Как сделать хорошее отслеживаемое изображение для дополненной реальности

Распознавание изображений основано на количестве ключевых точек, которые платформа может найти на загруженном изображении (маркере). Чем больше точек - тем быстрее и стабильнее будет работать трекинг.

Чтобы подготовить хороший маркер обратите внимание на следующие характеристики:

► Высокая контрастность – разница в тонах помогает найти больше точек на изображении. · Пример плохого маркера:

Как можно увидеть — тяжело выделяются различные детали, т.к. контрастные переходы увидеть очень сложно.

· Пример хорошего маркера:

Видны контрастные переходы между объектом и фоном.

► Отсутствие повторяющихся форм или узоров — одинаковые или похожие объекты негативно влияют на распознавание и трекинг. · Пример маркера, где много одинаковых форм и узоров — плохой маркер:

Почему это плохо? На данном изображении очень много угловых точек, но они повторяются, следовательно трекинг будет нестабильным, т.к точки будут путаться между собой. Лучше не использовать подобные изображения.

► Большое количество деталей – чем больше на изображении уникальных элементов, тем лучше оно распознается. · Пример хорошего изображения с большим количеством деталей:

► Распределение особых точек - для качественного трекинга необходимо, чтобы особые точки были равномерно распределены по изображению.

· Пример плохого распределения точек:

Как можно увидеть — большая часть точек распределена в одном углу изображения, что будет негативно сказываться на трекинге.

Есть ли возможность этого избежать, не меняя маркер? Да, можно просто обрезать изображение, или добавить дополнительные элементы, чтобы большая часть точек, находилась не в одном углу маркера, а распределялась по плоскости всего изображения.

· Пример хорошего распределения точек:

► Используйте квадратные и угловатые формы, так как они дают больше ключевых точек, в отличие от круглых объектов. У круглых форм нету резких переходов, поэтому трекинг будет ухудшаться.

· Пример плохой фигуры:

Мы видим, что здесь нет резких переходов, за которые можно "зацепиться". · Хоть у квадрата и 4 угла, которые легко идентифицировать. Такую фигуру не используют по одной простой причине — квадрат симметричен, поэтому, возможность определить ориентацию в пространстве, становится невозможным (попробуйте повернуть квадрат на 90º — ничего не изменилось. В этом заключается проблема этой фигуры, как маркера):

· Пример отличной фигуры — треугольник.

► The Feature - Exclusion Buffer — Буфер Исключения Объекта

Как можно было заметить на изображениях выше — точки проставляются не по всему маркеру. Остается примерно 8% незатронутого пространства (даже учитывая тот факт, что в этой зоне есть объекты, к которым можно было "прицепиться"). Это пространство является буфером исключения — инициализация точек в этой области не происходит.

Можно избежать данную ситуацию, просто добавив белую рамку вокруг будущего маркера (примерно 8% ширины). Изображения ниже иллюстрируют пример плохого и хорошего маркера · Когда нет рамки — теряются драгоценная информация (стоит присмотреться на области, которые находятся близко к краю маркера):

· Если добавить белую рамку — информация не будет потеряна: