見出し画像

AR開発のためのSLAM入門


ARCloudとセットでよく耳にするSLAM。

今回はAR周りのコンピュータビジョン技術の一つであるSLAMにフォーカスして紹介したいと思います。

コンピュータビジョンとは?と思われた方はこちらの記事を読んでから、進むことお勧めします。


なぜARにとってSLAMが重要視されているか?


現在のARの実用化には、あらゆる制限があります。

その中の一つはロケーションの制限です。

ある程度、用意された会場でのAR体験はリッチになってきましたが、屋外などの複雑性の高いロケーションでのARの提供には、まだまだハードルがあります。

また、個人間のAR体験の共有も、まだまだシームレスに実現できていません。

それらを解決する技術としてAR Cloudが注目されており、そのAR Cloudを実現にSLAMが必要だと言われています。

今回はAR Cloudの詳細な説明は省くので、気になる方は以下の記事がおすすめです。


SLAMとは


自己位置推定環境地図作成を同時に行う技術です。

自己位置推定とは

カメラの映像から、移動量を計算してカメラの位置を推定する。

環境地図作成とは

カメラの映像から、特徴点を取得し、環境物の位置を推定します。
そして、それらを元に三次元情報の地図情報を作成します。

画像1


SLAMの他のトラッキング技術と異なる点は、事前にメーカーとなる参照モデルが必要ないことです。

皆さんの身近な物でいうと、お掃除ロボットなどで実用化が進んでいます。お掃除ロボットは掃除をする際に、部屋の障害物をプロットした地図情報を生成することによって、掃除ルートを最適化しています。


Visual SLAM と LiDAR SLAM


SLAMの中でも主に二つの手法があります。

Visual SLAM

Visual SLAMはカメラからの画像から実現するSLAM技術です。

Visual SLAMは比較的安価に入手できるカメラを利用することでコストを抑えることができるのが利点です。

また、Visual SLAMのアルゴリズムは大きく2つに分類できます。

画像特徴点のマッチングによる疎な手法と、画像全体の輝度を使った密な手法です。

画像2


LiDAR (Light Detection and Ranging)

LiDARはレーザーセンサーを主に使用した方法です。

レーザーセンサーはカメラなど他のセンサーに比べて格段に精度が高く、自動運転やドローンなどの分野でで活用されています。

レーザーセンサーの点群は距離精度が高く、高精度の地図構築に対して非常に有効です。

一般に点群同士をマッチングすることで移動量を逐次推定します。移動量を積算することで自己位置を推定することができます。

画像3


まとめ


しかし、SLAM技術も以下のような課題をかかえており、まだまだ実用化が進んでいない技術です。

・位置推定の誤差が蓄積し、地図上の位置を見失ってしまう
・画像処理の計算コストが高く小型化が困難

これからの実用化を見据えて事業を展開することが大切でしょう。

弊社では5G時代 / グラス時代における新しいマーケティングソリューションを開発しています。

これからも、AR × マーケティングの領域について情報発信を行っていくので、興味ある方はお気軽に連絡をください。

まだまだ、模索中なので情報交換できたらと思います。


この記事が気に入ったら、サポートをしてみませんか?
気軽にクリエイターの支援と、記事のオススメができます!
3
AR × マーケティング × デジタルアートについて発信 / Software Engineer / InstgramのARフィルターに特化したSpark Studio運営 / 広告 × ARのユースケースを研究

こちらでもピックアップされています

Virtual Life
Virtual Life
  • 12352本

バーチャルとリアルの行方

コメントを投稿するには、 ログイン または 会員登録 をする必要があります。