Introduzione al tracking di immagini piane
Il tracking di immagini piane (Planar Image Tracking) serve a rilevare e seguire oggetti piani con texture della vita quotidiana. Per “piano” si intende un oggetto piccolo come un libro, un biglietto da visita o un poster, oppure un grande target come un muro con graffiti. Questi oggetti hanno superfici piatte e texture ricche e non ripetitive.
Questa pagina riassume i principi di base della rilevazione e del tracking di immagini piane, i risultati attesi e l’adattamento alle piattaforme, per aiutarti a capire rapidamente i limiti della funzione e i punti chiave dello sviluppo.
Principi di base
Capire questi principi aiuta a ottimizzare il riconoscimento e a evitare problemi comuni.
Flusso principale
Fase di caricamento e pre-elaborazione:
- Il sistema carica l’immagine target, ne estrae molti punti di feature visive, genera la descrizione delle feature e la inserisce nel database delle feature.
- Più l’immagine è ricca di texture, più è facile da riconoscere e da seguire. Puoi usare lo strumento di rilevamento delle immagini target per verificare in anticipo la rilevabilità della tua immagine target.
Sinistra: immagine ricca di texture e facile da riconoscere (5 stelle); destra: immagine semplice, povera di texture, difficile da riconoscere (1 stella).
Consigliamo immagini target da 4~5 stelle.Fase di rilevamento e tracking in tempo reale:
- Dopo che la camera cattura il frame, il sistema analizza i punti feature del frame corrente e li confronta con il database feature dell’immagine target.
- Tramite l’algoritmo PnP (Perspective-n-Point), calcola la pose dell’immagine nello spazio 3D (posizione + rotazione).
- Una volta che il target è stato rilevato con successo, il sistema entra in modalità tracking. A quel punto confronta i frame consecutivi e analizza il movimento tra essi per ottenere il tracking in tempo reale.
Meccanismi di ottimizzazione:
- Recupero dopo la perdita di tracking: dopo un’occlusione breve o un motion blur rapido, il sistema ritrova automaticamente il target.
- Tracking simultaneo di più target: controlla la concorrenza di un solo Tracker tramite il parametro
Simultaneous Number, così da seguire più target con una sola chiamata al Tracker.
Limiti tecnici
- Supporta solo immagini piane (non oggetti 3D o contenuti dinamici).
- Dipende dall’illuminazione ambientale; luce troppo bassa o sovraesposizione rendono difficile il rilevamento o fanno perdere facilmente il tracking.
- Durante il rilevamento, la camera non deve essere troppo lontana dal target; assicurati che l’immagine target occupi almeno il 30% dello schermo.
- Il tracking multi-target è limitato dalle prestazioni del dispositivo; di solito un PC può seguire più di 10 target contemporaneamente, mentre un dispositivo mobile può seguirne 4~6 piani in contemporanea.
Effetti e risultati attesi
Dopo aver compreso il funzionamento e i limiti tecnici del rilevamento e del tracking delle immagini, conviene sapere quali risultati può raggiungere questa funzione. Questo aiuta a definire criteri di test ragionevoli durante lo sviluppo.
Risultato ideale
- Superposizione precisa: l’oggetto virtuale si allinea ai bordi dell’immagine.
- Rilevamento rapido: latenza bassissima dal caricamento dell’app al rilevamento riuscito.
- Tracking stabile: l’immagine resta seguita anche se ruota, si muove o viene parzialmente occlusa.
Situazioni non ideali e risposta
| Fenomeno | Causa | Percezione utente | Soluzione preliminare (vedi i capitoli successivi) |
|---|---|---|---|
| Impossibile da riconoscere | Texture insufficiente o immagine troppo piccola | L’oggetto virtuale non appare | Ottimizzare l’immagine target e usare lo strumento per verificarne la rilevabilità |
| Tracking instabile | Il target occupa troppo poco schermo e ci sono pochi punti tracciabili | L’oggetto virtuale trema chiaramente | Evitare di allontanarsi troppo dall’immagine target e impostare PreferQuality come modalità di tracking |
| Perdita frequente | Movimento rapido dell’immagine o occlusione totale | L’oggetto virtuale lampeggia/scompare | Stabilizzare il movimento del dispositivo/target oppure aumentare la dimensione del target |
| Perdita di più target | Limiti hardware | Alcune immagini target non possono essere tracciate | Bilanciare le prestazioni impostando un Simultaneous Number ragionevole |
Metodo di verifica dei risultati attesi
- Fase di sviluppo: usa la camera del PC tramite la modalità Play di Unity Editor per la preview.
- Fase di test: usa la scena sample ufficiale o una tua immagine di test per coprire diverse condizioni di luce, angolo e distanza.
Best practice per le immagini target
Le prestazioni del tracking di immagini piane dipendono molto dalla qualità dell’immagine target. Per garantire un buon tasso di riconoscimento, segui queste regole quando prepari l’immagine target.
In base allo scenario, puoi preparare l’immagine target in vari modi: fotografando direttamente l’oggetto target frontalmente oppure progettando prima il motivo e poi stampandolo. Sia le foto sia i design possono essere usati come immagine template.
Requisiti di base
- Formato immagine: consigliati JPG o PNG.
- Gestione del canale alfa: se l’immagine ha il canale alpha, il sistema la tratterà come sfondo bianco. Se non è l’effetto desiderato, evita il canale alpha.
Punti chiave di ottimizzazione
Assicurare dettagli ricchi di texture
L’immagine template deve avere abbastanza dettagli e variazioni di bordo; evita colori piatti o forme semplici.
Sinistra: l’immagine ricca di texture può essere rilevata; destra: l’immagine piatta non può essere rilevata
Evitare pattern ripetitivi
I pattern con regolarità ripetitiva (come scacchiere o righe) riducono l’unicità dei punti feature.
L’immagine con pattern ripetitivo non può essere tracciata
Riempire il frame
Il soggetto dovrebbe occupare il più possibile l’intera immagine e ridurre le aree vuote.
L’immagine con un soggetto pieno è più facile da rilevare e tracciare
Controllare il rapporto
L’immagine non dovrebbe essere troppo lunga e stretta; il lato corto deve raggiungere almeno il 20% del lato lungo.
Le immagini troppo strette sono difficili da tracciare
Scegliere la risoluzione corretta
Intervallo consigliato: tra SQCIF (128×96) e QVGA (1280×960).
Troppo piccola: pochi punti feature, riconoscimento più basso.
Troppo grande: aumenta memoria e tempo di calcolo nella generazione dei dati Target.