株式会社フェリックス

弊社のソリューション、AR レントゲンのコンテンツを追加しました！

今回は 5つ！(iOS 版)

　AR レントゲン
　http://www.ferix.jp/products/arroentgen.html

今回は以下の5作です

　・ライオン
　・象
　・ステゴサウルス
　・ディプロドクス
　・蒸気機関

ご好評の恐竜シリーズに2つのコンテンツが追加。霧のかかる草原をさまようステゴサウルス、首を振って歩くディプロドクスをお楽しみ下さい。

ライオンは草原で寝転びます。白いライオンは貴重なライオン！希にしか出現しません。ぜひ、じっくりとご参照ください。

象のリンゴの食べ方はご存知ですか？おまけマーカでリンゴを食べる象の生態もお楽しみいただけます。リンゴを食べた後のお楽しみは、皆さんで感じてください。

蒸気機関も遊び心満載。鉄の塊が空を飛ぶ・・・？

今回のコンテンツ追加は5個となりますが、引き続きコンテンツは鋭意製作中です。

新たな AR レントゲンの不思議な世界をぜひ、お楽しみください

以下、ちょっとだけ、ライオンサンプル画像をお見せしますね。

まず、なにもない画像です。この時間は非常に短いので写真撮影困難です。ぶれているのはご容赦ください。

ここからが AR！

ライオンが出現します。

白いライオンですねー。貴重です。

他のライオンも出現しますよ。そして、彼らの動きもそれぞれです。ぜひ、全てをお楽しみ下さい。

おまけマーカをかざすと・・・。

がおー！

一気にあふりか?んな感じです。

これが、AR！楽しいでしょう。

その他のコンテンツも仕掛けは満載です。

ぜひ、全てをお楽しみ下さい。

先日(11月1日)にリリースさせていただきました AR レントゲン。

昨日、コンテンツを追加＆更新させていただきました。

au smart pass 版
　・女性
　・人の手

google play 版
　・タランチュラ
　・フクロウ

au smart pass 版の解説をちょっとしますね。

まず、人の手。

今回は、マーカをお札でやってみました。
＃指定のマーカとお札と両方で出来ます。

まずは、1万円札を・・・・と。
＃持ってない人はお母さんにもらってください！

こんな感じ。綺麗な手ですねー。毎日お手入れ完璧です。

さて、今回はお手手なので、おまけマーカが楽しい。

そりゃ、おまけマーカ！(5千円札)

ちょきになりましたー。

しかも手が二つ。

そんじゃー、次は勝つぞー！、ということで。

そりゃ。(5千円札抜き差し)

