運用擴增實境技術建立數位學習環境
•Download as PPT, PDF•
5 likes•3,040 views
隨著擴增實境技術日趨成熟，為了製作更活潑的數位教材或建立更有效率 的數位學習環境，運用擴增實境技術建立數位學習環境之應用與日俱增。目前 相關應用大部分均侷限在有標記(marker) 擴增實境技術， 但無標記 (markerless)擴增實境技術使用上更具彈性，不必受限於標記的使用，應用層 面更廣。 視訊追蹤技術是擴增實境重要底層核心技術之一，故在實際應用上會受周 邊環境光源、辨識圖樣角度、影像解析度、辨識圖樣材質等4 項因素影響。另 外，在「無標記擴增實境數位學習系統」相關應用中追蹤物件的複雜度及移動 速度更會影響追蹤辨識效果，因為好的物件辨識與追蹤效能，學習者在操作系 統時，才可以隨心所欲的移動辨識的物件，以增加系統的實用性。 本論文主要提出如何運用擴增實境的技術來製作數位教材及建立數位學習 環境，並分析現有運用在「無標記擴增實境數位學習系統」追蹤技術的限制因 素，進而提出能追蹤各式真實物件及降低物件移動速度對物件追蹤影響之無標 記物件追蹤技術。本文所提之方法就技術層面而言能提昇無標記擴增實境的實 用性及普及性；就應用層面而言可瞭解製作擴增實境數位教材及實現數位學習 環境相關問題。例如運用於國軍軍事裝備維修上，將有效降低人員訓練時間成 本及迅速維修提昇裝備妥善率；用於軍中的戰術教學，將使內容更加生動，以 提昇學習者之學習興趣。 關鍵字：有標記擴增實境，無標記擴增實境，數位學習，虛擬實境，特徵追蹤 作者：李正豪
![大綱 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],08/16/11 National Defense University - Department of Computer Science.](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recommended
More Related Content
What's hot
Viewers also liked
Viewers also liked (20)
Similar to 運用擴增實境技術建立數位學習環境
Similar to 運用擴增實境技術建立數位學習環境 (18)
運用擴增實境技術建立數位學習環境
- 1. 學 校 ：國 防 大 學 系 所 ：資 訊 科 學 系 指導教授 ：王 順 吉 老 師 報 告 人 ：李 正 豪 報告時間 ： 100 年 05 月 09 日
- 3. 研究動機 National Defense University - Department of Computer Science. 08/16/11 没有 Marker? 那為什麼要使用無標記呢 ?
- 9. 數位學習起源 08/16/11 National Defense University - Department of Computer Science.
- 10. 數位教材種類 08/16/11 National Defense University - Department of Computer Science.
- 11. 數位學習的新趨勢 圖片摘錄自 ： http://www.i-tlog.com/lemonadeplease/entry/2010 數位學 習 科技趨勢分析 08/16/11 National Defense University - Department of Computer Science.
- 13. 何謂擴增實境 在 1994 年 Milgram 將真實 場景與 虛擬 實境 之間的變化程度， 提出了「真實 - 虛擬連續性 (reality–virtuality Continuum) 」 理 論 ，為擴增實境與虛擬實境做了有所區別。 圖片摘錄自： Michael Haller el. ，“ Emerging Technologies of Augmented Reality : Interfaces and Design” ， Idea Group Publishing ， U.S.A ， 2007 08/16/11 National Defense University - Department of Computer Science.
- 15. 擴增實境 運作步驟 08/16/11 National Defense University - Department of Computer Science. 載入 追蹤辨識 定位疊加 顯示
- 16. 擴增實境之類別 標記 (Marker) 08/16/11 National Defense University - Department of Computer Science. 無標記 (Markerless)
- 22. 現有開發平台分析 08/16/11 National Defense University - Department of Computer Science. ARToolKit D’Fusion Unifeye Design
- 23. 影響追蹤辨識因素分析 08/16/11 National Defense University - Department of Computer Science.
