Suorakulmaisen pinnan tunnistaminen lisätyn todellisuuden sovelluksessa
Kurikka, Jussi; Hyyryläinen, Lasse; Pajukangas, Jukka (2017-08-22)
Kurikka, Jussi
Hyyryläinen, Lasse
Pajukangas, Jukka
J. Kurikka; L. Hyyryläinen; J. Pajukangas
22.08.2017
© 2017 Jussi Kurikka, Lasse Hyyryläinen, Jukka Pajukangas. Tämä Kohde on tekijänoikeuden ja/tai lähioikeuksien suojaama. Voit käyttää Kohdetta käyttöösi sovellettavan tekijänoikeutta ja lähioikeuksia koskevan lainsäädännön sallimilla tavoilla. Muunlaista käyttöä varten tarvitset oikeudenhaltijoiden luvan.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-201709062841
https://urn.fi/URN:NBN:fi:oulu-201709062841
Tiivistelmä
Lisättyä todellisuutta (Augmented Reality, AR) on tutkittu jo jonkin aikaa monenlaisten ammattialojen käyttöön, ja älylaitteiden yleistyessä viihteellinenlisätty todellisuus on myös yleistynyt. Lisätyn todellisuuden sovelluksia on laajasti kehitetty sotilas-, teollisuus-, opetus- ja viihdekäyttöön. Jotta lisätyn todellisuuden sovellukset voisivat toimia tehokkaasti, on sovellusten kyettävä ympäristön havainnoinnin lisäksi muodostamaan havainnoistaan sovelluksen kannalta tarkoituksenmukaisia tulkintoja. Suurimpia haasteita lisätyn todellisuuden sovelluksien kehityksessä on siis sovelluksen saamien havaintojen nopea ja luotettava prosessointi.
Tutkimuksen yhteydessä kehitettiin peli, jossa virtuaalinen pallo lisätään pelilaitteen näytölle, ja pelaajan tehtävänä on liikuttaa kättään kameran edessä ja koskea palloa saadakseen pisteitä. Tutkimuksessa hyödynnettiin minitietokone Raspberry Pi2:ta, johon liitettiin kosketusnäyttö sekä kamera. Tutkimuksessa keskityttiin suorakulmaisen pelialueen tunnistamiseen erilaisissa olosuhteissa, kuten huono valaistus tai kun osan pelialueesta peittää jokin tunnistamista häiritsevä este. Pelialueen tunnistamisprosessissa voitiin valita kahdesta erilaisesta segmentointitavasta, Cannyn reunantunnistusalgoritmia hyödyntävästä segmentoinnista tai Otsun metodista. Ohjelman käyttämään suodatukseen pystyi myös valitsemaan monta erilaista suodatustapaa, kuten mediaanisuodatuksen ja Gaussin suodatuksen.
Testeistä saatiin monia suuntaa antavia tuloksia. Cannyn reunantunnistusalgoritmin hyödyntäminen auttoi tunnistamaan pelialueen paremmin, kun osa alueesta oli peitetty ja kun pelialue oli kallistunut. Hyvissä olosuhteissa molemmat tunnistusmenetelmät toimivat yhtä hyvin. Otsun metodi auttoi paremmin tunnistuksessa huonossa valaistuksessa sekä oli hieman nopeampi Cannya hyödyntäneeseen metodiin verrattuna. Augmented Reality (AR) has been researched for years to be used among several professional areas and since smart devices are becoming more and more common, entertainment use in augmented reality has also become more common. Augmented reality has been applied to military, education, manufacturing and entertainment use. So that augmented reality software can work efficiently, the software needs to be able to detect the environment and make appropriate interpretations. One of the biggest challenges in augmented reality software development is to quickly and reliably process observations.
With the research, a game was developed where a virtual ball is added to the devices screen. The players task is to touch the ball while their hand is in front of the camera to score points. The research utilized a minicomputer, Raspberry Pi2, with a touchscreen and a camera attached. The research focused on finding a contour rectangular area in various kinds of circumstances, for example dim lighting or when an object is preventing accurate detection. The detection process for identifying the contour area has two different choices of segmentation methods, a segmentation method that utilizes Canny edge detection algorithm or Otsu thresholding. For filtering, one could choose from multiple filtering methods, for example median filtering or Gauss filtering.
The tests gave several approximate results. Canny edge detection utilizing segmentation assisted the detection process better when some of the area was obstructed and when the area was tilted. Both, Otsu segmentation and the Canny edge detection utilizing segmentation assisted the algorithm equally well in good circumstances. Otsu method assisted the detection process better in dim lighting and was slightly faster in calculations.
Tutkimuksen yhteydessä kehitettiin peli, jossa virtuaalinen pallo lisätään pelilaitteen näytölle, ja pelaajan tehtävänä on liikuttaa kättään kameran edessä ja koskea palloa saadakseen pisteitä. Tutkimuksessa hyödynnettiin minitietokone Raspberry Pi2:ta, johon liitettiin kosketusnäyttö sekä kamera. Tutkimuksessa keskityttiin suorakulmaisen pelialueen tunnistamiseen erilaisissa olosuhteissa, kuten huono valaistus tai kun osan pelialueesta peittää jokin tunnistamista häiritsevä este. Pelialueen tunnistamisprosessissa voitiin valita kahdesta erilaisesta segmentointitavasta, Cannyn reunantunnistusalgoritmia hyödyntävästä segmentoinnista tai Otsun metodista. Ohjelman käyttämään suodatukseen pystyi myös valitsemaan monta erilaista suodatustapaa, kuten mediaanisuodatuksen ja Gaussin suodatuksen.
Testeistä saatiin monia suuntaa antavia tuloksia. Cannyn reunantunnistusalgoritmin hyödyntäminen auttoi tunnistamaan pelialueen paremmin, kun osa alueesta oli peitetty ja kun pelialue oli kallistunut. Hyvissä olosuhteissa molemmat tunnistusmenetelmät toimivat yhtä hyvin. Otsun metodi auttoi paremmin tunnistuksessa huonossa valaistuksessa sekä oli hieman nopeampi Cannya hyödyntäneeseen metodiin verrattuna.
With the research, a game was developed where a virtual ball is added to the devices screen. The players task is to touch the ball while their hand is in front of the camera to score points. The research utilized a minicomputer, Raspberry Pi2, with a touchscreen and a camera attached. The research focused on finding a contour rectangular area in various kinds of circumstances, for example dim lighting or when an object is preventing accurate detection. The detection process for identifying the contour area has two different choices of segmentation methods, a segmentation method that utilizes Canny edge detection algorithm or Otsu thresholding. For filtering, one could choose from multiple filtering methods, for example median filtering or Gauss filtering.
The tests gave several approximate results. Canny edge detection utilizing segmentation assisted the detection process better when some of the area was obstructed and when the area was tilted. Both, Otsu segmentation and the Canny edge detection utilizing segmentation assisted the algorithm equally well in good circumstances. Otsu method assisted the detection process better in dim lighting and was slightly faster in calculations.
Kokoelmat
- Avoin saatavuus [37205]