اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شمارهها | 1,414 |
| تعداد مقالات | 10,149 |
| تعداد مشاهده مقاله | 12,007,780 |
| تعداد دریافت فایل اصل مقاله | 7,012,992 |
مروری بر روشهای موقعیتیابی در واقعیت افزوده با تمرکز بر پلتفرم ARCore | ||
| مجله نوآوری های فناوری اطلاعات و ارتباطات کاربردی | ||
| مقاله 6، دوره 3، شماره 4، بهمن 1403 | ||
| نوع مقاله: مقاله مروری | ||
| نویسنده | ||
| سینا صمدی قره ورن* | ||
| دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران | ||
| تاریخ دریافت: 07 شهریور 1404، تاریخ بازنگری: 03 آبان 1404، تاریخ پذیرش: 12 آبان 1404 | ||
| چکیده | ||
| واقعیت افزوده بهعنوان یکی از فناوریهای نوظهور در تعامل انسان با محیط، نقش مهمی در ادغام اطلاعات مجازی با دنیای واقعی ایفا میکند و برای تحقق این هدف نیازمند موقعیتیابی دقیق و قابلاعتماد است. تکنیکهای بینایی–اینرسی (VIO) که دادههای دوربین و حسگرهای حرکتی را ترکیب میکنند، بهویژه در محیطهای داخلی و بدون دسترسی به GPS، به دلیل کارایی بالا توجه گستردهای جلب کردهاند. این مقاله بهصورت مروری و نظاممند، روشهای موقعیتیابی در پلتفرم ARCore را بررسی میکند؛ ARCore یکی از پیشرفتهترین و پرکاربردترین چارچوبهای توسعه در حوزه واقعیت افزوده است. در بخشهای ابتدایی، مفاهیم پایهای مانند رهگیری بصری، برآورد وضعیت، تشخیص ویژگیها و نگاشت محیط معرفی و مرور میشوند. سپس سازوکارهای داخلی ARCore، بهویژه زیرسامانههای SLAM، سنجش عمق و فیلتر کالمن، تحلیل شدهاند. همچنین الگوریتمهای متداول VIO شامل MSCKF، OKVIS، VINS-Mono و ROVIO معرفی شده و از منظر دقت، پیچیدگی محاسباتی و تطبیقپذیری با دادههای موبایلی، با عملکرد ARCore مقایسه میشوند. نوآوری اصلی مقاله ارائه یک تحلیل مقایسهای میان مدلهای آکادمیک و چارچوبهای عملی است که به درک مزایا و محدودیتهای هر یک کمک میکند. یافتهها نشان میدهند که گرایش آینده به سمت مدلهای سبکوزن، یادگیریمحور و مقاوم در شرایط ناپایدار محیطی است که میتواند کیفیت و کارایی واقعیت افزوده را به طور قابلتوجهی ارتقا دهد. | ||
| کلیدواژهها | ||
| واقعیت افزوده؛ موقعیتیابی؛ ARCore؛ فیلتر کالمن؛ ادیومتری بینایی - اینرسی | ||
| عنوان مقاله [English] | ||
| An overview of positioning methods in augmented reality with a focus on the ARCore platform | ||
| نویسندگان [English] | ||
| Sina samadi gharehveran | ||
| Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran | ||
| چکیده [English] | ||
| Augmented reality, as one of the emerging technologies in human-environment interaction, plays an important role in integrating virtual information with the real world, and to achieve this goal, accurate and reliable positioning is required. Vision-inertial (VIO) techniques that combine camera and motion sensor data have attracted widespread attention due to their high performance, especially in indoor environments without access to GPS. This paper reviews and systematically examines the positioning methods in the ARCore platform; ARCore is one of the most advanced and widely used development frameworks in the field of augmented reality. In the initial sections, basic concepts such as visual tracking, pose estimation, feature recognition, and environment mapping are introduced and reviewed. Then, the internal mechanisms of ARCore, especially the SLAM, depth sensing, and Kalman filter subsystems, are analyzed. Also, common VIO algorithms including MSCKF, OKVIS, VINS-Mono and ROVIO are introduced and compared with ARCore performance in terms of accuracy, computational complexity and adaptability to mobile data. The main innovation of the paper is to provide a comparative analysis between academic models and practical frameworks that helps to understand the advantages and limitations of each. The findings indicate that the future trend is towards lightweight, learning-based and robust models in unstable environmental conditions, which can significantly improve the quality and efficiency of augmented reality. | ||
| کلیدواژهها [English] | ||
| Augmented Reality, Positioning, ARCore, Kalman Filter, Visual-Inertial Odometry | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 380 |
||