Dowiedz się, jak używać interfejsu Scene Semantics API we własnych aplikacjach.
Interfejs Scene Semantics API umożliwia programistom zrozumienie otaczającej je sceny przez dostarczanie w czasie rzeczywistym informacji semantycznych opartych na modelach systemów uczących się. Biorąc pod uwagę obraz sceny na zewnątrz, interfejs API zwraca etykietę każdego piksela w zestawie przydatnych klas semantycznych, takich jak niebo, budynek, drzewo, droga, chodnik, pojazd, osoba i inne. Oprócz etykiet pikseli interfejs Scene Semantics API udostępnia też wartości ufności dla każdej etykiety piksela i umożliwia łatwe w użyciu zapytanie o częstotliwość występowania danej etykiety w plenerze.
Przykłady obrazu wejściowego, semantyczna grafika etykiet pikseli oraz odpowiedni obraz ufności (od lewej do prawej):
Wymagania wstępne
Zanim przejdziesz dalej, upewnij się, że znasz podstawowe pojęcia związane z AR i wiesz, jak skonfigurować sesję ARCore.
Włącz semantyka sceny
W nowej sesji ARCore sprawdź, czy urządzenie użytkownika obsługuje interfejs Scene Semantics API. Z powodu ograniczeń mocy obliczeniowej nie wszystkie urządzenia zgodne z ARCore obsługują interfejs Scene Semantics API.
Aby oszczędzać zasoby, semantyka sceny jest domyślnie wyłączona w ARCore. Włącz tryb semantyczny, aby aplikacja używała interfejsu Scene Semantics API.
// Check whether the user's device supports the Scene Semantics API.
int32_t is_scene_semantics_supported = 0;
ArSession_isSemanticModeSupported(ar_session, AR_SEMANTIC_MODE_ENABLED, &is_scene_semantics_supported);
// Configure the session for AR_SEMANTIC_MODEL_ENABLED.
ArConfig* ar_config = NULL;
ArConfig_create(ar_session, &ar_config);
if (is_scene_semantics_supported) {
ArConfig_setSemanticMode(ar_session, ar_config, AR_SEMANTIC_MODE_ENABLED);
}
CHECK(ArSession_configure(ar_session, ar_config) == AR_SUCCESS);
ArConfig_destroy(ar_config);
Pobierz obraz semantyczny
Po włączeniu semantyki sceny można pobrać semantyczny obraz. Ten obraz to obraz AR_IMAGE_FORMAT_Y8, gdzie każdy piksel odpowiada etykiecie semantycznej zdefiniowanej przez ArSemanticLabel.
Użyj narzędzia ArFrame_acquireSemanticImage(), aby uzyskać semantyczny obraz:
// Retrieve the semantic image for the current frame, if available.
ArImage* semantic_image = NULL;
if (ArFrame_acquireSemanticImage(ar_session, ar_frame, &semantic_image) != AR_SUCCESS) {
// No semantic image retrieved for this frame.
// The output image may be missing for the first couple frames before the model has had a chance to run yet.
return;
}
// If a semantic image is available, use it here.
W zależności od urządzenia wyjściowe obrazy semantyczne powinny być dostępne po około 1–3 klatkach od początku sesji.
Pobierz obraz pewności
Oprócz obrazu semantycznego, który zawiera etykietę każdego piksela, interfejs API zapewnia też obraz ufności odpowiadającym wartościom ufności pikseli. Obraz ufności to obraz AR_IMAGE_FORMAT_Y8, gdzie każdy piksel odpowiada wartości z zakresu [0, 255], która odpowiada prawdopodobieństwu związanym z etykietą semantyczną każdego piksela.
Użyj narzędzia ArFrame_acquireSemanticConfidenceImage(), aby uzyskać semantyczny obraz pewności:
// Retrieve the semantic confidence image for the current frame, if available.
ArImage* semantic_confidence_image = NULL;
if (ArFrame_acquireSemanticConfidenceImage(ar_session, ar_frame, &semantic_confidence_image) != AR_SUCCESS) {
// No semantic confidence image retrieved for this frame.
// The output image may be missing for the first couple frames before the model has had a chance to run yet.
return;
}
// If a semantic confidence image is available, use it here.
Wyjściowe obrazy ufności powinny być dostępne po około 1–3 klatkach od początku sesji, w zależności od urządzenia.
Zapytanie o ułamek pikseli na potrzeby etykiety semantycznej
Możesz też wysyłać zapytania o ułamek pikseli w bieżącej ramce, które należą do określonej klasy, na przykład do nieba. To zapytanie jest skuteczniejsze niż zwracanie semantycznego obrazu i wyszukiwanie konkretnej etykiety z użyciem pikseli. Zwracany ułamek jest wartością zmiennoprzecinkową w zakresie [0.0, 1.0].
Użyj funkcji ArFrame_getSemanticLabelFraction(), aby uzyskać ułamek dla danej etykiety:
// Retrieve the fraction of pixels for the semantic label sky in the current frame.
float out_fraction = 0.0f;
if (ArFrame_getSemanticLabelFraction(ar_session, ar_frame, AR_SEMANTIC_LABEL_SKY, &out_fraction) != AR_SUCCESS) {
// No fraction of semantic labels was retrieved for this frame.
}