よっしゃー！勝ちましたー！！！

ぱちぱちー♪

って、どっちが自分かわかりませんね。(笑

もちのろんで、1万円さんが自分です。

いつも通りのスケルトン(レントゲンですから)ももちろん、できます。

女性の顔は更に面白いですよ。インカメラ(フロントカメラ)で自分を写してみてください。

こりゃー、かなり、いけます。首はよーく振ってくださいよ。
＃夜やるとちょっと怖いかも。(笑

というわけで、引き続き、コンテンツ拡充してまいります。

こう、ご期待。

コンテンツは、2週間おきに Up させていただきまーす。

KDDI さんの AR エンジン、SATCH、iOS 版がついに出ましたね。
＃Android 版から遅れること、1.5ヶ月。。。

いや、待ち遠しかったです。

　SATCH
　　http://viewer.satch.jp/

早速、試してみました。快調、快調。

iPon を 先日、4 から 5 に変えたんですが、その勢いもありますねー。めちゃ、快適です。

iPon 版はなんと、動画が埋め込みです。楽しい。

調子に乗ってコンテンツ作ってみました。

　Ferix 社内紹介コンテンツ

　　「ごゆっくり。」

　　※ QR はこちら。
　　　

Android 版だと、動画再生ページに遷移するので、ちょっと喜び半減です。でも、コンテンツはみやすいんですけどね。(笑

マーカ(認識対象)は 弊社 の HP です。

　http://www.ferix.jp/

スマホのカメラと お手元の PC の ディスプレイの相性で、ちょっと認識しづらい場合もあるようです。

認識しづらい場合は、以下のリンクより、お近くのプリンタでプリントお願いします。

さて、さて。

弊社の AR レントゲンも iOS 版を作らないと、ですね。

先日の水力発電に続きまして。

画像認識です。やってみたい。

もちろん、既に世の中にごろごろあるのはわかっています。精度はともかくとして、とにかく高速に、という目的でやってみたい。「高速に」の中には、認識対象識別データ生成や、認識開始時のローディング速度も含みます。

特に目新しい分野でも無いのですが、「素人のほうがとんでもないものを作り出す！」と信じて、完全オリジナルロジックでいってやろうかと思っています。(笑

おおよそのロジック(認識時)は以下の通り。

Step1) 画像を2値化(白黒に)
Step2) 外形を取得
Step3) 2値データ面積比率判定(！、笑)で外形合致判断
Step4) 認識対象画像の輪郭パレットを利用して必要部分のデータを比較
Step5) 分散閾値判定(！、笑)で、ライン毎の合致度判定
Step6) 全体の合致判定

まぁ、使い物になら無さそうだとは思うのですが、上記のロジックで以下を目指したいです。

＝＝
・スマホで撮った写真にメモをする。
・以降、対象をスマホで撮影するたびにそのメモが表示される
＝＝

現時点アイデアをメモ代わりにもう少し詳しく書いておきますー。

画像認識の「画」の字も知らない素人の発言なので、おいおいおい、というのは指摘お願いします。
＃と言っても相変わらず、本 Blog にはコメントできないのです。

Step1) 画像を2値化(白黒に)
・入力画像の周囲(4本の線)を Gray Scale ベースで積算し、128 を閾値として、ベースの白黒判定
・Gray Scale で、ベース判定結果と凸合し、2値画像を生成

Step2) 外形を取得
・Step1) の結果でルックアップテーブルを作成

Step3) 2値データ面積比率判定(！、笑)で外形合致判断
・Step2) と同時に、2値ベースで、外形面積を算出
・ターゲット面積と合致すれば(この判定は甘く行くぜよ)、移行の判定に移行
　合致率が低すぎれば、ここでサヨナラ・・・するかなぁ。
　悩ましい。軽ければ、全体を通してしまう、というのもありだす。
・画面内で最も大きい外形要素 １つ が今回の判定対象
　これで、処理を軽くなると信じているぜよー♪

Step4) 認識対象画像の輪郭パレットを利用して必要部分のデータを比較
・Step3) の結果を利用して、認識対象画像と、現在画像の判定位置/サイズの
　ずれを修正
　不足分は線形補完し、256 x 256 のデータを生成
　※512 のほうが良いかなー。
　　計算量4倍になるので、256でいきたい。
　※今回、上下左右反転、シェアの考慮は対象外
　　これでも、処理が軽くなると信じているぜよー♪
・Step2) or Step3) の処理と同時に、全体を Gray Scale 化
・ターゲット画像情報より、輪郭情報を取得し、輪郭の内部であれば、
　Step5) を行う

Step5) 分散閾値判定(！、笑)で、ライン毎の合致度判定
・(現在情報の Gray Scale 値　- ターゲット情報の Gray Scale 値)の２乗の
　和を積算して、なんちゃって分散を求める
・その際、Step1) で取得した周囲の明るさ(全体 Gray Scale 値)を利用して、
　現在画像の Gray Scale 値を補正する

Step6) 全体の合致判定
・Step5) の結果を積算して、合致度を求める
・合致度テーブルは経験則で出す想定(アバウト過ぎる？)
・OK なら元画像の位置情報込みで呼び出し元に通知

これで、画像認識できたらすげーなー。(笑