开发增强现实（AR）教程——识别图的那些坑

第一期：Vuforia识别图的那些坑

一、Vuforia的图片识别机制

大学时学习的是计算机科学的数字媒体方向，图像处理粗略接触过，对于Vuforia的图片识别机制，只能大概讲一下步骤和猜想，无法给出细节的东西。

1、服务器对上传图片进行灰度处理，图片变为黑白图像；

2、提取黑白图像特征点；

3、将特征点数据打包；

4、程序运行时对比特征点数据包。

二、对Vuforia来说什么是稳定的识别图？

根据上面的识别机制，不难推测出稳定识别图的特质。

1、图片应避免大面积色值相近的相邻色块，否则一经灰度处理，整张图都糊了，撞色的图片设计能够使灰度处理后的识别图仍保有清晰的分界线。可以看看下面图片（左为原图）的对比，看似复杂的图片，色值一相近就跪了，识别特征0颗星。

2、仔细观察下图（左为原图）特征点，他们大都集中相邻色块的分界线，所以撞色很重要，但如果不是这种纯色块的图案，那么线条较粗，拐点也比较多的图片效果也会很好（比如粗体汉字就可以极大提升识别点数量）。

三、经验之谈

识别图除了影响识别效率，还影响着Imagetarget下物体的显示效果，比如图片识别特征点3颗星或以上，但显示的物体还是会不停的小幅度抖动。出现这种情况的原因可能是：

1、特征点分布不均匀，可能左下角大量特征点挤在一起，右上角的特征点确零散的分布。

2、显示的物体离识别图的中心太远，如果物体能正好在识别图特征点分布较多教均匀的位置，且贴近识别图，那么可以很好的解决抖动。

巴特西