arグラス基礎講座 位置トラッキングへの期待と注意
TRANSCRIPT
あなた誰?•あるしおうね と言います( twitter: AmadeusSVX)•ニコニコ技術部(自称)で動画をアップしています•主に AR+ミクさん方面で活動させてもらってます•転職したてで最近停滞気味です…頑張ります
ARミクさんと(物理的に)キス 触れる ARミクさんフィギュアARミクさんと生活
今日のお題は?•謎の多い HololensやMagic Leap•光学系は?位置トラッキングは?開発環境は?応用事例は?•今回は、事前アンケート結果から…
AR位置トラッキングで出来る事、注意する事は?
以前の ARアプリといえば…•マーカーの上に CGを重畳•例: ARtoolkit, ArUco等
マーカー 1つでも マーカー沢山でも出典: ARToolKitで初音ミクも『ウッーウッーウマウマ ( ゚∀゚ ) 』 http://www.nicovideo.jp/watch/sm2300874ArUco http://www.uco.es/investiga/grupos/ava/node/26
以前の ARアプリといえば…•任意の画像の上に CGを重畳•例: Vuforia、 SmartAR、旧Metaio等
Vuforia SmartAR出典: Vuforia Developper Portal:https://goo.gl/XvPR6J SmartAR: https://www.youtube.com/watch?v=XCEp7udJ2n4
以前の ARアプリといえば…•良くある開発フロー1. 使うマーカー、画像を登録する2. マーカーを原点に再生するコンテンツを作る
マーカー画像 マーカーを原点にコンテンツ再生出典:デジアイ AR Live: http://jp.rohto.com/digieye/ar/
以前の ARアプリといえば…•良くある開発フロー1. 使うマーカー、画像を登録する2. マーカーを原点に再生するコンテンツを作る
マーカー画像 マーカーを原点にコンテンツ再生出典:デジアイ AR Live: http://jp.rohto.com/digieye/ar/
Magic Leapのイメージビデオ•自分で開発するなら?という視点でどうぞ
出典:Magic Leap https://www.youtube.com/watch?v=kPMHcanq0xM
じゃあMagic Leapでは?(予想)•遊ぶ側(使う側)は?1. 最初に部屋を動き回って環境を計測する2. 出現する ARコンテンツを楽しむ
出典: Temporally Enhanced 3D Capture of Room-sized Dynamic Scene with Commodity Depth Camerashttp://www.cs.unc.edu/~doums/
問題1:部屋をマーカーとして使えるか?•マーカーに使える十分な目印が必要• 形が単純、壁模様が無地などは苦手かも?• 「目印になる度メーター」みたいな物はあるのか?• ユーザーが適切に部屋を計測してくれるのか?※おそらく現状だと屋外は想定外
散らかっている十分な目印がある部屋の例
問題 3:広い /狭い部屋に対応できるか?•部屋の大きさが違う=コンテンツ再生時の空間が違う• 十分な空間の有無の確認手段は?• 想定より広い /狭い場合は?• Windowsアプリみたいに、スペースの広さに応じてコンテンツを可変にする必要がありそう
松竹梅
問題 4:部屋の配置を把握できるか?•部屋の物や配置に応じたコンテンツが必要• 机、壁、天井などの「平面」程度は自動で認識?• もしくは事前にユーザーが簡単な識別タグをつける?
• 十分な「平面」が無い場合はコンテンツ可変?• 部屋の種類、家具や物の詳細な認識は不可?(※研究途上です)例:台所、タンス、食器等々…
穴の開く天井破壊される壁武器の置かれた机
まとめ• AR位置トラッキングは凄いハイテクです。が・・・• どこでも使える訳ではない。限界を要確認• 開発環境に限界評価機能がないかチェック
• 開始位置、エリア等が可変なコンテンツが必要• 開発環境に領域可変向け補助ツールがないかチェック
• 部屋の中の物の詳細な種類はまだ認識できない• 開発環境に、基本形状認識 orタグ付与機能がないかチェック• 逆に言うと、いつか自動認識できる日が来ます( 5 ~ 10 年の間?)• 間違いなく世界が変わるので、今からアイデアを温める価値はあるかも
ARの位置トラッキングは何が違う?•実視界と CGを重ねて見る:自然に見せるのが難しい•ずれは許されない•ジッタ=ぷるぷるは許されない•遅れは許されない(特に HoloLens等)
•色んな環境で使われる•設置式のセンサは面倒•千差万別の環境でトラッキングできるか?
