Utilizzo ibrido con il tracciamento di immagini piane

Il riconoscimento cloud di immagini può anche combinarsi con il tracciamento di immagini piane per realizzare una modalità ibrida "riconoscimento + tracciamento continuo". Questo articolo spiega come utilizzarlo e analizza i vantaggi e gli scenari applicativi.

Flusso di lavoro

Il cuore della modalità ibrida è l'integrazione senza soluzione di continuità tra riconoscimento cloud e tracciamento locale. Il processo è il seguente:

Fase di riconoscimento cloud

1. Invio della richiesta: la fotocamera del dispositivo cattura il frame corrente e carica l'immagine sul server CRS.
2. Corrispondenza cloud: CRS ricerca nella libreria target e restituisce l'ID del target corrispondente e i dati dell'immagine (codificati in Base64).
3. Ricezione del risultato: il client riceve il risultato del riconoscimento e attiva la logica di elaborazione successiva.

Fase di tracciamento locale

1. Decodifica dell'immagine: il client decodifica i dati Base64 in un'immagine e genera un'istanza ImageTarget locale.
2. Inizializzazione del tracciamento: inizializza ImageTracker e chiama il metodo loadTarget per avviare il tracciamento di immagini piane.
3. Tracciamento continuo: il dispositivo calcola localmente la posa 6DoF e i contenuti virtuali seguono in tempo reale il movimento dell'immagine.

Vantaggi dell'utilizzo ibrido

Rispetto all'uso esclusivo del riconoscimento cloud, la modalità ibrida offre prestazioni superiori in questi aspetti:

• Riduzione della probabilità di falsi riconoscimenti
  Usando solo il riconoscimento cloud, se esistono immagini simili nella libreria, potrebbe essere restituito un target errato. Con l'aggiunta del tracciamento locale, quest'ultimo verifica continuamente le caratteristiche dell'immagine. Se il contenuto effettivo non corrisponde al risultato del riconoscimento, il tracciamento si interrompe rapidamente, attivando un nuovo riconoscimento. Ciò riduce drasticamente i falsi positivi.

• Supporto per tracciamento continuo e interazione
  Il solo riconoscimento cloud restituisce solo l'ID del target, senza supportare interazioni continue come rotazione o ridimensionamento. In modalità ibrida, dopo il riconoscimento si passa immediatamente al tracciamento locale, consentendo aggiornamenti in tempo reale della posa 6DoF. I contenuti virtuali seguono l'immagine durante il movimento, ideale per scenari come giochi AR o dimostrazioni di prodotti.

• Riduzione del carico cloud
  Richieste cloud frequenti (es. 1 al secondo) aumentano pressione sul server e latenza. In modalità ibrida, dopo il riconoscimento iniziale, il tracciamento avviene localmente senza ulteriori caricamenti. Solo in caso di perdita del tracciamento si riattiva il riconoscimento cloud, riducendo drasticamente le richieste al server e il consumo di dati.

• Adattabilità a reti deboli
  Il riconoscimento cloud puro è vulnerabile a timeout o fallimenti con reti instabili. In modalità ibrida, dopo un riconoscimento riuscito, il tracciamento locale continua anche senza rete. Combinabile con librerie target locali, offre un'esperienza degradata fino al ripristino della connettività.

Best practice

Quando scegliere tra riconoscimento cloud, tracciamento di immagini piane o modalità ibrida? Valutare in base a questi parametri:

Come scegliere la funzionalità

Caratteristica applicazione	Soluzione consigliata	Motivazione
Numero target < 100	Tracciamento immagini piane	Memoria locale sufficiente, nessuna dipendenza da rete
Assenza rete o rete instabile	Tracciamento immagini piane	Evita fallimenti riconoscimento, garantisce funzionalità offline
Target da aggiornare in tempo reale	Riconoscimento cloud	Effetto immediato dopo caricamento, adatto a contenuti dinamici
Prestazioni dispositivo limitate	Riconoscimento cloud	Dispositivi embedded o requisiti estremi di efficienza energetica
Nessun bisogno di tracciamento continuo	Riconoscimento cloud	Es: riconoscimento tramite scansione singola, senza tracciamento

Quando scegliere la modalità ibrida

• Grande numero di target (>100): archiviazione cloud illimitata, carico locale limitato al target corrente, risparmio di memoria.
• Interazione continua necessaria: es. didattica AR (ruotare modelli 3D dopo riconoscimento libri), marketing AR (visualizzare demo 3D dopo riconoscimento prodotti).
• Sensibilità a falsi riconoscimenti: es. settori medico o industriale, dove è cruciale garantire accuratezza.
• Necessità di degradazione in reti deboli: dopo riconoscimento riuscito, il tracciamento continua anche senza rete.

Conclusione ed estensioni

La modalità ibrida combina la capacità cloud di gestire grandi volumi con le capacità di tracciamento continuo locale, particolarmente adatta a scenari complessi che richiedono alta accuratezza e interattività. Gli sviluppatori dovrebbero scegliere tra funzionalità singole o modalità ibrida valutando flessibilmente numero di target, frequenza di aggiornamento, ambiente di rete e requisiti di interazione.