Einführung in die bilderkennung in der cloud
Dieser Artikel stellt die Kernprinzipien, erwarteten Effekte und Unterschiede zur planaren Bildverfolgung von EasyAR CRS (Cloud Recognition Service) vor, um Entwicklern zu helfen, geeignete Anwendungsszenarien und Einschränkungen der Cloud-basierten Erkennung zu verstehen.
Grundlegende prinzipien
Cloud Recognition ist eine Lösung, die den Erkennungsprozess in die Cloud verlagert und für Szenarien mit umfangreichen Zielbibliotheken oder dynamischen Aktualisierungen geeignet ist. Der Kernablauf ist wie folgt:
Bildbibliotheksverwaltung
- Bibliothekserstellung: Laden Sie Ihre Zielbilder auf der CRS-Konsole hoch. Das System berechnet automatisch visuelle Merkmale der Zielbilder und fügt sie als Target zur Backend-Datenbank hinzu.
- Hinzufügen/Löschen/Ändern/Abrufen: Auf der CRS-Konsole können Sie Operationen wie Hinzufügen, Löschen, Ändern und Abrufen in Ihrer Zielbibliothek durchführen. Nach Abschluss der Operationen benötigen Clients keine App-Aktualisierung.
Wichtig
Die Anforderungen an die Bildqualität für Cloud-Erkennung sind identisch mit denen der planaren Bildverfolgung. Details siehe: Beste Praktiken für Zielbilder.
Erkennungsablauf
- Bildupload: Der Client erfasst das aktuelle Kamerabild und sendet die Bilddaten an den EasyAR CRS-Dienst.
- Cloud-Matching: Der Server durchsucht die Cloud-Zielbibliothek schnell und gleicht gespeicherte Target-Daten ab (vom Entwickler hochgeladene Zielbilder).
- Ergebnisrückgabe: Bei erfolgreichem Matching gibt die Cloud Erkennungsergebnisse (Target-ID, Zielbild etc.) an den Client zurück, der daraufhin virtuelle Inhalte anzeigt oder die Bildverfolgung fortsetzt.
Unterschiede zur planaren bildverfolgung
| Merkmal | Planare Bildverfolgung (lokal) | Cloud Recognition (Cloud) |
|---|---|---|
| Erkennungsberechnung | Lokal auf dem Gerät | Auf Cloud-Servern |
| Zielbibliotheksgröße | Durch Speicherlimit und Ladezeiten begrenzt (typisch <100) | Bis zu 100.000 Ziele pro Bibliothek, erweiterbar auf Milliarden |
| Zielaktualisierung | Erneutes App-Packaging erforderlich | Echtzeit-Upload, sofort wirksam |
| Netzwerkabhängigkeit | Kein Netzwerk erforderlich (offline) | Netzwerk zwingend erforderlich |
| Funktionsschwerpunkt | Erkennung + kontinuierliche Verfolgung (6DoF-Pose) | Einmalige Erkennung (Ziel-Matching) |
Wichtige Hinweise:
- Erkennung (Recognition): Ermittelt nur "Welches Ziel ist dies", bietet keine kontinuierliche Verfolgung. Für Verfolgung muss die lokale planare Bildverfolgung integriert werden.
- Anwendungsszenarien: Große Zielmengen (z.B. Produktkataloge, Kinderbücher), häufige Aktualisierungen (z.B. Werbeplakate) oder einfache Funktionsanforderungen (nur Erkennung ohne Verfolgung).
Dienstnutzung und -verwaltung
EasyAR CRS bietet flexible, sichere Cloud-Zielverwaltung für vielfältige Anforderungen von Einzelentwicklern bis zu Unternehmensanwendungen.
Bibliotheksisolierung und sicherheit
- Mehrfachbibliotheken: Sie können mehrere unabhängige CRS-Bibliotheken erstellen, die vollständig isoliert sind. Beispiele:
- Bibliothek A: Für Marketingkampagnen (Produktplakate).
- Bibliothek B: Für Bildung (Lehrmaterial-Illustrationen).
- Sicherheitsmechanismen: Jede Bibliothek wird über einen eindeutigen API-Key und Secret zugänglich gemacht.