その他の AR位置トラッキングその 2:光学式( Outside-In)•例: VICON, OptiTrack等•Oculus Rift/HTC Vive等と本質的に同じ•広範囲対応は高価•将来低価格化する可能性?
•設置が面倒
その他の AR位置トラッキングその 3:立体物追跡式• 例: Vuforia, 故 Metaio等 • カメラだけで良い(必要に応じてジャイロ等も使用)• 色んな立体物が使えて広い応用?• (全周で立体物を取り込むのが面倒)• 使用には注意が必要• 使える立体物に制限がある(模様が必要)• そんなにロバストではない• そんなに皆同じ立体物を持ってない
出典: Vuforia https://www.youtube.com/watch?v=mXpr37pR34U
最新研究紹介:特定物体追跡 LINE-MOD• 高性能な三次元の特定物体認識アルゴリズム• Kinect等の RGB-D センサ向け• 事前登録した物体を認識できる• 物体の得意、不得意がある• 模様が少な目でも大丈夫( Vuforiaは少ないと厳しい)• シルエットの形が特徴的な方が良い
• ROS 向けに実装済• ロボット系では既に色々使われています
出典: http://campar.in.tum.de/Main/StefanHinterstoisser
最新研究紹介:一般物体認識 GoogLeNet• 二次元画像の一般物体認識の最新研究• 性能は説明不要なレベルに凄い+今後まだ発展しそう• 画像中の矩形領域内の種類を判定するだけなので、
三次元の ARには完全な適用は難しい• 各物体の三次元位置や向きまでは計測していない• そこまで厳密にしなくても色々応用はありそう
出典: http://googleresearch.blogspot.jp/2014/09/building-deeper-understanding-of-images.html
最新研究紹介:三次元物体認識 PanoContext• 部屋を対象にした全周囲カメラによる三次元一般物体認識の試み• 部屋の中心を撮影して、壁、家具などを自動認識• 全て長方形~直方体の仮定はあるが、三次元的な認識を行っている• 本研究室では、 RGB-D センサによる三次元一般物体認識も進めており、最先端研究として要注目
出典: http://panocontext.cs.princeton.edu/paper.pdf
最新研究紹介:位置トラッキング LSD-SLAM• カメラ 1 台だけ(でも広角推奨)で行える高精度な SLAMの最新研究• SLAM:位置トラッキングとそれ用の地図=マーカーを同時作成※HoloLensもMagic Leapも SLAMと言われている• 本手法は 2 台=ステレオカメラにもすぐ拡張可能
• 多すぎず、少なすぎず、中庸のアプローチ• 面で高密度に風景を計測する: KinectFusion等=重い• 点で低密度に風景を計測する: PTAM等=ロバスト性低• エッジで中密度に風景を計測する=軽くてロバスト性高い
• 軽くてロバスト性が高いので広い範囲で動き回れる• ROS 向けに実装がある出典: https://vision.in.tum.de/research/vslam/lsdslam 超広い範囲をマップ化できてしまう
最新研究紹介:動く風景向け DynamicFusion
• 周囲が完全静止しているとは限らない=動く環境に対応• 対象を、変形可能な物と定義してトラッキングが可能• 大きく動いたり、大きく隠される(見えなくなる)部分が出るとまだ破綻する• この部分も今後研究が進みそう
出典: http://grail.cs.washington.edu/projects/dynamicfusion/
手を動している人を基準に位置トラッキング
最新研究紹介:モバイル環境向け MobileFusion• モバイル環境向け位置トラッキング+高密度三次元計測• 既存のスマートフォンのカメラと CPUだけで SLAMを実現• PTAM等と異なり、マッピング時に高密度な三次元計測を行う• 画像特徴ベースのため、テクスチャの乏しい対象では破綻する• ボクセルベースの空間定義を行っているため、現状では GPU的に広範囲のマップを作成できない制限がある。改善に期待
出典: http://www.robots.ox.ac.uk/~mobile/Papers/2015ISMAR_ondruska.pdf
最新研究紹介:平面領域抽出 Dense Planar Mapping • 被写体中の平面を検出して位置トラッキングに使用• Kinect等の RGB-D センサで平面の部分を抽出• 大面積の平面を計算に使うことで安定したトラッキング• 平面に IDを振れるので、 HoloLensやMagic Leapのデモのようなことが可能になる• トラッキング方式は不明だが、平面抽出技術として
似たようなものが取り入れられるのでは?
出典: http://www.doc.ic.ac.uk/~rfs09/dps.html
壁いっぱいに Facebook