Гладышев

1.

Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации
Федеральное государственное бюджетное образовательное учреждение высшего
образования
«Сибирский государственный университет телекоммуникаций и информатики»
(ФГБОУ ВО «СибГУТИ»)
кафедра
САПР
Выпускная квалификационная работа
Оптимизация способов навигации
в приложениях дополненной реальности
Выполнил: Гладышев Кирилл Олегович
Группа: МГТ-41
Научный руководитель: Ганелина Наталья Давидовна
Консультант: Скоробогатов Роман Юрьевич

2.

Актуальность и проблематика
• Рост применения AR в навигационных системах1,2.
• Потребность в навигации внутри помещений.
• Использование смартфонов как основной платформы.
• Необходимость повышения точности и снижения дрейфа
виртуальных объектов3.
кафедра
САПР
1. https://www.statista.com/outlook/amo/ar-vr/worldwide?srsltid=AfmBOooALKmRkJT00u-WD2VpHsJueXDgzIsoVqguKksCa3MLYu9G3kNn#revenue
2. https://www.fortunebusinessinsights.com/augmented-reality-ar-market-102553
2
3. https://arpitkulsh.medium.com/top-5-complex-problems-in-mobile-ai-for-the-next-3-years-86c3bda0d09c

3.

Цель работы
Разработать способ AR-навигации с комбинированным
позиционированием виртуальных объектов для снижения их дрейфа
без увеличения вычислительных затрат.
кафедра
САПР
Задачи
1. Анализ существующих способов AR-навигации.
2. Исследование методов позиционирования виртуальных объектов
в AR.
3. Провести сравнительные тесты позиционирования.
4. Реализовать способ AR-навигации с комбинированным
позиционированием объектов.
5. Реализовать waypoint навигацию.
6. Оценить эффективность разработанного способа.
3

4.

Объект исследования
AR технологии
кафедра
Предмет исследования
САПР
Навигация и позиционирование в AR
Гипотеза
Комбинирование методов позиционирования и алгоритмов ARнавигации позволит снизить дрейф виртуальных объектов без
дополнительной нагрузки на вычислительные мощности устройств.
4

5.

Основные понятия
AR (Augmented Reality) – это интерактивный опыт, в котором объекты,
находящиеся в реальном мире, дополняются сгенерированной компьютером
информацией1.
кафедра
САПР
SLAM (Simultaneous Localization and Mapping) – алгоритм, который
позволяет устройству сканировать пространство, определять свое положение
и создавать цифровую карту окружающей среды2.
Drift (дрейф) – смещение виртуальных объектов относительно реального
мира при работе AR-системы.
Unity AR Foundation – фреймворк для работы с дополненной реальностью.
ARCore – набор инструментов Google, который позволяет создавать
приложения AR для Android.
1. https://unity.com/ru/resources/rise-of-ar-vr-across-industries
2. https://3dproscan.ru/methods/slam/
5

6.

Анализ способов навигации
Способ
Точность
Технические требования
Область применения
Глобальные
2–10 метров
навигационные
(зависит от уровня
спутниковые системы сигнала)
Поддерживаются во всех
современных
смартфонах
Улицы, места с
доступом к ГНСС
Визуальная
одометрия
1–3 метра
Необходимо
специализированное
оборудование
Улицы, открытые
пространства
Построение
виртуальной карты
От нескольких
сантиметров
до 1 метра
Для создания карты
требуется оборудование и
программное обеспечение
Закрытые помещения
Система маркеров
От 10 сантиметров
до 1 метра
(зависит от типа
маркеров)
Необходимо создание
инфраструктуры маячков
Общественные места
(музеи, парки,
предприятия)
Использование
датчиков глубины
От 1 миллиметра
до 10 сантиметров
Доступны, но высокоточные
датчики устанавливаются
только во флагманских
смартфонах.
Помещения с большим
количеством объектов
(квартиры, склады)
кафедра
САПР
6

7.

Инструментарий:
кафедра
САПР
Проблема дрейфа
Причины1:
Освещение
Резкие движения
Сложные поверхности
Ошибки SLAM
Дрейф объекта
1. Какаджикова А. Г., Мырадов М. Создание мобильного приложения с элементами AR: от концепции до реализации
// Наука и мировоззрение, Т. 1, №. 55, 2025, С. 89-95.
4
7

8.

Методика тестирования
Условия:
одинаковая AR-сцена;
один виртуальный объект;
одинаковое помещение;
тестирование 60 секунд;
измерение дрейфа и точности позиционирования.
кафедра
САПР
Оборудование для тестирования:
Oppo Reno 2Z (MediaTek Helio P90, 8 ГБ RAM);
OnePlus Ace 6t (Snapdragon 8 Gen 5, 12 ГБ RAM).
4
8

9.

Демонстрация тестирования
кафедра
САПР
Распознавание поверхностей
(Plane detection)
Якорь фиксации
(Anchor based)
Распознавание
поверхностей с якорем
(Plane detection
and Anchor)
Распознавание
маркеров
(Marker Tracking)
8
9

10.

Результаты
Метод Распознавание
поверхностей
Якоря фиксации
Распознавание
поверхностей с
якорями
Распознавание
маркеров
Критерий
Точность
начального
размещения
(см)
10-27
30-65
10-27
1-5
Дрейф (см)
До 210
До 100
До 100
До 10
Зависимость от
окружения
Необходима
распознаваемая
поверхность
Зависит от качества
SLAM
Необходима
распознаваемая
поверхность
Необходимо
заготовленное
изображение для
использования
кафедра
САПР
10

11.

Промежуточные результаты:
1. Исследованы особенности работы SLAM-алгоритмов, используемых
в Unity AR Foundation и ARCore, при позиционировании виртуальных
объектов.
кафедра
САПР
2. Установлено, что в условиях недостатка визуальных признаков
работа SLAM-алгоритмов приводит к увеличенному накоплению
ошибок дрейфа виртуальных объектов.
3. Для снижения дрейфа целесообразно использовать маркеры для
стартовой привязки, якорь для последующей фиксации маршрута.
11

12.

Структура способа
кафедра
САПР
12

13.

Реализованный способ
кафедра
САПР
План квартиры
Схема в Unity
Работа способа
13

14.

Результаты
Способ
Параметр Точность
начальной
позиции,
см
Дрейф, см
Время отрисовки
кадра1, мс
Использование
оперативной
памяти1, гб
Распознавание
маркеров и якорь
фиксации
2-5
До 29
33,1
0,78
Распознавание
маркеров
и якорь фиксации
с калибровкой
вторым
изображением
2-5
До 22
33,1
0,78
Распознавание
8-24
поверхностей и якорь
фиксации
До 45
33,1
0,82
1. OnePlus Ace 6t, Snapdragon 8 Gen 5, 12 ГБ RAM
кафедра
САПР
10
14

15.

Выводы:
1. Проведен анализ существующих способов навигации в среде AR.
2. Рассмотрены методы позиционирования в среде Unity AR
Foundation и проведены сравнительные тесты.
3. Реализован способ навигации с комбинированным
позиционированием.
4. Разработанный способ обеспечивает более высокую точность
позиционирования и меньший дрейф по сравнению с
распознаванием поверхностей при сопоставимых
вычислительных затратах.
5. Повышение стабильности навигации достигается за счёт
использования изображений для привязки и коррекции
координатной системы, что требует их предварительного
размещения в помещении.
кафедра
САПР
15

16.

кафедра
САПР
СПАСИБО ЗА ВНИМАНИЕ