Pengantar pengenalan awan gambar
Artikel ini memperkenalkan prinsip inti, efek yang diharapkan, dan perbedaan dengan pelacakan gambar datar dari fungsi EasyAR CRS (Cloud Recognition Service), membantu pengembang memahami skenario aplikasi dan batasan pengenalan awan.
Prinsip dasar
Pengenalan awan (Cloud Recognition) adalah solusi yang memindahkan proses pengenalan ke awan, cocok untuk skenario dengan basis target besar atau membutuhkan pembaruan dinamis. Alur intinya adalah sebagai berikut:
Manajemen galeri gambar
- Membuat galeri gambar: Unggah gambar target Anda di konsol CRS. Sistem akan secara otomatis menghitung fitur visual gambar target dan menambahkannya sebagai Target ke basis data backend.
- Tambah, hapus, ubah, cari: Di konsol CRS, Anda dapat melakukan operasi tambah, hapus, ubah, cari, dll. pada basis target Anda. Setelah operasi selesai, klien dapat menggunakannya tanpa perlu memperbarui aplikasi.
Penting
Persyaratan kualitas gambar target untuk pengenalan awan sepenuhnya sama dengan persyaratan dalam pelacakan gambar datar. Detail lebih lanjut lihat: Praktik terbaik gambar target.
Alur pengenalan
- Unggah gambar: Klien menangkap gambar saat ini melalui kamera dan mengirimkan data gambar ke layanan EasyAR CRS.
- Pencocokan awan: Server melakukan pencarian cepat di basis target awan, mencocokkan data Target yang disimpan sebelumnya (yaitu gambar target yang diunggah pengembang).
- Pengembalian hasil: Setelah pencocokan berhasil, awan mengembalikan hasil pengenalan (ID target, gambar target, dll.) ke klien, yang kemudian digunakan klien untuk menampilkan konten virtual atau melanjutkan pelacakan menggunakan gambar.
Perbedaan dengan pelacakan gambar datar
| Fitur | Pelacakan gambar datar (lokal) | Pengenalan awan (awan) |
|---|---|---|
| Perhitungan pengenalan | Dilakukan secara lokal di perangkat | Dilakukan di server awan |
| Ukuran basis target | Dibatasi oleh memori dan pertimbangan waktu muat, biasanya tidak disarankan melebihi 100 gambar | Maksimal 100.000 gambar target per basis, dapat diperluas hingga level miliaran |
| Pembaruan target | Perlu dibungkus ulang dan didistribusikan aplikasi | Diunggah secara real-time, segera berlaku |
| Ketergantungan jaringan | Tidak memerlukan jaringan (dapat digunakan offline) | Harus terhubung ke jaringan (permintaan pengenalan memerlukan jaringan) |
| Fokus fungsi | Mengenali dan melacak terus-menerus (menghasilkan pose 6DoF) | Pengenalan satu kali (pencocokan target) |
Penjelasan kunci:
- Pengenalan (Recognition): Hanya menyelesaikan pencocokan "apa target ini", tidak menyediakan pelacakan berkelanjutan. Jika perlu pelacakan, perlu dikombinasikan dengan fungsi pelacakan gambar datar lokal.
- Skenario aplikasi: Jumlah target besar (seperti inventaris produk, buku cerita anak), perlu sering diperbarui (seperti poster acara) atau kebutuhan fungsional tunggal (misalnya hanya pengenalan tanpa pelacakan).
Penggunaan dan manajemen layanan
EasyAr CRS menyediakan solusi manajemen target awan yang fleksibel dan aman, mendukung kebutuhan beragam dari pengembangan pribadi hingga aplikasi tingkat perusahaan.
Isolasi dan keamanan galeri gambar
- Dukungan multi-galeri gambar: Anda dapat membuat beberapa galeri CRS independen, setiap galeri sepenuhnya terisolasi, target tidak akan berbenturan. Contoh:
- Galeri A: Untuk kampanye pemasaran, menyimpan poster produk.
- Galeri B: Untuk pendidikan dan pelatihan, menyimpan ilustrasi buku teks.
- Mekanisme keamanan: Setiap galeri diakses melalui API Key dan Secret unik, memastikan keamanan data.
Pemilihan mode permintaan bersamaan
Menurut skala aplikasi dan kebutuhan volume pemindaian, CRS menyediakan dua mode permintaan bersamaan:
| Mode | Skenario aplikasi | Fitur | Cara mengaktifkan |
|---|---|---|---|
| Permintaan bersamaan dasar | Aplikasi AR QPS < 50, volume pemindaian umum | Aktifkan mandiri, stabil dan andal | Ajukan secara online di konsol CRS |
| Permintaan bersamaan tinggi | Aplikasi AR QPS ≥ 50, pemindaian lalu lintas tinggi | Jaminan sumber daya khusus, latensi rendah | Hubungi dukungan teknis EasyAR, diaktifkan setelah evaluasi |
Kiat
Proyek rintisan atau tahap pengujian dapat memilih mode dasar, setelah aplikasi diluncurkan, putuskan apakah akan meningkatkan berdasarkan lalu lintas aktual (seperti memantau volume permintaan pengenalan QPS).
