根據(jù)式(1)，c=(0，1，…， )其中開始點為隨機選擇的。實驗證明，隨機選擇的效果比固定選擇，如邊界的情況要好一些。算法采用定值型的邊界。保障演化運算不超過矩形空間。

　　2．2 演化規(guī)則

　　(1)先判斷是否是邊緣點。由邊緣定義可知，如果某一點狀態(tài)與其近鄰點中大部分點 的狀態(tài)相異 ，就是梯度變 化明顯，那這個點就可以認為是邊緣點，否則就認為是背景點，也就是非邊緣點。基于此理論，按如下規(guī)則來判斷邊緣點位置。

　　(2)判斷是否是邊 的點，可 以有兩種判 斷方 法，從 圖 1可知，標記是由一個固定寬度的正方形構(gòu)成的。設標記的寬度為d，黑色標記帶的寬度為n，則可用如下的規(guī)則判斷是否是正方形邊上 的點。即必須是邊緣點并且滿足連續(xù) x或 Y方向上n個都是邊緣點?；蛘邼M足連續(xù) x或 Y方向上 d個都是同等灰度的。如 式(4)和(5)表示

(3)判斷是否是頂點，如是頂點必須滿足是邊上的點并且滿足連續(xù) x或 Y方向上n個都是 同等灰度的。如式(6)所示

　　(4)內(nèi)部特征點必須滿足是邊緣點且不是邊點，如下

　　(5)系統(tǒng)結(jié)束條件是非常重要的，不然根據(jù)現(xiàn)在對 CA的研究，是很容易陷入混沌狀態(tài)的 。所以必須設置結(jié)束條件，根據(jù)應用，結(jié)束條件是找到所有頂點并且特征點的數(shù) 目滿足特 征識別 的要求 。如下所示：

　　3 實驗結(jié)果

　　ARTOOLKIT是一種高效的AR開發(fā)平臺。其標記識別采用傳統(tǒng)方法，作者利用這個平臺，改寫了標記識別部分的算法，取得了較好的效果。在同一背景和相同PC及相機的情況下， 比較實驗結(jié)果如表 1、表 2，以及圖4、圖5所示?？梢姴捎?CA模型的系統(tǒng)在識別效果很好的情況下實時性有了很大提高。

　　4 結(jié)束語

　　CA方法由于采用了二值運算，并且演化步驟有限，因此算法的效率是很高的，能夠較好的滿足AR系統(tǒng)實時處理的要求，可預留更多的時間給渲染程序。當然，由于 CA在AR中的應用才剛剛起步，CA算法應該還可以應用在AR系統(tǒng)的很多地面，如坐標系變換、光照處理等，這些還有待進一步的研究。