- 30. SIFT National Defense University - Department of Computer Science. 08/16/11
- 35. 特徵點描述 National Defense University - Department of Computer Science. 08/16/11
- 38. SIFT 與 SURF 差異 National Defense University - Department of Computer Science. 08/16/11 項目 SIFT SURF 特徵點 擷取 運用 不同尺度 的 差異高斯金字塔 。 運用 積分圖像 及 改變 Hessian 偵測 子 的遮罩大小 ，來 改變影像的 尺度空間。 特徵點 方向 先計算特徵點 週邊像素梯度強度 後，在 運用直方圖確認其主要方向 。 以 特徵點為圓心 ，取半徑為 6σ 的圓形，在 以 60 度扇形視窗 統計 Haar 的一階導數值 (dx 與 dy) ， 最大加總值的掃描角度 作為其特徵的主要方向。 特徵點 描述 以特徵點為中心，取 8 ＊ 8 的窗口。然後在每 4 ＊ 4 的區域中，計算 8 個方向的特徵點，計有 2 ＊ 2 ＊ 8=32 維的 SIFT 特徵向量，建議將原窗口改為 16 ＊ 16 的，故 原 32 維的 SIFT 特徵向量，會變為 4 ＊ 4 ＊ 8= 128 維的 SIFT 特徵向量。 以 特徵點為中心 取 20 σ 大小的正方形區域 ，並 以 每 5 σ 為 子區域 ，共 16 個子區域 。 在 子區域 中進行以邊長為 2 σ 大小 ， 計算 Haar 一階導數值 (dx 與 dy) ，每個子區域內共計算 25 次 ， 組 成 4 個加總值表示向量 ，此 16 個子區域的特徵向量形成描述該特徵點的 4 ＊ 4 ＊ 4= 64 維度的特徵描述子。 (x,y-1) (x-1,y) (x,y) (x+1,y) (x,y+1)
- 41. 移動物件偵測—光流法 08/16/11 National Defense University - Department of Computer Science. 光流法 (Optical Flow Method) 的原理，簡單 的說 ，光流法就是 藉由偵測光線強弱的變化來進行偵測移動物件。
- 42. 移動物件偵測—時序差異法 08/16/11 National Defense University - Department of Computer Science. 影像 K-1 影像 K 物件變動位置 差異影像 時序差異法 (Temporal Differencing ）的原理， 簡單 的說 利用連續 2 幅 至 3 幅的影像做 1 對 1 的像素相減 ， 若 兩者差異不為零則為 移動 物件。
- 43. 移動物件偵測—背景相減法 National Defense University - Department of Computer Science. 08/16/11 背景相減法 (Background Subtraction) 的原理 ： 1. 運用幾秒的連續影像建立初步背景 2. 在以目前影像與背景影像比較， 3. 符合條件為背景，反之為 移動 物件。
- 47. 座標轉換 08/16/11 National Defense University - Department of Computer Science. 其中 K 為相機校正矩陣公式 ： C x 與 C y 分別代表 x 與 y 上的偏移量 。 f x 與 f y 分別代表 x 與 y 含比例參數的座標點 。 物理意義上的像素也不一定是矩形， s 則代表 X 軸與 Y 軸的歪斜參數。 轉換公式： Q 為世界座標系統三維座標點，而世界座標系統三維座標點與相機座標系統相對三維座標點的關係，可由位移轉換 t 與旋轉轉換 R 來表示。 公式中：
- 51. 物件複雜度 08/16/11 National Defense University - Department of Computer Science.
- 52. 追蹤物移動速度 08/16/11 National Defense University - Department of Computer Science.
