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

Tìm hiểu cách sử dụng Scene Semantics API trong ứng dụng của riêng bạn.

Scene Semantics API giúp nhà phát triển hiểu 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, Scene Semantics API cũng cung cấp các giá trị tin cậy cho từng nhãn pixel và một cách dễ sử dụng để truy vấn mức độ phổ biến của một nhãn nhất định ở 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

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

Bật ngữ nghĩa cảnh

Trong phiên ARCore mới, hãy kiểm tra xem thiết bị của người dùng có hỗ trợ Scene Semantics API (API ngữ nghĩa cảnh) 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, tính năng Ngữ nghĩa của cảnh sẽ bị tắt 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 tính năng Ngữ nghĩa của cảnh, hệ thống 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 tin cậy

Ngoài hình ảnh ngữ nghĩa (cung cấp nhãn cho từng pixel), API cũng cung cấp hình ảnh tin cậy của các giá trị tin cậy của pixel tương ứng. Hình ảnh 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 được 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 đến 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 pixel trong khung hiện tại thuộc một lớp cụ thể, chẳng hạn như sky. Truy vấn này hiệu quả hơn việc trả về hình ảnh ngữ nghĩa và thực hiện tìm kiếm trên pixel cho một nhãn cụ thể. Phân số được trả về là một giá trị số thực trong dải ô [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.
}