Einführung in die Bild-Cloud-Erkennung
Dieser Artikel beschreibt die Kernprinzipien, die erwarteten Ergebnisse und die Unterschiede zur planaren Bildverfolgung von EasyAR CRS (Cloud Recognition Service), damit Entwickler die geeigneten Einsatzszenarien und Grenzen der Cloud-Erkennung verstehen.
Grundlagen
Cloud Recognition ist ein Ansatz, bei dem der Erkennungsprozess in die Cloud verlagert wird. Er eignet sich für große Zielbibliotheken oder Szenarien, die dynamische Aktualisierungen benötigen. Der Kernablauf ist wie folgt:
Verwaltung der Zielbibliothek
- Zielbibliothek erstellen: Laden Sie im CRS-Portal Ihre Zielbilder hoch. Das System berechnet automatisch die visuellen Merkmale des Zielbilds und fügt es als Target in die Backend-Datenbank ein.
- Verwalten, ändern, löschen und abfragen: Im CRS-Portal können Sie Ihre Zielbibliothek verwalten. Nach der Bearbeitung ist keine Aktualisierung der App erforderlich.
Wichtig
Die Anforderungen an die Bildqualität für Cloud Recognition sind genau dieselben wie bei der planaren Bildverfolgung. Weitere Informationen finden Sie unter Best Practices für Zielbilder.
Erkennungsablauf
- Bild hochladen: Der Client erfasst das aktuelle Bild mit der Kamera und sendet die Bilddaten an den EasyAR-CRS-Dienst.
- Abgleich in der Cloud: Der Server durchsucht die Zielbibliothek in der Cloud und gleicht die zuvor gespeicherten Target-Daten ab, also die vom Entwickler hochgeladenen Zielbilder.
- Ergebnis zurückgeben: Nach erfolgreichem Abgleich sendet die Cloud das Erkennungsergebnis (Target-ID, Zielbild usw.) an den Client zurück, der daraufhin virtuelle Inhalte anzeigt oder das Bild für weitere Verfolgung verwendet.
Unterschiede zur planaren Bildverfolgung
| Merkmal | Planare Bildverfolgung (lokal) | Cloud Recognition (Cloud) |
|---|---|---|
| Erkennungsberechnung | Wird auf dem Gerät ausgeführt | Wird auf dem Cloud-Server ausgeführt |
| Größe der Zielbibliothek | Durch Speicher und Ladezeit begrenzt, normalerweise nicht mehr als 100 Bilder empfohlen | Maximal 100.000 Zielbilder pro Bibliothek, erweiterbar auf Milliarden |
| Zielaktualisierung | Anwendung muss neu verpackt und verteilt werden | Sofortiges Hochladen, wirksam ohne Wartezeit |
| Netzwerkabhängigkeit | Kein Netzwerk erforderlich, offline nutzbar | Netzwerk ist erforderlich, da die Erkennungsanfrage online erfolgt |
| Funktionsschwerpunkt | Erkennen und dauerhaft verfolgen (6DoF-Pose ausgeben) | Einmalige Erkennung (Target-Matching) |
Wichtige Hinweise:
- Erkennung (Recognition): Führt nur das Matching "Was ist dieses Ziel?" aus und bietet kein kontinuierliches Tracking. Wenn Tracking benötigt wird, muss die lokale planare Bildverfolgung kombiniert werden.
- Geeignete Szenarien: Viele Ziele (z. B. Produktkataloge oder Kinderbilderbücher), häufige Aktualisierungen (z. B. Veranstaltungsplakate) oder einfache Anforderungen (z. B. nur erkennen, nicht verfolgen).
Dienstnutzung und Verwaltung
EasyAR CRS bietet flexible und sichere Cloud-Verwaltung von Zielen und unterstützt Anforderungen von Einzelentwicklern bis hin zu Unternehmensanwendungen.
Trennung und Sicherheit der Zielbibliotheken
- Unterstützung mehrerer Bibliotheken: Sie können mehrere unabhängige CRS-Bibliotheken erstellen. Jede Bibliothek ist vollständig isoliert, und Ziele kollidieren nicht. Zum Beispiel:
- Bibliothek A: für Marketingkampagnen, mit Produktplakaten.
- Bibliothek B: für Schulungen, mit Lehrmaterial-Abbildungen.
- Sicherheitsmechanismus: Auf jede Bibliothek wird mit einem eindeutigen API Key und Secret zugegriffen, um die Datensicherheit zu gewährleisten.
Auswahl des Parallelitätsmodus
Je nach Anwendungsgröße und Scan-Bedarf bietet CRS zwei Parallelitätsmodi:
| Modus | Geeignete Szenarien | Eigenschaften | Aktivierung |
|---|---|---|---|
| Basis-Parallelität | AR-Anwendungen mit QPS < 50, normale Scan-Mengen | Selbstbedienung, stabil und zuverlässig | Online-Antrag im CRS-Portal |
| Hohe Parallelität | AR-Anwendungen mit QPS ≥ 50, hoher Datenverkehr | Dedizierte Ressourcen, geringe Latenz | Kontaktieren Sie den EasyAR-Support und lassen Sie die Nutzung prüfen |
Tipp
Für Start-up-Projekte oder Testphasen können Sie den Basis-Modus wählen. Nach dem Go-live entscheiden Sie anhand des tatsächlichen Datenverkehrs, etwa der überwachten QPS-Erkennungsanfragen, ob ein Upgrade sinnvoll ist.