- 54. 無標記擴增實境視覺追蹤技術 08/16/11 National Defense University - Department of Computer Science. 原始 視訊 灰階 視訊
- 60. 疊加 3D 物件 National Defense University - Department of Computer Science. 08/16/11
- 63. 實驗結果 National Defense University - Department of Computer Science. 08/16/11
- 69. 實驗 2— 影片 National Defense University - Department of Computer Science. 08/16/11
- 76. 報 告 完 畢 謝 謝 聆 聽 08/16/11 National Defense University - Department of Computer Science.
Editor's Notes
- 這段影片有關於擴增實境運用在數位學習教材上，影片中…… 隨著擴增實境技術日趨成熟，為了製作更活潑的數位教材或建立更有效率的數位學習環境，運用擴增實境技術建立數位學習環境之應用與日俱增。目前相關應用 大部分均侷限在有標記 (marker) 擴增實境技術，但 無標記 (markerless) 擴增實境技術 使用上更具彈性 ，不必受限於標記的使用，應用層面更廣。 因為學習者在操作系統時，才可以隨心所欲的移動辨識的物件，增加系統的實用性。
- 本文 主要目的是在於提出如何運用擴增實境的技術製作數位教材及建立數位學習環境，並 對現有運用在「無標記擴增實境數位學習系統」追蹤技術的限制因素來進行分析，進而 提出能追蹤各式物件技術及降低物件移動速度對物件追蹤之影響。
- 本章首先對數位學習介紹，接著介紹何謂擴增實境，然後介紹現行無標記擴增實境追蹤技術分析與影響無標記追蹤技術的因素，最後對物件偵測與追蹤相關技術進行介紹。
- 本節首先介紹數位學習緣起，接著說明數位教材在數位學習的重要性及其分類，最後介紹未來影響數位學習及教材的技術。
- 根據 資策會 在「數位學習最佳指引 - 數位學習概論」書中所提 到， 「數位學習 (e-Learning) 」最早係由一位美國數位學習大師 Jay Cross 於 1999 年率先提出 ， 其後 美國訓練與發展協會 及 網路科技公司思科 分別 提出相關定義 如下： 數位學習與傳統學習的差異： 然 數位學習與傳統課堂教學的環境並不相同，傳統課堂教學 是 以授課老師口頭講授為主，教材為輔 ， 數位學習則以教材為主，由學習者主動學習，故數位學習的教材製作設計，就相對顯的相當重要 ， 吳 聲毅 學者 在「數位學習觀念與實作」書中 ，依教材呈現的方式不同， 將數位學習教材區分為下列 5 類：
- 而 在 2010 年美國新媒體聯盟 (The NEW MEDIA CONSORTIUM) 和主動學習教育機構 (EDUCASE Learning Initiative) 提出 在 未來五年 影響 數位學習科技發展 6 項技術預測 網頁式教材 這類教材是我們一般最為常見的數位教材，其將傳統課堂上的教材以網頁方式呈現，並加入多媒體（如動畫、圖片、 Flash 等） 演講式教材 這類教材主要是以投影片的呈現為主，在播放投影片時，可以同步錄製解說視訊或音訊 。 模擬式教材 這類教材主要是錄製電腦螢幕的畫面為主，輔以相關書寫或繪畫工具，將螢幕當成一個黑板進行教學，製作也非常簡單。 視訊式教材 這類教材主要是透過攝影機（如 DV 、 Web Cam 等）錄製教材，且經過視訊編輯軟體，將相關素材加以整合、加入旁白字幕等。 電子書教材 這類教材主將各式資料或圖書數位化，並可透過電腦、 PDA 、手機或電子書閱讀機來供人閱讀 。
