Tìm hiểu môi trường của người dùng trên Android NDK (C)

Tìm hiểu cách sử dụng API Ngữ nghĩa cảnh trong ứng dụng của riêng bạn.

API Ngữ nghĩa cảnh cho phép nhà phát triển hiểu được cảnh xung quanh người dùng bằng cách cung cấp thông tin ngữ nghĩa theo thời gian thực dựa trên mô hình học máy. Khi nhận được hình ảnh của một cảnh ngoài trời, API sẽ trả về một nhãn cho mỗi pixel trong một tập hợp các lớp ngữ nghĩa hữu ích, chẳng hạn như bầu trời, toà nhà, cây, đường, vỉa hè, xe cộ, người và nhiều lớp khác. Ngoài nhãn pixel, API Ngữ nghĩa cảnh cũng cung cấp các giá trị độ tin cậy cho từng nhãn pixel và một cách dễ sử dụng để truy vấn mức độ phổ biến của một nhãn nhất định trong cảnh ngoài trời.

Từ trái sang phải, ví dụ về hình ảnh đầu vào, hình ảnh ngữ nghĩa của nhãn pixel và hình ảnh độ tin cậy tương ứng:

Điều kiện tiên quyết

Hãy đảm bảo rằng bạn hiểu các khái niệm cơ bản về AR và cách định cấu hình phiên ARCore trước khi tiếp tục.

Bật ngữ nghĩa cảnh

Trong một phiên ARCore mới, hãy kiểm tra xem thiết bị của người dùng có hỗ trợ API Scene Semantics hay không. Không phải thiết bị nào tương thích với ARCore cũng hỗ trợ API ngữ nghĩa cảnh do hạn chế về sức mạnh xử lý.

Để tiết kiệm tài nguyên, theo mặc định, bạn sẽ tắt tính năng Ngữ nghĩa cảnh trên ARCore. Bật chế độ ngữ nghĩa để ứng dụng của bạn sử dụng API Ngữ nghĩa cảnh.

// 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);

Lấy hình ảnh ngữ nghĩa

Sau khi bật Scene Semantics, bạn có thể truy xuất hình ảnh ngữ nghĩa. Hình ảnh ngữ nghĩa là hình ảnh AR_IMAGE_FORMAT_Y8, trong đó mỗi pixel tương ứng với một nhãn ngữ nghĩa do ArSemanticLabel xác định.

Sử dụng ArFrame_acquireSemanticImage() để thu thập hình ảnh ngữ nghĩa:

// 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.

Hình ảnh ngữ nghĩa đầu ra sẽ xuất hiện sau khoảng 1-3 khung hình kể từ khi bắt đầu phiên, tuỳ thuộc vào thiết bị.

Lấy hình ảnh về độ tự tin

Ngoài hình ảnh ngữ nghĩa cung cấp nhãn cho mỗi điểm ảnh, API này cũng cung cấp hình ảnh độ tin cậy của các giá trị độ tin cậy điểm ảnh tương ứng. Hình ảnh độ tin cậy là hình ảnh AR_IMAGE_FORMAT_Y8, trong đó mỗi pixel tương ứng với một giá trị trong phạm vi [0, 255], tương ứng với xác suất liên kết với nhãn ngữ nghĩa cho mỗi pixel.

Sử dụng ArFrame_acquireSemanticConfidenceImage() để lấy hình ảnh về độ tin cậy ngữ nghĩa:

// 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.

Hình ảnh độ tin cậy đầu ra sẽ xuất hiện sau khoảng 1-3 khung hình kể từ khi bắt đầu phiên, tuỳ thuộc vào thiết bị.

Truy vấn phân số pixel cho nhãn ngữ nghĩa

Bạn cũng có thể truy vấn tỷ lệ phần trăm pixel trong khung hình hiện tại thuộc một lớp cụ thể, chẳng hạn như bầu trời. Truy vấn này hiệu quả hơn so với việc trả về hình ảnh ngữ nghĩa và thực hiện tìm kiếm theo pixel cho một nhãn cụ thể. Phân số được trả về là một giá trị float trong phạm vi [0.0, 1.0].

Sử dụng ArFrame_getSemanticLabelFraction() để lấy phân số cho một nhãn nhất định:

// 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.
}