DOI: https://doi.org/10.20998/2522-9052.2019.3.06

НОВИЙ ТИП МАРКЕРІВ ДОПОВНЕНОЇ РЕАЛЬНОСТІ

Oleksandr Makoveychuk

Анотація


Предметом вивчення в статті є маркери доповненої реальності. Метою є розробка нового типу маркерів доповненої реальності, що мають переваги більшості існуючих типів маркерів та вільні від їх недоліків.
Завдання: аналіз переваг та недоліків існуючих маркерів доповненої реальності, формулювання основних вимог до перспективного маркера доповненої реальності, розробка основних етапів побудови нового маркеру доповненої реальності, практична перевірка відповідності нового маркеру доповненої реальності сформульованим вимогам. Використовуваними методами є: методи цифрової обробки зображень, теорії ймовірності, математичної статистики, криптографії та захисту інформації, математичний апарат теорії матриць. Отримані такі результати. Визначені переваги та недоліки основних існуючих типів маркерів доповненої реальності. Сформульовано п’ять вимог, яким повинен задовольняти нові маркери доповненої реальності. Запропоновано методику побудови нового маркеру доповненої реальності, що задовольняє сформульованим вимогам. Теоретично обґрунтовано точність розпізнавання маркера в залежності від співвідношення між його параметрами, знайдено мінімальне значення параметра, при якому забезпечується умова робастності. Висновки. Напрямками подальших досліджень є розробка методу визначення параметрів проективного перетворення, що необхідно для вирівнювання зображення і визначення положення камери; розробка методу знаходження правильного зміщення вирівняного зображення, що необхідно для правильного декодування пермутованого зображення.


Ключові слова


маркер; код; доповнена реальність; зображення-контейнер; пермутоване зображення; робастність; правильне розпі-знавання

Повний текст:

PDF

Посилання


Augmented reality or AR technology (2019), available at: http://thefuture.news/lessons/ua/ar

Goldman, S. (2019), Global Investment Research, available at:

http://www.goldmansachs.com/careers/divisions/global-investment-research

Adobe Blog (2019), The 10 VR Trends We’ll See in 2018, 2019, available at:

https://theblog.adobe.com/10-vrtrends-well-see-2018

Facebook Research. AR/VR-Facebook Research (2019), available at:

http://research.fb.com/category/augmented-reality-virtual-reality

Siltanen, S. (2012), Theory and applications of marker-based augmented reality, Espoo 2012, 198 p.

Lowe, David G. (1999), “Object recognition from local scale-invariant features”, Proceedings of the International Conference on Computer Vision 2, pp. 1150–1157.

Bruckstein, A.M., Holt, R.J. and Netravali, A.N. (2000), “Holographic representation of images”, IEEE Transactions on Im-age Processing, No. 7, pp. 1583–1587.

Bruckstein, A.M., Holt, R.J. and Netravali, A.N. (1997), Holographic image representations: the subsampling method, IEEE Int. Conference on Image Processing, Santa Barbara, California, USA, October, Vol. 1, pp. 177–180.

Bruckstein, A.M., Holt, R.J. and Netravali, A.N. (2000), US 6,091,394: "Technique for Holographic Representation of Imag-es". July 18, 6 p.

Barinova, D.A. (2005), Development and research of digital image processing algorithms represented in pseudo-holographic codes, Computer Optics, No. 27, pp. 149–154.

Voronin, V.V. (2000), “Holographic representation in image processing problems”, Abstracts of the ROAI conference, 5, pp. 237–241.

Mathworks. Select a Web Site (2019), available at: https://www.mathworks.com/help/images/ref/stdfilt.html

Hartley, R. and Zisserman, S. (2003), Multiple View Geometry in Computer Vision, Cambridge University Press New York, NY, USA, 655 p.

Forsyth, A.D. and Pons, J. (2004), Computer Vision. Modern Campaign, Williams Publishing House, Moscow, 928 p.

Reed–Solomon codes for coders (2019), available at:

https://en.wikiversity.org/wiki/Reed%E2%80%93Solomon_codes_for_coders

Makoveychuk, O.M., Ruban, I.V. and Khudov G.V. (2019), “Using Genetic Algorithms for Finding Inverse Pseudo-Random Block Rearrangements”, Control, Navigation and Communication Systems, No. 4 (56), pp. 72¬81.




Copyright (c) 2020 Oleksandr Makoveychuk