- 而 在 2010 年美國新媒體聯盟 (The NEW MEDIA CONSORTIUM) 和主動學習教育機構 (EDUCASE Learning Initiative) 提出 在 未來五年 影響 數位學習科技發展 6 項技術預測 ， 如下圖： 文章中指出 因 「行動運算」可以提供人們隨心所欲在任何地方上網，而「擴增實境」可以學習者有身歷其境的感受，逹到快速且有效的學習。 所以在數位學習結合擴增實境可說是未來的趨勢。接下來介紹擴增實境，由於這個部份前一位同學，已經介紹許多，所以學生僅做摘要介紹。
- 接下來介紹擴增實境，由於這個部份前一位同學，已經介紹許多，所以學生僅做摘要介紹。
- 在 1994 年 Milgram 將真實 場景與 虛擬 實境 之間的變化程度，提出了「真實 - 虛擬連續性 (reality–virtuality Continuum) 」 理 論， 為擴增實境與虛擬實境做了有所區別 。
- 由於擴增實境是真實環境與 3D 虛擬物件結合，故 最底層技術為「影像處理」領域的「追蹤及辨識 (Tracking and Registration) 」 負責辨識物件及追蹤物件位置 ，「電腦圖學」領域的「 3D 物件顯示技術 (Display Techniques) 」和「渲染 (Rendering) 」 負責將 3D 虛擬物件繪製整合圖形於物件相對位置上。 第二層由「人機互動控制 (Interaction devices and techniques) 」、「展示 (Presentation) 」 及「創作 (Authoring) 」所組成， 負責使用者與擴增實境互動部份，如人機操作介面、擴增實境的劇本創作等，而現今虛擬實境的研究大多已經邁向此階段。 第三層為「應用層 (Application) 」，透過擴增實境相關技術，有效的將結果呈現在使用者面前， 第四層為「使用者 (User) 」。
- 擴增實境技術基本運作可分為四大步驟 。 1. 首先從攝影機輸入影像 ( 載入 ) ； 2. 接著擷取特定物件或標記，並分析圖標的角度及位置 ( 追蹤辨識 ) ； 3. 再來是載入及疊加 3D 物件 ( 定位疊加 ) ； 4. 最後將 3D 影像顯示於螢幕上 ( 顯示 ) 。
- 前一位同學有提及擴增實境分為 「有標記」 及 「無標記」 等二類 。 而 有標記代表，必須經由特定標記、圖樣供系統辨識及定位，而其標記的圖樣如圖 所示。 無標記代表，不須為特定標記、圖樣來辨識及定位， 由 使用者喜好自行設計圖樣或使用真實物件來進行辨識及定位。
- 2009 年德國 斯圖加特大學 (Universit Stuttgart) Andre´ Buchau 等人 [14] 運用擴增實境可視化特性，將人眼無法看見的電磁場模擬出來，這樣的技術運用在電磁學教學上，可以使得學生輕鬆瞭解其特性及物理現象，如圖 2.10 所示。
- 在 2005 年紐西蘭坎特伯 雷 大學 Trond Nilsen 及 Julian Looser 等人 [15] ， 運用 Marker 設計出可 2 人以上同時操作使用的擴增實境坦克大戰遊戲，這項技術若引進至軍方，運用在爾後軍中的戰術教學部份，相信更可提昇學習者的學習興趣。
- 最後 在 2009 年美國哥倫比亞大學的 Steve Henderson 和 Steve Feiner 與美國海軍陸戰隊配合 [16] ， 將擴增實境的技術運用在維修裝甲運兵車 ， 繁複的維修作業中，透過擴增實境技術的幫助，使用者可以藉由頭戴顯示器 (HMD) 快速獲知維修機器時所需的資訊，逹到快速維修節省時間、人力的目的。 擴增實境的技術運用在軍事裝備維修上，除可以有效降低人員訓練時間及成本外，另外亦可迅速指引維修人員進行裝備檢修。
- 從前擴增實境基礎架構所述， 最底層技術為「影像處理」領域的「追蹤及辨識 (Tracking and Registration) 」 ，所以接下來將對相關的追蹤技術進行說明。
- 本節將對現有無標記擴增實境開發平台進行介紹，接著對影響追蹤技術因素進行分析。
- 由於現今 擴增實境大多數的開發平台均有支援「有標記」，而支援「無標記」的開發平台不多，以下僅對無標記的開發平台來進行介紹： ARToolKit ：在無標記的時候，辨識影像時依然需要傳統標記當作辨識參考。 D’Fusion ： 受到物件本身的複雜度有有所限制， 複雜度越高追蹤、辨識效果越好 。 Unifeye ：運用侷限於故事書圖本製作。
- 接下來我們在介紹物件追蹤與偵測相關技術
- 擴增實境運作步驟原理的四大步驟，「載入」、「追蹤辨識」、「定位疊加」及「顯示」，其中追蹤辨識部份，主要運用「移動物偵測」相關方法將物件從影像中分離出來，進一步在運用「物件追蹤」 、「物件特徵擷取」 相關方法進行持續追蹤，而「定位疊加」部份將運用「 座標轉換 」方法取得物件所在位置之座標，最後才將虛擬物件疊加在追蹤物件的座標位置上。
- 在講追蹤之前我們要先思考一下， 操作擴增實境時要有那些基本需求？ 為了增加系統的實用性，在實際 運用中 所以 物件會隨著不同的需求 ，讓物件 旋轉、尺度縮放及仿射變化等等 。 另 外 要如何 控制 3D 虛擬物件方向性。 在有標記環境中，經由標記的特殊設計方式，可以控制 3D 虛擬物件方向性，而在無標記的環境中物件本身的方向性，則需自行定義 。
- 局部性特徵 內的不變特徵
- 接下來快速介紹對 SIFT 與 SURF
- X 點為周圍 26 個點中的最大值或最小值 ( 上一層 9 個鄰近點、同一層 8 個鄰近點與下一層 9 個鄰近點 ) ，則該點即判定為特徵 興趣 點
- 有關這個 SIFT 及 SURF 性能的差異後續會為各位委員介紹
- 擴增實境運作步驟原理的四大步驟，「載入」、「追蹤辨識」、「定位疊加」及「顯示」，其中追蹤辨識部份，主要運用「移動物偵測」相關方法將物件從影像中分離出來，進一步在運用「物件追蹤」 、「物件特徵擷取」 相關方法進行持續追蹤，而「定位疊加」部份將運用「 座標轉換 」方法取得物件所在位置之座標，最後才將虛擬物件疊加在追蹤物件的座標位置上。
- 移動物偵測為我們進行移動物件偵測中的首要步驟，其主要作用為將移動物件 ，換句話說是對輸入影像進行前處理，以利我們進行接下來移動物件偵測的流程，然根據運動偵測技術的不同，常見的移動物件偵測追蹤方法有三類，分別是光流法 (Optical Flow Method) 、時序差異法 (Temporal Differencing) 與背景相減法 (Background Subtraction)[19] 。
- 光流法 (Optical Flow Method) 係運用連續影像中，圖像像素的亮度變化，來找出影像中的光流場 (Optical Flow Field) ，再藉由光流場來估計移動物體的運動向量後進行特徵匹配，簡單來說，光流法就是藉由偵測光線強弱的變化來進行偵測移動物件。
- 時序差異法（ Temporal Differencing ）的原理，就是利用連續二幅或三幅的影像做一對一的像素相減，若是兩者差異不為零，則為前景物件。 缺點是在於 無法取得完整的前景物件。
