# 前言
现在各种增强现实游戏层出不穷，各种MR设备也在持续更新，可以看出将来增强现实领域有很大的发展潜力…
# 效果图（半半成品）
本来是打算做一个AR示例的，不过时间不够了，最近状态也不好，就稍微讲下怎么用 opencv 实现 WebAR 的方向吧
# AR 怎么实现的？
AR，即为增强现实，既然我们要增强现实，那么就要识别并定位现实中的物体，获得相机的坐标，才能准确的展示虚拟画面
那么，计算机是怎么确定两张图片中对应的关系？其实就是通过特征检测，如果匹配成功，则会返回关键点数据
大家看完可以自行查看代码，这里基本不做代码上的讲解
1. 将输入图片转为灰度图
为什么要转为灰度图，当然是为了降维，减少计算量
2. 检查关键点
特征检测有很多种算法，这里我们使用的是 AKAZE
参考链接
3. 匹配关键点
这里使用的是 knnMatch（暴力匹配）
现在我们拿到了关键点的数据，该怎么用呢？其实下一步就是通过关键点估计单应性，什么是单应性呢？有什么用？
4. 查找单应性
在 opencv 中我们是使用 findHomography 这个函数查找单应性的
# 单应性变换有什么用？
-
估计相机姿势以增强现实
-
透视去除/校正
-
图片拼接
知道了它有什么用？那么想必会更加更多大家对它的兴趣
简单的说，单应性矩阵是一个 3x3 的矩阵（投影变换），可以从一个平面上的点转换到另一个平面上
如果我们这一步返回的单应性是无效的，那么就说明两张图像没有匹配成功
参考链接：
- 使用代码解析单应性： https://docs.opencv.org/4.x/d9/dab/tutorial_homography.html#pose_ar
- 仿射和投影变换：https://www.graphicsmill.com/docs/gm5/Transformations.htm
5. 估计相机姿态
这一步需要提前进行相机校准，什么是相机校准？让我们看看下面的图片
相机是存在边缘被拉伸（畸变）的情况的，相机校准就是确定相机畸变系数，以及相机矩阵（包含了像素值，相机焦距），下面是校准后的图像
获得了相机矩阵后，我们就可以通过 solvePnP 函数来估计相机姿态了
参考链接
- 完整的 C++ 代码示例（Chapter3）：https://github.com/MasteringOpenCV/code.git
- 内参和投影矩阵：http://www.info.hiroshima-cu.ac.jp/~miyazaki/knowledge/teche0092.html
# 扩展
1. 计算和匹配关键点是非常昂贵的操作，怎么优化？
答案是使用跟踪算法，我们不必每一次需要去检测关键点，这里推荐稀疏光流
1.1 光流算法是什么？
简单的说就算检测两帧图片中明暗点的移动
1.2 光流有什么好处？
就算目标移出摄像机外，我们任然可以继续跟踪，包括放大缩小操作
参考链接
2. 怎么提高精度
使用手机的陀螺仪，加速度器来实现
参考链接
3. 如何在现阶段使用 WebAR 系统？
当前 cocos 的 AR 正在开发中，但是我们还有第三方选择
easyar（国内）：https://www.easyar.cn/price.html
8thwall（国外）：https://www.8thwall.com/
blippar（国外）：https://www.blippar.com/
# 怎么使用 opencv 开发 Web 程序
- 使用 C++ 在 Visual Studio 上面进行调试，再通过 linux 系统进行发布 wasm 版本
- 直接使用 opencv.js 版本
建议各位不要在 opencv.js 身上浪费时间，因为这货 没有文档，接口不完全一致，属性缺失，我的时间都浪费在 opencvjs 上了
# 1. 怎么在 windows 上编译 opencv?
# 1.1 使用 docker 安装 opencv 的镜像（依赖 WSL 功能，win10 及以上）
# 1.2 创建一个容器
docker run --name 容器名 -p 80:80 -t -d 镜像名
共享文件夹：-v D:/test:/usr/databases
- D:/test：宿主机目录
- /usr/databases：容器机目录
# 1.3 启动容器后参照下面链接尝试编译一个示例项目
https://github.com/EdwardLu2018/wasm-ar
# 代码
文章代码：https://github.com/1226085293/mk_ar_demo
opencv 官方 C++ 示例：https://github.com/MasteringOpenCV/code.git
注意，除了只实现简单的功能外，尽量都不要使用 opencv.js，大坑
我们AR项目的方案