Share
Embed
Transcript
21 slides
-
Society5.0におけるXRの位置づけ 可視化(AR) 自動化(ロボット) シミュレーション(VR) デジタルツイン センシング フィードバック ・位置情報 ・カメラ映像 ・視線
・環境マップ など ・環境情報 ・予測情報 ・認識結果 など サイバー空間 フィジカル空間 -
SLAM(カメラの位置推定&トラッキングとマップ作成) • 事前マップなしで自己位置推定とマップ作成を同時に行うこと(ARKitやARCore) ※フォトグラメトリ(SfM/Reconstruction)は、リアルタイムである必要がなく、異なるカメラや時間に撮影した画像群 からでも内部パラメータの推定~カメラ位置とマップを最適化 • ロストした場合、作成したマップから復帰(Relocalization、VPSと同じ原理) SLAM System 1.特徴抽出
2.特徴対応付け 短期間:特徴追跡 長期間:ループクロージャ フロントエンド マップ作成 バックエンド フレーム R,t -
現実世界と仮想世界の位置合わせ • VPSなし • アプリ開始位置またはARマーカーが基準座標 • アプリ開始位置から計測して、現実世界に合わ せて表示するのは困難 • 物理的なマーカーが必要、それに合わせて表示
• VPSあり • 事前にSLAMなどでマップ作成が必要 • 事前マップが基準座標 • 事前マップ上にコンテンツを配置 https://youtu.be/pFn11hYZM2E https://youtu.be/udoSz_UBUdc 2007, http://kougaku-navi.net/ARToolKit/ -
VPS比較表(2022年8月20日 更新) Spatial Anchors Immersal Pretia Geospatial API マップ作成 セッション内でスキャン
画像アップロード 専用スキャンアプリ Googleがスキャン 座標系 アンカーID マップID マップID グローバルマップ(経度緯度高度) iOS/Android 〇 〇 〇 〇 HoloLens2 〇 〇 × × Reloc API (画像をPOST、自己位置返す) × 〇 × × 屋内 〇 〇 〇 × 屋外 × 〇 〇 ◎(地球規模対応) コンテンツ配置 × × 〇 × Playback API × 〇 〇 〇 備考 ・アンカーを基準にオブジェク トを配置するためマップとの位 置合わせが面倒 ・マップがエクスポートできな いためどの領域を認識できるの か不明 ・アンカー位置の編集が不可能 (削除して再度配置) ・マップを基準にオブジェクトを配 置できる ・マップ作成には画像アップロード するだけ、カメラはなんでもOK、専 用スキャンアプリもある ・Reloc APIがあるためデバイスに依 存しない ・マップを基準にオブジェクト を配置できる ・マップ作成には専用のスキャ ンアプリが必要 ・専用のコンテンツオーサリン グツールやAR Playbackが用意 されている ・Googleがスキャンするため、スキャン する必要がない ・Googleがスキャンできないところでは 使用できない ・Googleがマップを更新するまで認識で きない場所が出てくるかも ・Reloc APIが出たら最強 -
Immersal x 3D Scanner App • 専用アプリで撮影(3D Scanner Appを使えばスキャンを確認しながら画像取得) •
画像とカメラ情報をImmersalにアップロードし、マップ作成 • ダウンロードしたマップ上にコンテンツを配置 • APIで画像をPOSTすると自己位置推定できる https://twitter.com/sotongshi/status/1431203787796926467 -
Pretia x ARサイネージ • 専用アプリで3Dスキャン • マップをダウンロードし、コンテンツを配置 • 専用アプリでコンテンツを配置する機能もある (3)
(1)スキャン (2)VRでシミュレーション (3)AR表示 https://twitter.com/sotongshi/status/1492760083503398915 -
Geospatial API x PLATEAU • Googleが事前にスキャンしている(地球規模対応w つよ • 経度緯度高度の指定だけでコンテンツが置ける •
精度はあまり良くない印象 https://twitter.com/sotongshi/status/1557003609019400194 -
Gachispatial API • 3D Scanner Appでスキャンし、画像特徴データベースを構築 • 特徴点の抽出と対応付けにはDeep Learningベースの手法(SuperPoint)を利用 •
画像とLiDARの点群の両方を利用したRGB-D SLAM • 画像をサーバーに送信し、自己位置を返すAPIを作成 -
Gachispatial API x 電動車いすの自動運転 • 事前マップを作成 • 事前マップ上に経路計画 • VPSにより初期位置推定し、自動運転
https://twitter.com/sotongshi/status/1168740395125075968