Pengantar pelacakan gambar planar
Pelacakan gambar planar (Planar Image Tracking) digunakan untuk mendeteksi dan melacak objek planar bertekstur dalam kehidupan sehari-hari. Objek "planar" dapat berupa benda kecil seperti buku, kartu nama, atau poster, maupun target besar seperti tembok grafiti. Barang atau hal semacam ini memiliki permukaan datar dengan tekstur kaya dan tidak berulang.
Artikel ini akan menguraikan prinsip dasar, efek yang diharapkan, dan skema adaptasi platform untuk deteksi dan pelacakan gambar planar, membantu Anda memahami batasan fungsional dan poin pengembangan dengan cepat.
Prinsip dasar
Memahami prinsip-prinsip ini membantu pengembang mengoptimalkan efek pengenalan dan menghindari masalah umum.
Alur inti
Fase pemuatan pra-pemrosesan:
- Sistem memuat gambar target, mengekstrak banyak titik fitur visual darinya, menghasilkan deskripsi fitur gambar tersebut dan memasukkannya ke dalam basis data fitur.
- Gambar dengan tekstur lebih kaya lebih mudah dikenali dan dilacak. Anda dapat menggunakan Alat deteksi gambar target untuk memeriksa tingkat keterenalan gambar target Anda sebelumnya.
Referensi kiri: tekstur kaya mudah dikenali (5 bintang); Referensi kanan: elemen sederhana, kekurangan tekstur, sulit dikenali (1 bintang).
Kami merekomendasikan gambar dengan kualitas 4~5 bintang sebagai gambar target Anda.Fase deteksi dan pelacakan real-time:
- Setelah kamera menangkap gambar, sistem akan menganalisis titik fitur gambar saat ini dan mencocokkan fitur dengan basis data fitur gambar target.
- Menghitung pose (posisi+rotasi) gambar dalam ruang 3D menggunakan algoritma PnP (Perspective-n-Point).
- Begitu target terdeteksi berhasil, sistem akan memasuki mode pelacakan. Saat ini, sistem akan membandingkan gambar frame berurutan dan menganalisis pergerakan antar frame, mencapai proses pelacakan real-time.
Mekanisme optimasi:
- Pemulihan kehilangan pelacakan: Setelah penghalangan singkat atau gerakan cepat yang mengaburkan, sistem secara otomatis mendeteksi ulang target.
- Pelacakan multi-target bersamaan: Mengontrol jumlah konkurensi tunggal Tracker melalui parameter
Simultaneous Number, memungkinkan satu panggilan Tracker dapat melacak beberapa target secara bersamaan.
Batasan teknis
- Hanya mendukung gambar planar (bukan objek 3D atau konten dinamis).
- Bergantung pada pencahayaan lingkungan, terlalu gelap atau terlalu terang akan menyulitkan deteksi atau menyebabkan pelacakan mudah hilang.
- Saat mendeteksi, kamera tidak boleh terlalu jauh dari target, pastikan proporsi gambar target di layar minimal 30%.
- Pelacakan multi-target dibatasi oleh kinerja perangkat, biasanya sisi PC dapat melacak lebih dari 10 target, sementara perangkat seluler dapat melacak 4~6 target planar bersamaan.
Efek dan hasil yang diharapkan
Setelah memahami mekanisme kerja dan batasan teknis deteksi dan pelacakan gambar, Anda juga perlu mengetahui efek yang dapat dicapai oleh fungsi ini. Memahami efek ini membantu Anda menetapkan standar pengujian yang wajar selama pengembangan.
Efek ideal
- Overlay presisi: Objek virtual sejajar dengan tepi gambar.
- Deteksi cepat: Latensi sangat rendah dari pemuatan aplikasi hingga deteksi berhasil.
- Pelacakan stabil: Mempertahankan pelacakan meskipun gambar diputar, dipindahkan, atau dihalangi sebagian.
Situasi tidak ideal dan penanganannya
| Fenomena | Penyebab | Persepsi pengguna | Pratinjau solusi (lihat detail di bagian selanjutnya) |
|---|---|---|---|
| Tidak dapat dikenali | Tekstur gambar tidak cukup, terlalu kecil | Objek virtual tidak muncul | Optimalkan gambar target, gunakan alat untuk memeriksa tingkat keterenalan |
| Pelacakan bergoyang | Proporsi gambar target terlalu kecil, titik pelacakan tidak mencukupi | Objek virtual bergetar nyata | Hindari terlalu jauh dari gambar target, atur mode pelacakan ke PreferQuality |
| Sering hilang | Gambar bergerak cepat atau sepenuhnya terhalang | Objek virtual berkedip/menghilang | Stabilkan perangkat/target gambar, atau perbesar ukuran target |
| Kekurangan target multi-gambar | Dipengaruhi oleh kinerja perangkat keras | Beberapa gambar target tidak dapat dilacak | Pertimbangkan kinerja operasi, tetapkan parameter Simultaneous Number yang wajar |
Metode verifikasi hasil yang diharapkan
- Fase pengembangan: Gunakan kamera PC melalui mode Play editor Unity untuk pratinjau.
- Fase pengujian: Gunakan sampel adegan resmi atau gambar uji mandiri, mencakup berbagai kondisi pencahayaan/sudut/jarak.
Praktik terbaik gambar target
Efek pelacakan gambar planar sangat bergantung pada kualitas gambar target. Untuk menjamin tingkat keberhasilan pengenalan, disarankan mengikuti panduan berikut saat menyiapkan gambar target.
Bergantung pada skenario penggunaan, Anda dapat menyiapkan gambar target dengan berbagai cara: memotret objek target langsung dari sudut pandang frontal kamera, atau mendesain pola terlebih dahulu lalu mencetaknya. Baik foto maupun desain, keduanya dapat digunakan sebagai gambar template.
Persyaratan dasar
- Format gambar: Disarankan JPG atau PNG.
- Penanganan saluran transparansi: Jika gambar memiliki saluran transparansi, sistem akan memperlakukannya sebagai latar belakang putih. Jika tidak diinginkan, hindari saluran transparansi.
Poin optimasi inti
Pastikan detail tekstur yang kaya
Gambar template harus memiliki detail dan perubahan tepi yang cukup, hindari grafis sederhana atau warna solid.
Referensi kiri: gambar bertekstur kaya dapat dideteksi; Referensi kanan: gambar warna solid tidak dapat dideteksi
Hindari pola berulang
Pola dengan pengulangan teratur (seperti kotak-kotak atau garis) akan mengurangi keunikan titik fitur.
Referensi: gambar pola berulang tidak dapat dilacak
Konten memenuhi gambar
Subjek harus memenuhi seluruh gambar sebisa mungkin, kurangi area kosong.
Referensi: gambar dengan subjek penuh (kiri) lebih mudah dideteksi dan dilacak daripada gambar dengan terlalu banyak ruang kosong (kanan)
Kendalikan rasio aspek
Gambar tidak boleh terlalu memanjang, panjang sisi pendek minimal harus mencapai 20% dari sisi panjang.
Referensi: gambar memanjang sulit dilacak
Pilih resolusi yang sesuai
Rentang rekomendasi: Antara SQCIF(128×96) hingga QVGA(1280×960).
Terlalu kecil: Titik fitur tidak mencukupi, tingkat pengenalan menurun.
Terlalu besar: Menyebabkan peningkatan overhead memori yang tidak perlu dan waktu komputasi lebih lama saat menghasilkan data Target.