Penggunaan gabungan dengan planar image tracking

Cloud image recognition juga dapat digunakan bersama planar image tracking untuk menerapkan mode hibrida "recognition + continuous tracking". Artikel ini memperkenalkan cara menggunakannya serta menganalisis keunggulan dan skenario yang sesuai.

Alur kerja

Inti mode hibrida adalah koneksi mulus antara cloud recognition dan local tracking. Alurnya sebagai berikut:

Tahap cloud recognition

1. Kirim permintaan: Kamera perangkat menangkap gambar saat ini dan mengunggahnya ke server CRS.
2. Pencocokan cloud: CRS mencari di target library lalu mengembalikan ID target yang cocok serta data gambar (Base64 encoded).
3. Terima hasil: Klien menerima hasil recognition dan memicu logika pemrosesan berikutnya.

Tahap local tracking

1. Dekode gambar: Klien mendekode data Base64 menjadi gambar dan membuat instance ImageTarget secara lokal berdasarkan data tersebut.
2. Inisialisasi tracking: Inisialisasi ImageTracker dan panggil metode loadTarget untuk memulai planar image tracking.
3. Continuous tracking: Perangkat menghitung pose 6DoF secara lokal, dan konten virtual mengikuti gambar secara real time.

Keunggulan penggunaan gabungan

Dibandingkan menggunakan cloud recognition saja, mode gabungan memiliki performa lebih baik pada aspek berikut:

• Mengurangi kemungkinan false recognition
  Saat cloud recognition digunakan sendiri, jika ada gambar serupa di target library, target yang salah mungkin dikembalikan. Dengan bantuan local image tracking, local tracking akan terus memverifikasi fitur gambar. Jika konten gambar sebenarnya tidak cocok dengan hasil recognition, tracking akan cepat hilang dan memicu recognition ulang. Karena itu, penggunaan gabungan dapat sangat mengurangi tingkat false recognition pada cloud recognition.

• Mendukung continuous tracking dan interaksi
  Cloud recognition saja hanya dapat mengembalikan ID target dan tidak dapat mendukung interaksi berkelanjutan seperti rotasi dan scaling. Dalam mode hibrida, setelah recognition selesai, sistem segera beralih ke local tracking dan mendukung pembaruan pose 6DoF real-time. Pengguna dapat menggerakkan perangkat atau gambar, sementara konten virtual selalu mengikuti, sehingga cocok untuk game AR, display produk, dan skenario lainnya.

• Mengurangi beban cloud
  Pemanggilan cloud recognition yang sering, misalnya sekali per detik, akan meningkatkan tekanan server dan latensi. Dalam mode hibrida, setelah recognition berhasil, tracking berikutnya diselesaikan secara lokal di perangkat tanpa terus-menerus mengunggah gambar. Cloud recognition hanya dipicu ulang ketika tracking hilang, sehingga jumlah permintaan cloud dan konsumsi traffic jaringan klien dapat sangat dikurangi.

• Adaptif pada lingkungan jaringan lemah
  Cloud recognition saja mudah timeout atau gagal saat jaringan tidak stabil. Dalam mode hibrida, setelah recognition berhasil, local tracking tetap dapat berjalan meskipun jaringan terputus. Ini dapat digabungkan dengan target library lokal untuk memberikan pengalaman degradasi sebelum jaringan pulih.

Praktik terbaik

Saat memilih apakah akan menggunakan cloud recognition, planar image tracking, atau mode hibrida, evaluasi berdasarkan dimensi berikut:

Cara memilih fitur

Karakteristik aplikasi	Solusi yang direkomendasikan	Alasan
Jumlah target < 100	Planar image tracking	Memori lokal mencukupi dan tidak bergantung pada jaringan
Tidak ada jaringan atau jaringan tidak stabil	Planar image tracking	Menghindari kegagalan recognition dan memastikan tersedia offline
Target perlu diperbarui real time	Cloud recognition	Langsung berlaku setelah diunggah, cocok untuk konten dinamis
Performa perangkat terbatas	Cloud recognition	Perangkat embedded atau kebutuhan konsumsi daya ekstrem
Tidak perlu continuous tracking	Cloud recognition	Misalnya recognition sekali pindai, tanpa kebutuhan tracking

Kapan memilih mode hibrida

• Jumlah target besar (>100): Cloud memiliki penyimpanan tidak terbatas, dan secara lokal hanya memuat target saat ini untuk menghemat memori.
• Memerlukan interaksi berkelanjutan: Misalnya pendidikan AR (memutar model 3D setelah mengenali materi ajar) dan pemasaran AR (melihat demonstrasi 3D setelah mengenali produk).
• Sensitif terhadap false recognition: Misalnya skenario medis dan industri yang harus memastikan akurasi recognition.
• Memerlukan degradasi pada jaringan lemah: Setelah recognition berhasil, tracking tetap dapat berlanjut meskipun jaringan terputus.

Ringkasan dan perluasan

Mode hibrida cloud recognition dan planar image tracking menggabungkan kapasitas besar cloud dengan kemampuan continuous tracking lokal, dan sangat cocok untuk skenario kompleks yang membutuhkan akurasi tinggi dan interaktivitas. Developer perlu memilih fitur tunggal atau mode hibrida secara fleksibel berdasarkan jumlah target, frekuensi update, lingkungan jaringan, dan kebutuhan interaksi.