Данная статья посвящена теме разработки и корректуры маркеров для AR-приложений. В настоящей работе отображается процесс взаимодействия с алгоритмом анализа маркеров Vuforia, демонстрируется перечень требований к разработке, а также реализация корректировок таргетов путем графических видоизменений.
Ключевые слова: дополненная реальность, таргет, метка, алгоритм, инструмент, шкала, Unity, Vuforia, AR.
Предметом данного исследования является — перечень требований к созданию таргетов, а также инструментов анализаторов качества, разрабатываемых меток. Качество подготовки меток для проектов с использованием дополненной реальности, в частности для программных продуктов с AR маркерного типа напрямую влияет на опыт, полученный пользователем и его степень погружения. Правильная компоновка элементов маркеров также может повлиять на стабильность работы проекта и в следствии на уровень визуализации контента. Накладываемые посредством компьютерного устройства слои с контентными объектами на изображение реальной среды носят вспомогательно-информативный характер, таким образом, информация, контекстно связанная с объектами с помощью дополненной реальности, становится доступна пользователю в режиме реального времени. [4]
Необходимо изучить и проанализировать критерии для разработки специальных меток, которые в последующую очередь интегрируются в AR-приложение. Каждая мишень должна разрабатываться с учетом определённых рекомендаций. Компания PTC, как передовик индустрии разработала инструмент, который способен проанализировать таргет и показать симуляцию качества захвата мишени. Единицей шкалы этого инструментария, является некая «звезда». Максимально их может быть 5 штук, в следствии показатель, в виде 5 звезд это наивысшее качество проработки таргета. Качество захвата мишени оптическим датчиком устройства, стабильность отображения контента, скорость захвата, работоспособность в низком освещении. На все эти факторы влияет количество звезд, которые отображает инструмент Vuforia.
Чтобы увеличить шкалу качества таргетов, существует определенные критерии, которые выработаны путем проверки более 1000 различных мишеней и выявления закономерностей. [5] На рисунке 1 показан образцовый таргет, который отражает в себе все рекомендации для получения 5 звезд.
Рис. 1. Образцовый маркер
На рисунке 2 показан интерфейс инструмента анализатора, отображающего оценку в 5 звезд. Алгоритм Vuforia предоставляет возможность в режиме реального времени проанализировать любое количество таргетов и в дальнейшем создать базу данных для работы в таких инструментах для разработчика, как, Unity, XCode, AndroidStudio. [1]
Алгоритм обработки таргетов позволяет провести анализ мишени и выявить узлы деталей, которые влияют на шкалу качества, в режиме онлайн. Узлы контурных соединений отображается желтыми крестами, их плотность повышает вероятность получения дополнительной единицы шкалы.
Рис. 2. Интерфейс инструмента с узлами контурных соединений
Целью изучения работы алгоритма инструмента компании PTC, как анализатора таргетов, является выявление определенных критериев по улучшению меток. Следующим этапом будет использование тестовой метки, пропущенной через анализатор Vuforia. Из отчета инструмента, который показан на рисунке 3, можно сделать вывод о качестве пригодности данного изображения, как элемента в приложении с технологией дополненной реальности.
Рис. 3. Тестовая метка с нулевым показателем
В данном примере анализатор показывает оценку 0 «звезд». Включив расширенный режим инструментария, можно увидеть узлы контурных соединений. Как следует из показателей расширенного режима, количество узлов катастрофически мало для использования в AR-сценах. Сравнив таргет с показателем 0 с таргетом у которого показатель 5, можно выявить закономерность определенных спецификаций, которые влияют на количество «звезд» шкалы. [3] Вернувшись к рисунку 2 и, обратив внимание на показатели расширенного режима, можно сделать вывод, что геометрия, полигональность и количество фигур с закрытым периметром, обладающих углами, а также их плотность относительно площади всей мишени влияет на показатели шкалы.
