【AR小學堂】AR擴增實境製作教學「概念應用篇」(一)!

【AR小學堂】AR擴增實境製作教學「概念應用篇」上篇!

 

承接上一次的【AR擴增實境製作教學「概念篇」】

今天主要教授的AR擴增實境內容為「概念應用」,讓一些剛懂得何謂AR/VR的朋友們,能夠再更深入的了解目前市面上的應用,是基於哪一個概念、原理所成型的!

【圖像追蹤(Image Track)】
目前在市場上最為普遍的AR應用,即為「圖像追蹤(Image Track)」,也就是常常看到有人透過手機對一張2D圖片進行掃描的應用模式,而這也是AR擴增實境裡面最基礎、也最穩定的AR效果。

首先,須先讓程式去認識所需對應的圖片,進行所謂的「特徵點(Feature Points)」比對,透過比對特徵點(Feature Points)所獲得的判斷標準,才能判斷所對應的圖片是否屬實。

接著,再進行2D圖片在虛擬環境中進行「梯形修正(Keystone adjustment)」,計算出虛擬環境中的3D空間與真實世界兩個空間的角度差值,如此一來,程式才會知道該如何呈現「開發者」想要表現出來的AR特效樣貌。

【臉部追蹤(Face Track)】
再來是2D影像的「追蹤臉部(Face Track)」,這是目前市場上最受注目的項目之一,主要是藉由大量的臉部特徵點(Feature Points)資料庫,進行類似上述「圖像追蹤(Image Track)」那樣的執行順序,來作為AR擴增實境的表現。

但比較不同的地方,是「特徵點(Feature Points)不再只是單純的整個圖像的抓取而已,而是會特別設定幾個主要基準特徵點(Feature Points)來做持續校正,像是人類臉部上的瞳孔、眉毛、鼻孔、嘴唇、外圍輪廓..等等都是主要基準特徵點。

其實,臉部辨識上最大的難度就是一開始就要累積不同人臉的資料庫,作為基礎五官判斷的基準,此外,還必須加入「深度學習(Deep Learning)」來作為穩定系統的技術。
備註:像是「Snow」就是臉部辨識 AR APP的一個應用案例。

老耿強調

不孰悉工程領域的朋友,肯定對於我所說的那些專有名詞會感到困惑,為何只是單純的學習AR/VR製作,有必要真的有懂這麼多嗎?

實際上,上述過程中在很多軟體開發商都幫助各位開發者準備好各式各樣的SDK(套件)與工具,對於現代的開發者無疑是種福音,但就是因為別人都準備好了,所以很多AR/VR的開發者,都只會較簡單的表面應用,就連腳本開發或語言..等等都一竅不通,那這樣的開發者競爭力在哪?不就很容易被取代?因此,前期學會基礎概念是很重要的一件事情。

或許有的人會問說,「圖像追蹤(Image Track)」技術,是否只要隨意一張2D圖像/圖片即可當作辨識圖呢?

答案是,盡量找一些圖片內容以及色彩較為複雜的2D圖當作AR辨識圖為最好,因為,程式是必須要針對開發者所提供的圖片來作「特徵點」判斷的,若今天提供的圖片幾近白紙,那相信在AR掃描的時候會非常的困難。

「特徵點」是程式認識圖片的判斷方式,有時候會有圖片內容不同,但是程式卻誤認為相同的圖片時(特徵點太類似),此時,可以先嘗試把特徵點的「標準值」(百分比單位)放寬,通常經過調整,就能夠避免這問題。

題外話

還有很多內容沒有一一講到,目前先分享到這,下一回會再補上其他的概念應用。

相連文章

臉書留言

一般留言

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *