【AR實驗室】ARToolKit之製做本身的Marker/NFT

0x00 - 前言

---

看過example後，就會想本身動動手，這裏改改那裏修修。咱們先試着添加本身喜歡的marker/nft進行識別。

好比我作了一個法拉利的marker：

還有網上找了一個法拉利logo的圖片用於NFT(Natural Feature Tracking):

對應顯示的模型是這樣的(僅供參考^_^!)

0x01 - marker製做流程

---

1.製做marker圖片

首先咱們找到doc/patterns/Blank pattern.png，使用這個空白的marker圖片製做出本身想要的marker。之因此使用這個blank pattern，是由於這個空白marker圖片的符合marker的基本要求：

• 必須是方形。
• 必須有連續的邊緣(通常來講全是白色或黑色)。另外在marker裏面的pattern部分，咱們使用差異較大的兩種顏色分別表示先後景（好比此處我用黑色表示法拉利logo，白色做爲其背景）。默認狀況下，邊緣的厚度佔pattern圖片的1/4。

     - 被邊緣所包圍的部分就是咱們所稱的pattern，其必須具備旋轉不對稱性。pattern能夠是黑白的，也能夠是彩色的。

咱們將法拉利的logo弄成黑白的，再添加到blank pattern中。獲得如下maker：

2.訓練marker圖片

咱們使用這個在線工具"Tarotaro"進行訓練（若是想離線訓練，可使用ARToolKit提供的mk_patt的離線工具）。

a.打開Tarotaro網站並點擊下面紅框連接。

b.會打開以下的工具。這時將你須要訓練的marker放入攝像頭視野中，直到marker邊緣出現紅色邊框。

界面介紹：

    Mode Select：有Camera Mode和Load marker image兩種方式。咱們下面使用的就是Camera Mode方式。Load marker image是直接輸入本地的marker圖片進行訓練。

    Marker Segments和Marker Size我還不是很清楚是什麼。咱們這選擇默認參數便可。

c.當marker邊緣出現紅色邊框後，咱們點擊Get Pattern按鈕，就能夠獲得下圖，咱們能夠看到marker邊框變成綠色了，此時咱們選擇Save Current按鈕就能夠獲得對應的pattern文件，此處將其命名爲ferrari.patt（初始後綴是pat，能夠本身修改成patt）。

3.修改配置文件

咱們選擇example中的ARApp2的配置文件進行更改。主要是更改models.dat和markers.dat文件。

咱們先將ferrari.patt文件和網上搜羅來的ferrari模型文件導入到ARApp2中。

在markers.dat添加

在model.dat添加

4.編譯運行

配置文件修改完成後，咱們就能夠編譯運行了。請看結果：

0x02 - NFT製做流程

---

1.選擇圖片

NFT其實就是提取圖片的Natural Feature(天然特徵)而後進行跟蹤。ARToolKit中會先對圖片進行處理，獲得一組數據，後續追蹤過程使用的實際上是處理獲得的數據集。並非什麼圖片均可以進行NFT，對於進行NFT的圖片，有如下一些要求：

• 追蹤的圖片必須是矩形圖片。
• 圖片必須是jpeg格式。(大部分商用AR SDK支持多種圖片格式，好比EasyAR)
• 圖片自己要有足夠多的細節和邊緣（自類似度較低，而且空間頻率較高）。若是圖片帶有大量模糊或者細節較少的色塊，追蹤效果會比較差。
• 圖片分辨率的提高會使ARToolKit提取出更多的特徵點，這對於相機接近圖片的狀況或者使用高精度相機的狀況，會大大提高追蹤效果。

因此我選擇下面這張圖片作NFT：

2.提取圖片特徵

利用genTexData來生成對應的追蹤數據

選擇提取圖片特徵的程度，數值越大提取的特徵越多。當相機離圖片越近的時候，追蹤效果會越好。此處使用默認值。

使用Photoshop查看該圖片：

發現其分辨率是72，因此Enter resolution to use這部分輸入72。

而最大最小分辨率範圍，根據Training ARToolKit Natural Feature Tracking (NFT) to Recognize and Track an Image文章中提到的，根據不一樣相機分辨率及相機遠近有不一樣取值，通常使用20~120最爲合適。而咱們這邊最大分辨率只有72，因此我選擇20~72。

獲得image set（ferrari-nft.iset）和featureList（ferrari.fset&ferrari.fset3）兩組數據

咱們使用dispFeatureSet工具能夠顯示一下看看特徵點提取狀況：

3.修改配置文件

咱們修改ARAppNFT的配置文件來試驗咱們的成果。

首先添加對應訓練數據：

修改markers.dat

和上面marker圖片訓練同樣，添加法拉利模型，並在models.dat中添加法拉利模型顯示信息：

4.編譯運行

 

0x03 - 參考資料

---

• Creating and Training Traditional Template Square Markers

• Training ARToolKit Natural Feature Tracking (NFT) to Recognize and Track an Image