#頭條創作挑戰賽#

現在的相機或者攝像頭動辄就是百萬、千萬級像素，而且還有體積小、價格便宜等優點，非常方便可以集成到手機上或者AR眼鏡中，實現增強現實的目的。

現在我們知道攝像頭在AR系統中有舉足輕重的作用，是用來識别外部環境的重要組件。攝像頭在掃描周圍環境時，目的是為了識别目标，通過計算機視覺去分析目标物體。

目标物體如果本身有很明顯的特征，比如房間裡有張桌子，桌面就是一個很明顯的識别目标。微軟HoloLens有一個比較經典的案例，演示《我的世界》遊戲，把虛拟沙盤放置在桌面等平面上。

MR我的世界 | 圖源網絡

如果目标物體沒有明顯的特征，比如白牆，這面牆上沒什麼可以用來識别的特征，有什麼解決方案嗎？

如果有條件我們可以先改造自然環境，有一種簡單的處理方式，在真實環境中人為地放置一個很容易識别的東西，我們把這個東西叫做标志點。

标志點識别

比如在AR用于電力巡檢中，工人需要戴上AR眼鏡來識别配電箱，理論上來說，識别配電箱這個模型是很容易的，但是這個環境裡有N個配電箱，長得幾乎一模一樣，AR眼鏡怎麼知道是哪一個呢？

如果我們把每一個配電箱上都貼上一個二維碼，等于讓每一個電箱都編上号，這個二維碼就是标志點。二維碼應該是最成功且應用最廣泛的一種标志點。

工人用AR來巡檢 | 圖源網絡

标志點的設計原則有兩個，第一外觀要設計成很容易檢測到的形狀，第二圖像要對比度高。

二維碼就非常符合這兩個原則。首先是邊緣圖形是四方形很容易被檢測到。然後是中心的圖像是黑色和白色兩種對比度很高的顔色形成的内容。

除了四方形之外，圓形也是可以很容易被識别的外觀形狀。

但是隻有外觀是不夠的，因為環境中的方形和圓形是非常多的，所以方形和圓形中間還要有内容填充，形成一個完整的圖像才能作為标識點。

黑色和白色是計算機圖像裡面非常容易識别的圖像，對比度足夠高，攝像頭拍攝之後不需要特别處理就能夠識别。

好用的标志點 | 圖源網絡

自然特征識别

話說回來，真實環境是沒有标志點的，AR必須要能夠識别真實環境中的自然特征，不然也沒有存在的價值。

自然特征我們可以理解為目标身上自然發生的特征。比如人臉識别中，人的臉部輪廓、瞳孔、面部表情等都是自然特征。

AR中的攝像機可以獲取人臉的高清圖像，從圖像中選取一些關鍵的幀，然後和AR系統内部已經提前準備好的模型進行對比，然後判定是否為該目标。

生物特征識别 | 圖源網絡

這種自然特征識别的方式需要參考模型，參考模型有提前準備好的，也有通過攝像頭先掃描周圍環境快速創建得來。

這個采集的步驟是至關重要的，因為終端的用戶在使用時，不會給你太多時間讓你去掃描周圍環境獲取參考模型，也是現在的瓶頸。

最近在使用一家國産AR眼鏡時就遇到了這個問題，前端的工人戴着AR眼鏡在現場工作，後端的專家坐在電腦前可以看到現場的情況。後台專家希望告訴工人哪個設備可能有問題，專家需要做個标注，比如畫個圓圈，或者打個箭頭。

簡單的解決方案是凍屏，也就是截屏。但這種解決方案是不自然的，也是很low的，我們需要的是對自然環境做動态标注。

我嘗試了國内AR眼鏡排名前列的品牌，有些壓根沒有動态标準的功能，有一些是有這個功能但實用性有問題。

标注功能是遠程視頻交流必備 | 圖源網絡

當後台專家點擊動态标注的功能按鈕時，前端的AR眼鏡會有長達十幾秒的時間去掃描現場環境，然後專家才可以使用标注的功能，這個十幾秒的時間用戶是很難接受的，所以自然特征識别還有很長的路要走。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!