- 背景相減法 (Background Subtraction) 的原理，係先行運用幾秒的連續影像來建立初步背景，背景建立完成後，在以目前影像與背景影像比較，符合背景條件的則判定為背景，反之判定為前景既為 移動 物件 ，但由於其因在判定時完全參照背景影像，故在動態場景光線或背景改變時易形成誤判；另外其優點在於運算快速，且可擷取到完整的前景物件。
- 從上述 3 種方法中， 背景相減法需先行運用一段時間影像建立背景，所以前置準備作業較長 。 時序差異法 問題 在於無法擷取完整的前景物件 。 其中「金字塔 L-K 光流法」可以僅對部分區域光流場進行分析計算，計算上相對更顯快速簡單， 再搭配其他特徵點尋找的方法 ( 如： SIFT 、 SURF 等等 ) ，即可達成物件追蹤辨識 ，適合我們在「無標記擴增實境數位學習系統」上開發出追蹤各式物件技術。
- 1. 亮度不變性： 以灰階影像而言，其意義為一物體的亮度不會在相鄰二幅影像中出現巨大的變化。 2. 時間連續性： 假設一物體在即時相鄰二幅影像中移動距離是很微小，然由於實際上在即時環境下 1 秒為 15 至 30 張圖像，故物體在相鄰二幅影像中所移動距離並不會移動過大。 3. 空間一致性： 畫面中相鄰的點屬同一物體平面，則會有相似的移動，在影像內不會距離太遠。 金字塔 L-K 光流法 ，追蹤時先從低解析度的影像開始追蹤，在到追蹤高解析度影像來追蹤，這樣透由計算低解析度的移動矩離來對應回至高解析度的矩離，如此便可來解決其移動離過大的缺點。
- 由於在 3D 物件要在螢幕上與現實場景結合，而螢幕上的影像平面為 2D 座標，故必需將 3D 圖形投影成 2D 圖形，並運用一些 3D 效果，讓 2D 圖形看起來有 3D 感覺。轉換公式，而攝影機的參數矩陣計算採用 1997 年 Heikkila 和 Silven 的方法 。
- 影像處理領域的追蹤及辨識是擴增實境底層核心技術之一，如 2.3.2 節所述當在進行影像追蹤、辨識及定位時，會受「環境光源」、「辨識圖樣角度」、「影像解析度」、「辨識圖樣材質」等 4 項基礎因素影響，而就本文所提運用「無標記擴增實境數位學習系統」能即時追蹤各式真實物件技術下，考量使用環境大都為室內，且影像解析度基本要求為 640 ＊ 480 ，故受「環境光源」及「影像解析度」影響較為不大，而辨識物件本身複雜度會受「辨識圖樣角度」及「辨識圖樣材質」影響；另移動速度快慢在視覺追蹤中會影響追蹤效能，故本節對「物件複雜度」及「物件移動速度」影響追蹤效果進行說明。
- 當在進行影像追蹤 等 4 項基礎因素影響 而就本文所提運用「無標記擴增實境數位學習系統」能即時追蹤各式真實物件技術下，考量使用環境大都為室內，且影像解析度基本要求為 640 ＊ 480 ，故受「環境光源」及「影像解析度」影響較為不大，而辨識物件本身複雜度會受「辨識圖樣角度」及「辨識圖樣材質」影響；另移動速度快慢在視覺追蹤中會影響追蹤效能，故本節對「物件複雜度」及「物件移動速度」影響追蹤效果進行說明。
- (a) 為低複雜度物件，以及 SURF 之方法所找到之特徵點， (b) 為高複雜度物件，以及 SURF 之方法所找到之特徵點。
- 圖中 (a) 為設定追蹤物件； (b) 及 (c) 以正常速度移動物件時，則都可順利追蹤物件； (d) 為當物件快速移動時，則因移動速度太快，導致追蹤誤判。