Следующим этапом в улучшении и модернизации таргета, является работа над цветом. Механизм определения «звездности», наилучшим образом способен обрабатывать мишени, обладающие высоким значением контрастности. В результате анализа алгоритма Vuforia были выявлены критерии улучшения таргетов с низким показателем шкалы, для использования в AR-сценах.
Для исправления таргета с низким показателем звездности необходимо добавить элементов, которые помогут алгоритму определить больше контурных узлов. На рисунке 4 показан таргет с дополнительными узлами для более точной работы Vuforia-среды.
Рис. 4. Таргет с дополнительными узлами и цветовой корректировкой
Для более подробного изучения узловых соединений можно перейти в интерфейс расширенного режим анализатора изображений. Степень восприимчивости метки оптическим сенсором относительно уровня оценки анализатора можно сформулировать, разделив на пять уровней.
Уровень 1, когда анализатор отображает 0 или 1 показатель. Исходное изображение, предназначенное для использования в качестве метки, приведет к низкому качеству визуализации по причине малого количества объектов и низкой контрастности.
Уровень 2, когда анализатор отображает показатель 2. При изменении фона у изображения из уровня 1 на более контрастный позволит повысить рейтинг, поскольку на изображении можно найти более контрастные элементы. [2] Тем не менее уровень 2 является неудовлетворительным для оптических датчиков и категорически не рекомендуется к применению.
Уровень 3, когда анализатор отображает показатель 3. Показатели анализатора увеличиваются путем изменения контрастности определенных слоев в зависимости от геометрии объектов и корректировкой яркости нужных элементов. При этом получается средний результат, что приводит к уместным показателям стабильности для визуализации сцен в дополненной реальности.
Уровень 4, когда анализатор отображает показатель 4. Подавляющее большинство, применяемых таргетов обладают именно этим показателем, при попадании 40 % маркера в область сканирования, сцена подгружается.
Уровень 5, когда анализатор отображает показатель 5. Метки при проверке, отображающие такой уровень, идеально подходят для использования в сценах дополненной реальностью. При любом освещении и попадании хотя бы 20 % таргета в область оптического датчика, сцена будет визуализироваться.
Проведя работу над редактурой и изменением графической метки, можно сделать ряд определённых выводов. На качество реализации таргета влияют определенные параметры, такие как количество полигональных элементов, контрастность необходимых слоев и яркость определенных областей. Корректировка вышеуказанных параметров позволит подготавливать метки и повышать их качество для более стабильной работы визуализаций в сценах дополненной реальности.
Литература:
1. Optimizing Target Detection and Tracking Stability // Vuforia Engine Developer URL: https://library.vuforia.com/content/vuforia-library/en/articles/Solution/Optimizing-Target-Detection-and-Tracking-Stability.html (дата обращения: 25.03.2019).
2. Баулин Иван Николаевич Слои для браузера дополненной реальности // International Journal of Open Information Technologies. 2013. № 7. URL: https://cyberleninka.ru/article/n/sloi-dlya-brauzera-dopolnennoy-realnosti (дата обращения: 25.03.2019).
3. Кравцов А. А. Исследование и разработка методик и алгоритмов интерактивной визуализации средствами дополненной реальности // Научный журнал КубГАУ — Scientific Journal of KubSAU. 2015. № 113. URL: https://cyberleninka.ru/article/n/issledovanie-i-razrabotka-metodik-i-algoritmov-interaktivnoy-vizualizatsii-sredstvami-dopolnennoy-realnosti (дата обращения: 25.03.2019).
4. Многослойное представление информации (дополненная реальность) // РВК Институт развития Российской Федерации URL: https://www.rvc.ru/upload/iblock/e44/201212_market_reality.pdf (дата обращения: 25.03.2019).
5. Яковлев Б. С., Пустов С. И. Классификация и перспективные направления использования технологии дополненной реальности // Известия ТулГУ. Технические науки. 2013. № 3. URL: https://cyberleninka.ru/article/n/klassifikatsiya-i-perspektivnye-napravleniya-ispolzovaniya-tehnologii-dopolnennoy-realnosti (дата обращения: 25.03.2019).
