Introdução ao rastreamento de imagens planas

O rastreamento de imagens planas (Planar Image Tracking) é usado para detectar e rastrear objetos planos com textura do dia a dia. “Plano” pode ser um objeto pequeno como um livro, um cartão de visita ou um pôster, ou um alvo grande como uma parede com grafite. Esses objetos têm superfícies planas e texturas ricas e não repetitivas.

Esta página resume os princípios básicos da detecção e do rastreamento de imagens planas, os resultados esperados e a adaptação por plataforma, para ajudá-lo a entender rapidamente os limites da função e os pontos principais de desenvolvimento.

Princípios básicos

Entender esses princípios ajuda a otimizar o reconhecimento e evitar problemas comuns.

Fluxo principal

1. Etapa de carregamento e pré-processamento:

   • O sistema carrega a imagem-alvo, extrai muitos pontos de feature visual, gera sua descrição de feature e a insere no banco de dados de features.
   • Quanto mais rica a textura da imagem, mais fácil ela é de reconhecer e rastrear. Você pode usar a ferramenta de detecção de imagem-alvo para verificar com antecedência a detectabilidade da sua imagem-alvo.
     

   Esquerda: imagem rica em textura e fácil de reconhecer (5 estrelas); direita: imagem simples, com pouca textura, difícil de reconhecer (1 estrela).
   Recomendamos usar imagens-alvo de 4~5 estrelas.

2. Etapa de detecção e rastreamento em tempo real:

   • Depois que a câmera captura o frame, o sistema analisa os pontos de feature do frame atual e os compara com o banco de dados de features da imagem-alvo.
   • Por meio do algoritmo PnP (Perspective-n-Point), calcula a pose da imagem no espaço 3D (posição + rotação).
   • Assim que a detecção do alvo é bem-sucedida, o sistema entra no modo de rastreamento. Nesse momento ele compara frames consecutivos e analisa o movimento entre eles para obter o rastreamento em tempo real.
     

3. Mecanismos de otimização:

   • Recuperação após perda de rastreamento: depois de uma oclusão breve ou de blur causado por movimento rápido, o sistema redetecta o alvo automaticamente.
   • Rastreamento simultâneo de múltiplos alvos: controla a concorrência de um único Tracker pelo parâmetro Simultaneous Number, permitindo rastrear vários alvos com uma única chamada ao Tracker.

Limitações técnicas

• Suporta apenas imagens planas (não objetos 3D nem conteúdo dinâmico).
• Depende da iluminação ambiente; luz muito fraca ou superexposição dificultam a detecção ou fazem o rastreamento se perder facilmente.
• Durante a detecção, a câmera não deve ficar muito longe do alvo; garanta que a imagem-alvo ocupe pelo menos 30% da tela.
• O rastreamento de múltiplos alvos é limitado pelo desempenho do dispositivo; normalmente um PC consegue rastrear mais de 10 alvos ao mesmo tempo, enquanto um dispositivo móvel consegue rastrear 4~6 alvos planos simultaneamente.

Efeitos e resultados esperados

Depois de entender o funcionamento e as limitações técnicas da detecção e do rastreamento de imagens, também é importante saber que resultados a função pode entregar. Isso ajuda a definir critérios de teste razoáveis durante o desenvolvimento.

Resultado ideal

• Superposição precisa: o objeto virtual se alinha às bordas da imagem.
• Detecção rápida: latência muito baixa entre o carregamento do app e a detecção bem-sucedida.
• Rastreamento estável: a imagem permanece rastreada mesmo ao girar, mover ou sofrer oclusão parcial.

Situações não ideais e resposta

Fenômeno	Causa	Percepção do usuário	Solução preliminar (veja os capítulos seguintes)
Não consegue reconhecer	Textura insuficiente ou imagem muito pequena	O objeto virtual não aparece	Otimizar a imagem-alvo e usar a ferramenta para verificar a detectabilidade
Rastreamento instável	O alvo ocupa pouco da tela e há poucos pontos rastreáveis	O objeto virtual treme claramente	Evitar se afastar demais da imagem-alvo e definir PreferQuality como modo de rastreamento
Perda frequente	Movimento rápido da imagem ou oclusão total	O objeto virtual pisca/desaparece	Estabilizar o movimento do dispositivo/alvo ou aumentar o tamanho do alvo
Perda de múltiplos alvos	Limitações de hardware	Parte das imagens-alvo não pode ser rastreada	Equilibrar o desempenho ajustando um Simultaneous Number adequado

Método de validação dos resultados esperados

• Fase de desenvolvimento: use a câmera do PC pelo modo Play do Unity Editor para pré-visualizar.
• Fase de testes: use a scene sample oficial ou sua própria imagem de teste para cobrir diferentes condições de iluminação, ângulo e distância.

Boas práticas para imagens-alvo

O desempenho do rastreamento de imagens planas depende muito da qualidade da imagem-alvo. Para garantir uma boa taxa de reconhecimento, siga estas regras ao preparar a imagem.

Dependendo do cenário, você pode preparar a imagem-alvo de várias formas: fotografando diretamente o objeto de frente ou desenhando primeiro o padrão e depois imprimindo. Tanto fotos quanto artes podem ser usadas como imagem template.

Requisitos básicos

• Formato de imagem: recomendados JPG ou PNG.
• Tratamento do canal alfa: se a imagem tiver canal alpha, o sistema a tratará como fundo branco. Se esse não for o efeito desejado, evite canal alpha.

Pontos principais de otimização

1. Garanta detalhes ricos de textura
   A imagem template deve ter detalhes e variações de borda suficientes; evite áreas chapadas ou formas simples.
   

   Esquerda: a imagem rica em textura pode ser detectada; direita: a imagem chapada não pode ser detectada

2. Evite padrões repetitivos
   Padrões com repetição regular (como tabuleiro de xadrez ou listras) reduzem a unicidade dos pontos de feature.
   

   A imagem com padrão repetitivo não pode ser rastreada

3. Preencha o quadro
   O assunto deve ocupar o máximo possível da imagem e reduzir áreas em branco.
   

   A imagem com sujeito bem preenchido é mais fácil de detectar e rastrear

4. Controle a proporção
   A imagem não deve ser muito estreita; o lado curto deve atingir pelo menos 20% do lado longo.
   

   Imagens estreitas demais são difíceis de rastrear

5. Escolha a resolução adequada
   Faixa recomendada: entre SQCIF (128×96) e QVGA (1280×960).
   Pequena demais: poucos pontos de feature, queda na taxa de reconhecimento.
   Grande demais: aumenta desnecessariamente o uso de memória e o tempo de cálculo ao gerar os dados Target.