Zielbibliotheksverwaltung und API
- Bibliotheksverwaltung: Für alltägliche Vorgänge wie Erstellen, Löschen und Hochladen von Zielen lesen Sie den Abschnitt Bibliotheksverwaltung, der detaillierte Schritte und Screenshots enthält.
- CRS API: Bietet umfangreiche REST-APIs für folgende Szenarien:
- Gesundheitsprüfung: Dienststatus per API abfragen.
- Automatisierung: Ziele stapelweise hochladen, löschen, ändern und abfragen.
- Praktische Werkzeuge: Bewertung der Erkennungsqualität und Prüfung auf Ähnlichkeitskonflikte.
Anmerkung
CRS kann über SDK, WeChat Mini Program, Web und andere Wege integriert werden. Die SDK-Integration wird nur für EasyAR Sense v2.0.0 und höher unterstützt.
Ergebnisse und Erwartungen
Ein Verständnis der tatsächlichen Leistung von Cloud Recognition hilft Entwicklern, Projektziele vernünftig festzulegen. Im Folgenden werden die Ergebnisse typischer Szenarien beschrieben:
Ideale Ergebnisse
- Schnelle Erkennung: Die Latenz von der Aufnahme bis zur Rückgabe des Ergebnisses liegt unter 1 Sekunde (bei guter Netzwerkverbindung).
- Hohe Erkennungsgenauigkeit: Bei klaren Zielbildern und stabilem Netzwerk liegt die Genauigkeit über 98 %.
- Unterstützung großer Zielbibliotheken: Eine Bibliothek kann bis zu 100.000 Zielbilder verwalten.
- Echtzeitaktualisierung: Nach dem Hochladen neuer Ziele können diese ohne App-Update erkannt werden (nur mit Netzwerkverbindung).
Unerwünschte Situationen und Maßnahmen
| Phänomen | Ursache | Wahrnehmung des Benutzers | Lösung |
|---|---|---|---|
| Hohe Erkennungslatenz | Schwaches Netzwerk, langsamer Bild-Upload | Das Ergebnis erscheint erst nach einigen Sekunden | In der App passende Hinweise anzeigen |
| Erkennungsfehler | Bild unscharf, Ziel nicht in die Cloud hochgeladen | Virtueller Inhalt erscheint nicht | Status der CRS-Zielbibliothek prüfen und den Benutzer zu einer stabilen Gerätehaltung anleiten |
| Zielkonflikte | Zu viele ähnliche Bilder in der Zielbibliothek | Falsches Ziel wird erkannt | Zielbilder optimieren und besser unterscheiden, oder ähnliche Bilder in getrennten Bibliotheken verwalten |
Methode zur Überprüfung der erwarteten Ergebnisse
- Entwicklungsphase: Laden Sie Testziele in die EasyAR-CRS-Konsole hoch, überprüfen Sie zuerst mit dem HelloARCRS-Sample den Erkennungsablauf und machen Sie sich mit der Anwendungslogik vertraut, und integrieren Sie es dann in Ihre eigene Anwendung.
- Testphase: Testen Sie Ihre Anwendung unter verschiedenen Bedingungen, etwa bei schwachem Netzwerk, dynamischen Ziel-Updates oder wachsender Cloud-Zielbibliothek.
Best Practices
Cloud Recognition erweitert durch Cloud-Berechnung die Kapazität der Zielbibliothek und die Fähigkeit zu dynamischen Aktualisierungen, opfert dafür aber Offline-Fähigkeit und Echtzeit-Tracking. Entwickler sollten die Lösung je nach Projektbedarf wählen: lokale Verfolgung für kleine statische Szenen, Cloud Recognition für große dynamische Szenen.
Bei der Verwendung von CRS empfiehlt sich folgendes Vorgehen:
- Testphase: Nutzen Sie den Basis-Parallelitätsmodus und laden Sie nur wenige Ziele hoch, um den Ablauf zu prüfen.
- Vor dem Go-live: Schätzen Sie die erwartete Parallelität ab und kontaktieren Sie rechtzeitig den Support, um auf den Modus mit hoher Parallelität zu wechseln (ca. 1 bis 2 Arbeitstage).
- Betriebsphase: Überwachen Sie regelmäßig den Zustand der Zielbibliothek per API, um die Stabilität des Dienstes sicherzustellen.
Wichtig
Warnung vor saisonalen Verkehrsspitzen: Wenn Ihre Anwendung während Feiertagen, großer Veranstaltungen oder Marketingkampagnen mit einem vorübergehenden starken Anstieg der Parallelität rechnen muss, kontaktieren Sie bitte EasyAR-Support mindestens 3 Arbeitstage im Voraus, um ein Service-Upgrade zu beantragen und Einschränkungen bei der Nutzung des Erkennungsdienstes zu vermeiden.
Wenn Ihre Anwendung außerdem eine große Zielbibliothek benötigt und gleichzeitig Zielbild-Tracking erfordert, können Cloud Recognition und planare Bildverfolgung kombiniert werden. Weitere Details finden Sie im Abschnitt Mit planarer Bildverfolgung kombinieren.