Parallelitätsmodusauswahl
CRS bietet zwei Modi basierend auf Anwendungsskala und Scan-Anforderungen:
| Modus | Anwendungsszenario | Merkmale | Aktivierung |
|---|---|---|---|
| Basis-Parallelität | AR-App QPS < 50, normale Scans | Selbstaktivierung, stabil | Online-Beantragung in CRS-Konsole |
| Hohe Parallelität | AR-App QPS ≥ 50, hohe Scan-Volumen | Dedizierte Ressourcen, niedrige Latenz | Kontakt: EasyAR Support |
Tipp
Startups oder Testphasen können den Basis-Modus wählen. Bei App-Veröffentlichung sollte basierend auf tatsächlichem Traffic (z.B. QPS-Monitoring) über ein Upgrade entschieden werden.
Bibliotheksverwaltung und API
- Bibliotheksverwaltung: Alltagsoperationen (Erstellen, Löschen, Hochladen) siehe Kapitel Bibliotheksverwaltung mit detaillierten Schritten.
- CRS-API: Umfangreiche REST-API für:
- Health-Checks: Dienststatusabfrage.
- Automatisierung: Batch-Uploads, Löschungen, Änderungen.
- Hilfsfunktionen: Zielerkennbarkeitsbewertung, Ähnlichkeitsprüfung.
Anmerkung
CRS unterstützt Integration via SDK, WeChat Mini Programs, Web etc. SDK-Integration erfordert EasyAR Sense v2.0.0+.
Effekte und erwartete ergebnisse
Das Verständnis der tatsächlichen Cloud-Erkennungsleistung hilft Entwicklern bei realistischer Projektplanung.
Ideale effekte
- Schnelle Erkennung: Verzögerung <1 Sekunde (bei gutem Netzwerk).
- Hohe Trefferquote: >98% Genauigkeit bei klaren Zielbildern und stabilem Netzwerk.
- Große Zielbibliotheken: Bis zu 100.000 Ziele pro Bibliothek.
- Echtzeit-Updates: Neue Ziele sofort erkennbar (nur Netzwerk erforderlich).
Unerwünschte situationen und lösungen
| Phänomen | Ursache | Nutzererfahrung | Lösung |
|---|---|---|---|
| Hohe Erkennungslatenz | Schlechtes Netzwerk, langsamer Upload | Mehrere Sekunden Wartezeit | Hinweise in der App |
| Erkennungsfehler | Unscharfe Bilder, Ziel nicht in Cloud | Keine virtuellen Inhalte | CRS-Bibliothek prüfen, Nutzer zur Stabilisierung anleiten |
| Zielkonflikte | Zu viele ähnliche Bilder in Bibliothek | Falsches Ziel erkannt | Zielbilder optimieren, Unterscheidbarkeit erhöhen oder ähnliche Bilder trennen |
Verifikationsmethoden für erwartete ergebnisse
- Entwicklungsphase: Testziele in CRS-Konsole hochladen, Erkennungsablauf mit HelloARCRS-Beispiel validieren, dann in eigene App integrieren.
- Testphase: Eigene App unter verschiedenen Bedingungen testen (schwaches Netzwerk, dynamische Zielaktualisierungen, wachsende Bibliotheken).
Beste praxen
Cloud-Erkennung erweitert Zielbibliothekskapazität und Aktualisierungsfähigkeit durch Cloud-Berechnung, opfert jedoch Offline-Fähigkeit und Echtzeitverfolgung. Entwickler sollten basierend auf Projektanforderungen (Zielanzahl, Update-Häufigkeit, Netzwerk) wählen: Kleine statische Szenarien → lokale Verfolgung; große dynamische Szenarien → Cloud-Erkennung.
Empfohlener Entwicklungsansatz für CRS:
- Testphase: Basis-Parallelitätsmodus, wenige Ziele zum Workflow-Test.
- Vor Veröffentlichung: Erwartete Parallelität evaluieren, rechtzeitig Support für Hochlast-Modus kontaktieren (1-2 Werktage).
- Betriebsphase: Regelmäßige API-Health-Checks für Bibliotheksstabilität.
Wichtig
Saisonale Traffic-Spitzen: Bei erwarteten Lastspitzen (Feiertage, Veranstaltungen) kontaktieren Sie EasyAR Support mindestens 3 Werktage vorher für Service-Upgrade.
Falls Ihre App große Bibliotheken benötigt und gleichzeitig Bildverfolgung erfordert, können Sie Cloud-Erkennung mit planarer Bildverfolgung kombinieren. Details siehe Kapitel Kombination mit planarer Bildverfolgung.