Manajemen galeri gambar dan API
- Manajemen galeri gambar: Untuk operasi sehari-hari (seperti membuat, menghapus, mengunggah target), lihat bab Manajemen galeri gambar, berisi langkah dan tangkapan layar detail.
- API CRS: Menyediakan REST API kaya, mendukung skenario berikut:
- Pemeriksaan kesehatan: Kueri status layanan melalui API.
- Otomasi: Unggah massal, hapus, modifikasi, kueri target.
- Alat utilitas: Skor kemampuan dikenali target, pemeriksaan konflik kesamaan.
Catatan
CRS mendukung integrasi melalui SDK, aplikasi WeChat Mini Program, Web, dll. Integrasi melalui SDK hanya mendukung EasyAR Sense v2.0.0 dan versi yang lebih tinggi.
Efek dan hasil yang diharapkan
Memahami kinerja aktual pengenalan awan membantu pengembang menetapkan tujuan proyek secara wajar. Berikut deskripsi efek dalam skenario tipikal:
Efek ideal
- Kecepatan pengenalan cepat: Dari pemotretan hingga pengembalian hasil penundaan < 1 detik (saat jaringan baik).
- Akurasi pengenalan tinggi: Ketika gambar target jelas dan jaringan stabil, akurasi > 98%.
- Mendukung basis target skala besar: Basis tunggal dapat mengelola hingga 100.000 gambar pengenalan target.
- Pembaruan real-time: Setelah target baru diunggah, klien dapat mengenali tanpa perlu pembaruan aplikasi (hanya perlu jaringan).
Situasi tidak ideal dan penanganannya
| Fenomena | Penyebab | Persepsi pengguna | Solusi |
|---|---|---|---|
| Penundaan pengenalan tinggi | Jaringan buruk, pengunggahan gambar lambat | Butuh menunggu beberapa detik untuk hasil muncul | Berikan petunjuk yang sesuai di aplikasi |
| Pengenalan gagal | Gambar buram, target tidak diunggah ke awan | Konten virtual tidak muncul | Periksa status basis target CRS, pandu pengguna untuk menstabilkan perangkat |
| Konflik target | Terlalu banyak gambar serupa di basis target | Mengenali target yang salah | Optimalkan gambar target, tingkatkan perbedaan. Atau kelola gambar serupa di basis berbeda |
Metode verifikasi hasil yang diharapkan
- Tahap pengembangan: Unggah target uji di konsol EasyAR CRS, verifikasi alur pengenalan terlebih dahulu melalui sampel HelloARCRS dan kenali logika aplikasi, lalu integrasikan ke aplikasi Anda sendiri.
- Tahap pengujian: Gunakan aplikasi Anda sendiri untuk menguji keberhasilan pengenalan dalam berbagai kondisi, seperti lingkungan jaringan lemah, pembaruan dinamis gambar target, peningkatan ukuran galeri gambar awan, dll.
Praktik terbaik
Pengenalan awan memperluas kapasitas basis target dan kemampuan pembaruan dinamis melalui komputasi awan, tetapi mengorbankan kemampuan offline dan pelacakan real-time. Pengembang perlu memilih solusi berdasarkan kebutuhan proyek (jumlah target, frekuensi pembaruan, lingkungan jaringan, dll.): gunakan pelacakan lokal untuk skenario statis skala kecil, gunakan pengenalan awan untuk skenario dinamis skala besar.
Saat menggunakan CRS, disarankan untuk mengembangkan dengan pola berikut:
- Tahap pengujian: Gunakan mode permintaan bersamaan dasar, unggah sedikit target untuk memverifikasi alur.
- Sebelum peluncuran: Evaluasi volume permintaan bersamaan yang diharapkan, hubungi dukungan teknis sebelumnya untuk meningkatkan ke mode permintaan bersamaan tinggi (membutuhkan 1-2 hari kerja).
- Tahap operasional: Pantau status kesehatan galeri gambar secara berkala menggunakan API, pastikan layanan stabil.
Penting
Peringatan lonjakan lalu lintas musiman: Jika aplikasi Anda kemungkinan menghadapi peningkatan volume permintaan bersamaan sementara selama liburan, acara besar, atau promosi pemasaran, pastikan untuk menghubungi dukungan teknis EasyAR setidaknya 3 hari kerja sebelumnya untuk meminta peningkatan layanan, guna menghindari pembatasan penggunaan layanan pengenalan.
Selain itu, jika aplikasi Anda membutuhkan galeri gambar skala besar dan sekaligus membutuhkan kebutuhan pelacakan gambar target, Anda dapat mengkombinasikan pengenalan awan dengan fungsi pelacakan gambar datar. Pengenalan dan penjelasan detail dapat dilihat di bab Kombinasi dengan pelacakan gambar datar.