视觉传感器有单目相机，双目相机，深度相机等等。单目相机相对来说使用方便，速度也比较快，但是由于单目固有的缺点，单目相机难以恢复真实的深度，此外在算法的设计上也相对比较复杂。双目相机是模仿人眼观察，通过两只眼睛所观察到的事物进行数据拟合。我们不妨试试，假如你闭上一只眼，你会感觉不到物体的远近。再睁开一只眼，你会发现所有事物都会变得立体了。而深度相机运用的则是物理办法。它可以运用飞行时间或是结构光的方式来得出距离，深度相机得到深度靠的是物理的方法，所以精度高，速度快，算法不需要太复杂，但是深度相机在遇到比较空旷的场景时，由于其深度传感器的测量范围有限会形容大量的黑洞，对于最终的结果影响很大。虚拟现实技术是基于SLAM的一项更复杂的技术，它有效的将人体的触觉、视觉、听觉等多种感觉融合计算机，达到以假乱真的程度。让人能身临其境地感受到此技术的魅力。另外，虚拟现实技术还运用到了三维重建，这帮助人们获得立体视野。现阶段，这一技术在许多方面广泛运用。比如，游戏机。我的世界这款游戏就变为戴上眼镜，就构造你自己所喜欢的世界。再比如军事训练或是演习，亦或是在体验馆内供游客体验，戴上眼镜，立即变身为虚拟中的我，进行更逼真的体验，获得更真实的感受。

2SLAM相关技术

2．1主要流程

图1所示为常见的SLAM流程图，以机器人为例，当机器人在行进的过程中，会不断地通过图像传感器，如深度相机等获取环境的图像。在获取到图片之后需要进行的是跟踪，即通过连续的图像不断地计算相机之间的相对运动关系，由于相机相对于机器人处于静止的状态，得到相机的位置就得到了机器人的位置。对于相邻的两帧图片，由于相机的拍摄频率在每秒25－30帧，所以两个相邻帧之间不会有特别大的位移，这也就意味着两幅图片之间有大量的重复区域。为了确定图像中的哪些点对应于真实世界中的同一个位置，首先要对两幅图像进行特征点的提取，比较常见的是FAST角点提取算法。这种算法认为图像中只有比较明显的角点才能保证图像在发生视角变化以及尺度变化的情况下保证不变，其次角点在不同的图片中都会出现。可以想象一张图像中可能有成百上千的特征点，目前这些点只有位置信息，所以无法将两张图片的特征点对应起来。为了将两张相邻图片中的特征点进行匹配，必须提取其对应的描述符。所谓描述符即以特征点为中心取一个区域，利用区域的信息包括直方图等对其进行描述，所产生的高维向量即描述符。目前已经存在的比较受欢迎的描述符有SIFT，SURF，Brief等。其中SIFT，SURT计算的描述符都是浮点类型的数据，这样的描述符虽然精度高，但是浮点型数据会占用比较大的内存空间，其次浮点型数据在匹配阶段需要计算欧式距离，这一步计算量很大，对于SLAM这样实时性比较强的系统很难接受。BRIEF产生的二值的描述符，这种描述符每一位只有0和1两种状态，所以很节约内存空间。在匹配阶段计算只需要计算其海明距离，在目前的计算机结构中通过异或操作可以很快得到。在得到特征点对应的描述符之后需要对这些特征点进行匹配，即知道不同图片中的哪一对点对应于真实空间的同一个点，匹配的结果直接影响到后续对两帧图片相对位置关系的计算，如果匹配结果中有大量的错误，那么后续计算到的匹配结果将完全错误。由于匹配过程的计算量大，可以使用八叉树等算法进行加速。在得到匹配关系之后，可以根据匹配关系进行位姿的计算，一般情况下计算位姿只需要八对点，但是如果这八对点中存在匹配错误的点将会使得计算结果出现很大的偏差，所以一般情况下都会使用全部的点进行计算，由于匹配结果中难免会有很多错误的地方，所以一般使用随机抽样一致性算法（RandomSampleConsensus，RANSAC）计算。由于匹配结果的误差以及计算的误差最终得到的相邻帧之间的位姿会有一定误差，所以在得到整张地图之后需要进行一次整体的优化减小这种误差，这也就是图1中的后端优化处理。

2．2数学基础公式

（1）所示为针孔相机模型，假设空间中的点（X，Y，Z）经过内参为K的相机之后，投影到相机的像素坐标系（u，v）点，其中fx，fy为相机的焦距，cx，xy为相机光心投影到相纸坐标系上的点与像素坐标系中左上角的点之间的位移。可以看到在相机生产完成之后，相机的内参就已经固定，但是在实际使用的过程中也需要进行重新标定。公式2所示为相机的旋转矩阵计算，假设有坐标系：而不同坐标系之间的平移关系则可以由向量的加法实现。

3基于VR的室外教学系统

本文中将提出使用VR技术构建一套可以用于在雾霾，雨雪等不适合户外活动的天气情况下进行室内体育教学的系统，这套系统可以让学生在室内获得体育教学的乐趣同时这套系统不需要占用太大的面积，可以同时满足很多人在室内进行体验，其原理如图2所示。以乒乓球教学为例，首先需要构建一个乒乓球活动的三维结构，包括虚拟人物，虚拟场景以及虚拟乒乓球。在构建好这样的三维模型之后，需要实时地对乒乓球的运动轨迹进行跟踪。用于在使用的时候需要同时佩戴有视觉传感器的乒乓球拍以及眼镜。当用户的头有运动的时候，视觉传感器捕捉到的图像会发生一定的变化，而具体的变化轨迹以及位置可以通过SLAM进行计算，在得到头部运动的数据之后，可以将头部运动数据输入到计算机中，这是计算机可以在眼镜中播放提前构建好的三维模型场景，这一步是为了让人获得身临其境的感觉，让头部运动和虚拟场景相结合。同时学生还需要手握一个带有视觉传感器的乒乓球拍，但用户进行挥拍的运动时，可以通过球拍上的传感器使用SLAM算法进行球拍运动轨迹的跟踪，在得到球拍运动轨迹之后，将其输入到计算机，计算机将这个数据用于计算模拟场景中乒乓球的运动轨迹，同时场景中的虚拟人物需要作出相应的反应进行回击，乒乓球此时再飞向用户进行下一回合。可以看到这套系统完全不受天气等室外环境的影响，在室内即可轻松进行体育教学，而且不需要占用太大的面积，相对于真实的运动场景，在室内面积不变的情况下可以容纳更多人进行学习。此外还可以进行难度的设置以及专项练习等，这些只需要对虚拟的模型进行相应的修改即可。

4展望与总结

本文对SLAM技术进行了介绍和分析，并且设计了一套可以在室内进行体育教学的虚拟现实设备，这套设备可以不受环境的影响进行活动且面积很小。但是目前设计的这套设备还存在使用视觉传感器进行位置的跟踪，这会导致计算量大且不够准确的问题，而使用惯性逻辑单元可以获得更快的速度和更高的精度。此外，目前深度学习已经能够对人的动作姿态做比较好的识别，如果能把这些技术融入这套系统中可以获得更好的用户体验，这也将是未来的工作方向。

作者：朱嘉琦 单位：无锡市辅仁高级中学