相关站点
jsartoolkit5 - ARToolkit.js
Talkingdata - 用数据的心智去超越
three.js 系列教程 - 良心之作
JSARToolKit 支持多种标记
本文概述了不同的Marker类型，它们是如何在增强现实应用中使用它们的呢。
这是JSARToolKit Marker的基本概述。
Marker是图像或视频中的功能，JSARToolKit可以跟踪并告知您他们在哪里以及他们指向什么位置方向。
JSARToolKit可以跟踪的标记是平面图像。
文章中，我们将一个可打开的框放在条形码标记之上，这是一种特殊类型的内置方形标记，用于对其模式中的数字进行编码。
JSARToolKit中有两种其他类型的标记：方形图像标记和NFT（自然特征跟踪）标记。
方形图像标记是由黑色和白色轮廓包围的正方形图像。
NFT标记是使用先进的计算机视觉机制跟踪自由形式的图像标记。
我们来详细了解每个标记类型，并附上一些您可以玩的样品。
图案标记
图案标记是具有黑色和白色边框的正方形图像，可用于以最少的CPU使用来跟踪自定义图像。
图案标记应该有一个厚实的黑色边框，被一个厚实的白色边框包围。
正方形内的图像应该是高对比度和旋转非对称的（意思是：如果将其平放在桌子上并旋转90度，180度或270度，则每个角度应该看起来不同）
高对比度要求的原因是ARToolKit的工作原理。
ARToolKit将视频图像转换为黑白阈值图像，然后在该图像中查找矩形。
找到形状后，它会在矩形中采样像素，并将读取的像素与注册的标记进行比较。
如果足够的像素与标记相匹配，ARToolKit会告诉您的应用程序，它会找到一个标记，并计算将一个正方形变成矩形在屏幕上的形状的转换矩阵。
这是一个代码片段，初始化JSARToolKit并加载模式标记。
当视频中看到模式标记时，下面的代码将标记详细信息记录到控制台。
var video = document.querySelector('video');
var ar = new ARController(video.videoWidth, video.videoHeight, 'Data/camera_para.dat');
ar.onload = function() {
var markerId;
// Load pattern marker.
//
ar.loadMarker('Data/patt.hiro', function(marker) {
markerId = marker;
});
ar.addEventListener('getMarker', function(ev) {
if (ev.data.marker.idPatt === markerId) {
console.log('saw marker', ev.data.marker);
console.log('transformation matrix', ar.getTransformationMatrix());
}
});
console.log('camera matrix', ar.getCameraMatrix());
setInterval(function() {
ar.process(video);
}, 33);
};复制代码
您可以在
此演示中看到模式标记跟踪。
条码标记
条码标记使用二进制码在黑白标记上画一个数字。
它们不需要预先注册并使用非常少的CPU。
认为他们是非常低分辨率的QR码，你有这个想法。
他们在封面下工作的方式很像模式标记。
库读回阈值图像数据，将其转换为二进制，并将位转换为数字。
使用条形码标记比使用图案标记更容易。
所有您需要做的是将ARController的模式检测模式设置为其中一种条形码检测模式，并检查标记对象的idMatrix属性。
arController.setPatternDetectionMode( artoolkit.AR_MATRIX_CODE_DETECTION );
arController.addEventListener('getMarker', function(ev) {
console.log('saw barcode marker', ev.data.marker.idMatrix);
});复制代码
您可以在
看到模式标记跟踪。
混合模式跟踪
使用混合模式标记跟踪，您可以跟踪图案标记和条形码标记。
这比跟踪只有一种类型的标记更容易出错，因为某些图案标记可能被误认为条形码标记。
但是如果你需要这样做，它很简单，只需将ARController的模式检测模式设置为混合模式跟踪。
在混合模式跟踪中，getMarker事件返回的标记分别具有idMatrix或idPatt属性，分别设置为条形码ID或模式标记ID。
不匹配的id设置为-1。
以下是如何做到这一点：
arController.setPatternDetectionMode( artoolkit.AR_TEMPLATE_MATCHING_COLOR_AND_MATRIX );
arController.addEventListener('getMarker', function(ev) {
if (ev.data.marker.idMatrix !== -1) {
console.log('saw barcode marker', ev.data.marker.idMatrix);
}
if (ev.data.marker.idPatt !== -1) {
console.log('saw pattern marker', ev.data.marker.idPatt);
}
});复制代码
您可以在
看到混合模式标记跟踪
。
NFT标记
NFT（自然特征跟踪）标记用于跟踪自定义矩形图像，并且不需要标记为正方形或在图像周围具有粗边框。
例如，如果您想在架构书中弹出交互式3D模型来构建照片，则可以在每张建筑照片中创建一个NFT标记。
要使用NFT，您需要事先创建标记（参见
）。
NFT标记包含不同尺度的多个版本的标记图像。
这样，跟踪器可以进行快速的自上而下的图像匹配，从尝试低分辨率匹配开始，并将其下降到相机分辨率匹配。
尚未在JSARToolKit5中实现NFT标记。
多标记跟踪
您可以组合方形图像标记和条形码标记来进行多标记跟踪。
在多标记跟踪中，您已经在单个平面上打印了几个标记，即使某些标记不可见，也可以跟踪表面。
以这种方式，多标记跟踪可以以更加鲁棒的方式跟踪表面，而牺牲了一些额外的CPU使用。
多标记跟踪的另一个优点是您可以将小标记放在非标记内容周围，并使非标记内容的行为像标记。
例如，如果您将地图图像打印在一张纸上，并在其周围印有小标记，则可以将AR内容放在地图的顶部，只要任何多标记图像可见，它就可以工作。
在这个意义上，多标记跟踪的行为有点像NFT跟踪。
多标记与NFT的缺点是您需要使用方形标记图像进行跟踪。
这些优点是，多标记对于将跟踪表面部分遮挡起来更加坚固，并且它们在CPU使用方面更便宜。
var markerId;
var markerCount = 0;
// Load multimarker.
//
arController.loadMultiMarker('Data/multi-barcode-4x3.dat', function(marker, subMarkerCount) {
markerId = marker;
markerCount = subMarkerCount;
});
arController.addEventListener('getMultiMarker', function(ev) {
if (ev.data.multiMarkerId === markerId) {
console.log('saw multimarker', ev.data.multiMarkerId);
console.log('transformation matrix', arController.getTransformationMatrix());
}
});
arController.addEventListener('getMultiMarkerSub', function(ev) {
if (ev.data.multiMarkerId === markerId) {
console.log('saw submarker', ev.data.markerId, ev.data.marker);
}
});
复制代码
您可以在
看到多标记跟踪。
结论
我们已经了解了JSARToolKit中可用的不同类型的标记以及如何使用它们。
您可以跟踪的不同类型的标记是方形图像标记，条形码标记，NFT标记和多标记。
选择使用哪种类型的标记取决于您的要求。
如果您需要快速跟踪，请使用方形标记。
如果您需要自定义标记图形，则可以使用方形自定义标记或NFT标记。
如果您需要非正方形标记，则需要使用NFT标记或多标记跟踪。
对于强大的跟踪，请使用多标记跟踪。