مخطط تحسين دقة إدراك العمق لوحدة كاميرا TOF في الواقع المعزز

في تطوير تقنية الواقع المعزز (AR)، تؤثر دقة إدراك العمق بشكل مباشر على تكامل الأجسام الافتراضية مع المشاهد الحقيقية. أصبحت وحدة كاميرا TOF (وقت الطيران)، بفضل قدرتها على التقاط بيانات مكانية ثلاثية الأبعاد في الوقت الفعلي، المكون الأساسي لأجهزة الواقع المعزز. ومع ذلك، لا يزال التركيز منصبًا على تحسين دقة إدراك العمق في البيئات المعقدة. ستناقش هذه المقالة مخطط تحسين دقة إدراك العمق لوحدة TOF. وحدة الكاميرا في تطبيقات الواقع المعزز من ثلاثة أبعاد: التحسين الفني، والتصميم، ودمج أجهزة الاستشعار المتعددة.

مستشعرات TOF التقليدية عرضة للتداخل مع الضوء المحيط في بيانات العمق المشوشة. يستخدم الحل المُخصص من Ouster لهاتف Meizu 17 Pro خوارزميات ترشيح عالية الأداء، والتي، من خلال تقنية كبت الضوضاء التكيفية، تُزيل الضوضاء عالية التردد منخفضة التردد تحديدًا، مما يُحسّن وضوح خريطة العمق بشكل كبير. بالإضافة إلى ذلك، وبفضل مُحرك العمق المُحسّن بواسطة Qualcomm DSP، ينخفض استهلاك النظام للطاقة بنسبة 15%، مع الحفاظ على معدل إطارات ثابت يبلغ 30 إطارًا في الثانية، مما يضمن سلاسة تطبيقات الواقع المعزز.

للتعويض عن مشكلة عدم كفاية دقة To، يُحقق إطار عمل DELTAR، الذي طوره فريق جامعة تشجيانغ، دمجًا بسيطًا بين صور ToF وRGB من خلال التعلم العميق. يستخدم هذا النظام تفاصيل نسيج RGB لتكملة معلومات عمق ToF. في تجربة ECCV 2022، انخفض خطأ تقدير العمق بنسبة 23% مقارنةً بالطرق التقليدية، وزادت كفاءته الحسابية بنسبة 40%، مما يجعله مناسبًا للأجهزة محدودة الموارد مثل المحطات الطرفية المتنقلة.

الابتكار على مستوى الأجهزة هو أساس تحسين الدقة. تستخدم وحدة Femto-W من Ouster تقنية iToF لتحقيق دقة مليمترية في نطاق 0.2-2.5 متر، وتتكامل مع منصة حوسبة عميقة، ولا تتطلب دعمًا خارجيًا لقوة الحوسبة. تصميمها فائق الاتساع (مجال رؤية 120 درجة) يسمح بالتقاط معلومات مكانية أوسع، كما يوفر إخراج بيانات الأشعة تحت الحمراء والعمق بتنسيق Y16 بيانات عالية الدقة لنمذجة المشهد.

بالنسبة لاحتياجات الإنتاج الضخم، تأخذ الوحدة في الاعتبار كفاءة المعايرة على خط الإنتاج أثناء اختيار الأجهزة، وتحسن العائد من خلال تقنية المعايرة الشاملة، والوظائف المعقدة مثل التعرف على الوجه ثلاثي الأبعاد، وSLAM، وما إلى ذلك، وتلبية الاحتياجات المزدوجة للسيناريوهات الإلكترونية الاستهلاكية والأتمتة الصناعية.

لا تزال مستشعرات ToF الأحادية تعاني من بعض القيود في سيناريوهات الإضاءة المعقدة أو الملمس المنخفض. من خلال دمج بيانات متعددة الوسائط مثل RGB وIMU، يمكن بناء نظام إدراك عمق أكثر شمولاً. على سبيل المثال، تجمع وظيفة مسطرة الواقع المعزز في هاتف Meizu 18 Pro بيانات عمق ToF مع معلومات اتجاه IMU لتحقيق دقة قياس المسافة على مستوى السنتيمتر. يعمل إطار عمل DELTAR، وخوارزمية محاذاة الميزات، وتسجيل خريطة عمق ToF وصورة RGB على مستوى البكسل، على إزالة أخطاء اختلاف المنظر، ويعزز دقة تحديد المواقع المكانية للأجسام الافتراضية.

في المشاهد الديناميكية، يُمكن لدمج أجهزة الاستشعار المتعددة حل مشكلة ضبابية الحركة بفعالية. من خلال الجمع المتزامن لبيانات ToF وRGB، ودمج خوارزمية تحسين التسلسل الزمني، يُصحّح النظام انحراف العمق الناتج عن الحركة في الوقت الفعلي، مما يضمن استقرار تفاعل الواقع المعزز.

حاليًا، حققت وحدات عدسات ToF تطبيقات رائدة في مجال الواقع المعزز للهواتف المحمولة. تُحقق وظيفة تشويش الفيديو الفوري في هاتف Meizu 17 Pro، من خلال محرك عمق ToF، فصلًا دقيقًا بين الخلفية والهدف، مما يجعل انتقال التشويش أكثر طبيعية. يدعم حل Orbbec المُخصص لهاتف 18 Pro وظائف مبتكرة مثل رؤية الواقع المعزز، مما يُوسّع نطاق تطبيق الواقع المعزز في بيئات الإضاءة المنخفضة. في المستقبل، ومع تطوير خوارزميات خفيفة الوزن وأجهزة منخفضة الطاقة، ستُصبح وحدات ToF أصغر حجمًا وأقل تكلفة، مما يُعزز انتشار تقنية الواقع المعزز في المنازل الذكية والتفتيش الصناعي وغيرها من المجالات.

يعتمد تحسين دقة إدراك العمق في وحدة عدسة ToF على التطوير المنسق لتحسين الخوارزميات، وابتكار الأجهزة، والدمج متعدد الوسائط. ومن خلال الاختراق المستمر للعقبات التقنية، ستصبح ToF المحرك الأساسي للأجهزة لتحقيق "تكامل سلس بين العالمين الافتراضي والواقعي"، مما يوفر للمستخدمين تجربة تفاعلية أكثر غامرة ودقة.