- 本文預計開發出 運用於 「無標記擴增實境數位學習系統」 中可 追蹤各式物件 ，且 效能高、速度快 追蹤 技術。 研究方法 主要分為三步驟：物件偵測、物件追蹤、設定 3D 物件及定位顯像 首先 運用 物件偵測 方法 ，擷取出移動物件， 接 著運用 物件追蹤 技術 ，持續 追蹤 物件， 最後利用 定位顯像 技術 ， 將 座標轉換及疊加 3D 物件於追蹤物件上。 從攝影機獲得影像一般為 RGB 色彩模型，然為逹到快速偵測移動物件，通常將色彩空間轉換為灰階，以降低維度計算，增加運算效率，轉換公式如 下：
- 1. 首先對框選物件影像擷取特徵點，並設定 3D 虛擬物件所相對方向。 2. 從 SURF 所獲 64 維特徵點資訊中提取得其在影像中相對座標。 3. 將物件影像特徵點座標，提供給下一流程，進行物件追蹤。 4. 最後框選物件影像特徵點提供給後續流程比對判斷用。
- 操作擴增實境時要有那些基本需求？ 為了增加系統的實用性，在實際 運用中 所以 物件會隨著不同的需求 ，讓物件 旋轉、尺度縮放、亮度、視角及仿射變化等等 。 另 外 要如何 控制 3D 虛擬物件方向性。 在有標記環境中，經由標記的特殊設計方式，可以控制 3D 虛擬物件方向性，而在無標記的環境中物件本身的方向性，則需自行定義 。
- 本流程主要目的為偵測出移動區域，縮小影像匹配區域，節省 比對 匹配時間，而方法將採用 「金字塔 L-K 光流法」 來縮小影像匹配區域 。
- 特徵匹配 為使用 SURF 作者於文中 所 使用 R-d tree 運用 RANSAC 演算法去除匹配錯誤特徵點 最後由於後續在座標轉換時，需至少 4 點特徵點計算投影矩陣，故條件限定當特徵點高於 4 點時判定為成功並將相關資訊傳至下一流程，反之，判定為失敗，若連續 5 張失敗則以擷取全螢幕特徵點，在重新進行匹配比對。
- 在獲取移動物件在影像中的相對位置後，而螢幕上的影像平面為 2D 座標，需先行將座標轉換，俾利後續 3D 物件的疊加，故其流程分為「座標轉換」及「疊加 3D 物件」等 2 項，
- 3D 虛擬物件融入真實環境中， 我們必須將其仿效攝影機擷取影像的原理 來運作， 首先 要令 3D 虛擬物件有三維空間呈現效果，必須 將 3D 物件透過相關的幾何座標轉換轉成可接受座標，再利用投影變換矩陣將其影像轉換成二維影像 ， 最後 將 運用視角變化來決定哪些影像 ， 將疊加真實環境 上，並 呈現 於在 顯示設備。
- 表內物件順序係依 SURF 特徵點比值由小至大排列，特徵點比值 (Fr) 為 4.2.1 節內所計算結果，平均匹配特徵點數，為目標影像與全域影像特徵點成功匹配結果，匹配張數為 540 張影像中匹配成功的結果，而其限制條件在考量後續在座標轉換時，需至少 4 點特徵點計算投影矩陣，故條件限定當特徵點低於 4 點時，就判定為匹配失敗，反之，則判定為成功，平均匹配時間為計算 540 張每張所需時間。
- 對匹配影像全域擷取特徵點後，與目標影像特徵點一一比對，然而當匹配區域越小相對匹配時間，可縮短幅度越大，但若縮小影像大小，則所獲得特徵點相對越少不利於後續追蹤匹配，故若配合光流法在獲得移動區域後，可以有效降低匹配區域大小而不是縮小影像大小，應可縮短匹配時間，且並不會減少匹配點，對後續追蹤可更加有利 。 物件本身材質易受光線變化影响，造成物件過暗或過亮，導致擷取特徵點時數量產生變化 其中 SIFT 亮與暗特徵點數量差約 1 倍，而 SURF 特徵點數量差約 4 倍，故物件材質及光線均會影響 SIFT 及 SURF 匹配結果。
- 環境時，辨識物件本身複雜度及移動速度會影響追蹤效能，致使真實物件與 3D 虛擬物件無法結合，另使用者在操作時，物件會隨著不同的需求而有所旋轉、尺度縮放、亮度、視角及仿射變化，如何控制 3D 虛擬物件方向性等問題均需一一克服，方能實現「無標記擴增實境」環境。