స్మార్ట్‌ఫోన్ ఆధారిత ఆగ్మెంటెడ్ రియాలిటీ, దీనిలో విజువల్ ఎలిమెంట్స్ స్మార్ట్‌ఫోన్ కెమెరా ఇమేజ్‌పై అతివ్యాప్తి చెందుతాయి, ఇవి అత్యంత ప్రజాదరణ పొందిన యాప్‌లు. ఈ యాప్‌లు వినియోగదారులు తమ ఇంట్లో ఫర్నిచర్ ఎలా కనిపిస్తుందో చూడటానికి లేదా మ్యాప్‌లను మెరుగ్గా నావిగేట్ చేయడానికి లేదా ఇంటరాక్టివ్ గేమ్‌లను ఆడటానికి అనుమతిస్తాయి. ప్రపంచ దృగ్విషయం Pokémon GO, వారి ఫోన్ ద్వారా డిజిటల్ జీవులను పట్టుకోవడానికి ఆటగాళ్లను ప్రోత్సహిస్తుంది, ఇది ఒక ప్రసిద్ధ ఉదాహరణ.

అయితే, మీరు భవనం లోపల ఆగ్మెంటెడ్ రియాలిటీ యాప్‌లను ఉపయోగించాలనుకుంటే, మీ అంచనాలను తగ్గించుకోవడానికి సిద్ధం చేయండి. ఆగ్మెంటెడ్ రియాలిటీని అమలు చేయడానికి ఇప్పుడు అందుబాటులో ఉన్న సాంకేతికతలు స్పష్టమైన GPS సిగ్నల్‌ని యాక్సెస్ చేయలేనప్పుడు కష్టపడతాయి. కానీ స్మార్ట్‌ఫోన్‌లు మరియు వినియోగదారులతో విస్తృతమైన మరియు జాగ్రత్తగా ప్రయోగాలు చేసిన తర్వాత, ఒసాకా విశ్వవిద్యాలయం పరిశోధకులు ఈ సమస్యలకు గల కారణాలను వివరంగా నిర్ణయించారు మరియు సంభావ్య పరిష్కారాన్ని గుర్తించారు. మొబైల్ కంప్యూటింగ్ మరియు నెట్‌వర్కింగ్‌పై 30వ వార్షిక అంతర్జాతీయ సదస్సులో ఈ పనిని ఇటీవల ప్రదర్శించారు.

“వాస్తవికతను పెంచడానికి, స్మార్ట్‌ఫోన్ రెండు విషయాలు తెలుసుకోవాలి” అని అధ్యయనం యొక్క ప్రధాన రచయిత షున్‌పే యమగుచి చెప్పారు. “అది ఎక్కడ ఉంది, దానిని స్థానికీకరణ అని పిలుస్తారు మరియు అది ఎలా కదులుతోంది, దీనిని ట్రాకింగ్ అంటారు.”

దీన్ని చేయడానికి, స్మార్ట్‌ఫోన్ రెండు ప్రధాన వ్యవస్థలను ఉపయోగిస్తుంది: పర్యావరణంలో QR కోడ్‌లు లేదా ఏప్రిల్‌ట్యాగ్‌లు వంటి ల్యాండ్‌మార్క్‌లను కనుగొనడానికి దృశ్య సెన్సార్లు (కెమెరా మరియు LiDAR), మరియు కదలికను కొలిచే ఫోన్‌లోని ఒక చిన్న సెన్సార్ అయిన దాని జడత్వ కొలత యూనిట్ (IMU). .

ఈ వ్యవస్థలు ఎలా పని చేస్తాయో సరిగ్గా అర్థం చేసుకోవడానికి, పరిశోధనా బృందం ఖాళీ లెక్చర్ హాల్‌లో వర్చువల్ క్లాస్‌రూమ్ వంటి కేస్ స్టడీలను ఏర్పాటు చేసింది మరియు వర్చువల్ డెస్క్‌లు మరియు కుర్చీలను సరైన రీతిలో ఏర్పాటు చేయమని పాల్గొనేవారిని కోరింది. మొత్తంమీద, వాస్తవ-ప్రపంచ వాతావరణంలో 316 నమూనాలలో 113 గంటల ప్రయోగాలు మరియు కేస్ స్టడీస్ జరిగాయి. కొన్ని సెన్సార్‌లను నిలిపివేయడం మరియు పర్యావరణం మరియు లైటింగ్‌ను మార్చడం ద్వారా AR యొక్క వైఫల్య మోడ్‌లను వేరుచేయడం మరియు పరిశీలించడం దీని లక్ష్యం.

“దృశ్యంలో వర్చువల్ ఎలిమెంట్స్ ‘డ్రైఫ్ట్’ అవుతాయని మేము కనుగొన్నాము, ఇది చలన అనారోగ్యానికి దారి తీస్తుంది మరియు వాస్తవికత యొక్క భావాన్ని తగ్గిస్తుంది” అని అధ్యయనం యొక్క సీనియర్ రచయిత షున్సుకే సరువతారి వివరించారు. విజువల్ ల్యాండ్‌మార్క్‌లను చాలా దూరం నుండి, తీవ్ర కోణాల్లో లేదా చీకటి గదులలో కనుగొనడం కష్టంగా ఉంటుందని పరిశోధనలు హైలైట్ చేశాయి; LiDAR ఎల్లప్పుడూ బాగా పని చేయదు; మరియు IMU అధిక మరియు తక్కువ వేగంతో లోపాలను కలిగి ఉంది, అవి కాలక్రమేణా జోడించబడతాయి.

ఈ సమస్యలను పరిష్కరించడానికి, బృందం సంభావ్య పరిష్కారంగా అల్ట్రా-వైడ్‌బ్యాండ్ (UWB) ఆధారిత సెన్సింగ్ వంటి రేడియో-ఫ్రీక్వెన్సీ-ఆధారిత స్థానికీకరణను సిఫార్సు చేస్తుంది. UWB WiFi లేదా బ్లూటూత్ మాదిరిగానే పనిచేస్తుంది మరియు దాని అత్యంత ప్రసిద్ధ అప్లికేషన్లు Apple AirTag మరియు Galaxy SmartTag+. రేడియో-ఫ్రీక్వెన్సీ స్థానికీకరణ కాంతి, దూరం లేదా దృష్టి రేఖ ద్వారా తక్కువగా ప్రభావితమవుతుంది, దృష్టి-ఆధారిత QR కోడ్‌లు లేదా ఏప్రిల్‌ట్యాగ్ ల్యాండ్‌మార్క్‌లతో ఇబ్బందులను నివారిస్తుంది. భవిష్యత్తులో, UWB లేదా అల్ట్రా-సౌండ్, WiFi, BLE, లేదా RFID వంటి ప్రత్యామ్నాయ సెన్సింగ్ పద్ధతులు విజన్-బేస్డ్ టెక్నిక్‌లతో ఏకీకరణకు సంభావ్యతను కలిగి ఉన్నాయని పరిశోధకులు విశ్వసిస్తున్నారు, ఇది చాలా మెరుగైన ఆగ్మెంటెడ్ రియాలిటీ అప్లికేషన్‌లకు దారి తీస్తుంది.



Source link