We solve the problem of hardware and software development tools for the modernization of the contacting machines. We consider the practical implementation of these methods for the machine "ZOND-A5M ". Successful outcomes in the process of testing the upgraded machines, which indicates loyalty to the chosen approach.
Усовершенствование имеющихся технологий в виртуальной телевизионной студии на основе рабочей связки kinect – ВТC
Р.Ю. Скоробогатов
В работе решается задача выделения актера из окружающего пространства, без использования специальных фонов. Также полученное изображение может быть совмещено с декорациями в виртуальной телевизионной студии (ВТС). На основе рабочей связки ВТС-Kinectпоказана возможность дифференциального кеинга. Показано, что Kinect второго поколения имеет значительно более качественные характеристики по сравнению с первым поколением. Представлена принципиальная схема комплекса. Приведены параметры оборудования, которые отвечают современным требованиям теле индустрии.
Впоследнее время телевидение переживает бурный рост. Трансляции таких важных событий как зимняя Олимпиада 2014 года в Сочи, чемпионаты мира по футболу и хоккею, которые пройдут в России в ближайшем будущем, требуют не только всестороннего обзора от команды работников, осуществляющих непосредственную трансляцию во время проведения матчей и соревнований, но также дополнительную работу в телевизионной студии: освещение состояния игроков, разбора матчей и многое другое связанное с основным событием.
Для ускорения и удешевления решения этих задач были разработаны виртуальные телевизионные студии (ВТС) с интерактивной составляющей (появление графиков, смена декораций, появление дополнительных предметов и т.д. в соответствии с событиями в студии). Однако при появлении виртуального персонажа в студии телеведущий взаимодействовать с ним не может, что делает показ телевизионной картинки "искусственным" для зрителя.
Вкачестве решения данной проблемы была разработана методика дополнения виртуальной студии компании СофтЛабНск «Фокус» управляемым виртуальным персонажем.
Цель работы заключается в добавлении новых функций и усовершенствовании имеющихся технологий в виртуальной телевизионной студии (ВТС),создании рабочей связки kinect– ВТС для внедрения дифференциального кеинга. Данная технология повысит качество "прорезания" актера, а также позволит совершать ему обход виртуальных препятствий также как и реальных (сейчас эта функция не реализована не в одной ВТС). Представленная технология также позволяет наиболее оптимальным способом передавать движения от реального актера виртуальному персонажу.
Также целью данного этапа является внедрение в ВТС низкополигональной модели виртуального персонажа управляемого реальным актером. Решение данной задачи повысит интерактивность ВТС и улучшит качество предоставления информации зрителю.
Объектом исследования является технология kinect, а также реализация с ее помощью дифференциального кеинга.
442
2. Основная часть
Первоначально дифференциальный кеинг пытались реализовать на базе HDTV AxiVisionCamera – включающей в себя блок видеокамеры, дальномера и LED-подсветки. Таким образом, технология получается весьма дорогостоящей. При этом точность системы не позволяет применять ее в телеиндустрии при вещании телепередач.[1, 2]
Другим путем развития данной технологии было использование kinect’a первого поколения, но его технические характеристики не позволяли преодолеть расхождение в 10 рх между изображением, получаемым с датчика глубины и цифровой видеокамеры. Такое несоответствие потоков, а также длительное время обработки сигнала (до 5 кадров, при требуемых 3 кадрах) также не позволяют применить этот подход в ВТС. [3]
Однако появление на рынке второго поколения kinect позволяет уменьшить артефакты при совмещении изображений, а новая версия SDK (SoftwareDevelopmentKit – Комплект разработки программного обеспечения) дает возможность реализации более производительных алгоритмов для обработки сигналов получаемых с сенсоров. На данный момент разрабатывается алгоритм с теоретической задержкой в 2 кадра для FullHD видео. Ниже представлено изображение Kinect второго поколения с отображением датчиков имеющихся в представленном устройстве и их расположение (Рисунок 1).
Рис. 1. Сенсоры и датчики Kinect второго поколения
Во вторую версию kinect добавлено несколько новых режимов просмотра.
Например, Режим Инфракрасного Зрения, а новые инструменты моделирования человеческого тела можно использовать для отслеживания движений мышц и взаимной ориентации частей тела.
Режим Глубокого изображения, действующий как радар, где каждый из 220 тысяч пикселей сенсора записывает данные независимо, что позволяет создать, например, удивительно точное и детализированное отображение комнаты.
В новый Kinect также добавлены настройки камеры, инвариантные к свету (остающиеся неизменными при изменениях света). При таких настройках Kinect дает одинаковый результат вне зависимости от особенностей освещения комнаты. На практике это означает, что можно использовать Kinect в темноте или в помещении со световыми шумами.
443
Например, два прожектора, направленных прямо на датчик, не повлияют на производительность устройства. Описанная функция была протестирована и в ряде тестов этот механизм оказался работоспособным, как и обещал производитель.[5]
Ниже представлены технические характеристики kinect второго поколения в сравнении с первым поколением устройства(Таблица 2) [4]:
Таблица 2. Основные характеристики kinect второго поколения относительно первого поколения.
Минимальное необходимое расстояние от
Снижено до 1,58 метра
Kinect
IR-сенсор
Сканирование помещения активным IR-лучем
Разрешение
Повышено до 1920x1080 рх (предыдущая
версия – 640х480 рх)
Разрешение по глубине
512х424 (было 320х240)
Диапазон глубины
0,5-4,5 метра (было 0,8-4,0 метра)
Активное IR-разрешение
512х424 (раньше небыло реализовано)
Углы обзора
Увеличены на 60%
Частота кадров
30 кадров/с (ранее 25 кадров/с)
Распознавание людей
6 человек (2 человека)
Скорость отклика
33 мс.
Приложениеможет создать сетку из более чем 1000 точек для более точного представления лица, что означает повышение разрешения в 20 раз.
Исходное значение глубины d переводится в метрические единицы по формуле (1):
δsimple G /(− G ). (1)
Более точный метод на основе функции высшего порядка может быть рассчитан по формуле (2):
δtan G ·WDQ((G / ) ). (2)
Карта глубины имеет около 300 тыс. пикселей, следовательно вычислять последнюю формулу 30 раз в секунду представляет собой трудоемкую задачу.[6]
Проект реализуется с учетом технических характеристик современного телекоммуникационного оборудования. Применяется разделение программной части на отдельные составляющие, каждая из которых пишется на том языке программирования, который максимально быстро позволяет решать свою задачу. Данный подход позволяет реализовать эффективность и быстродействие необходимое для включения системы в ВТС.
Ниже приведена принципиальная схема ВТС с включенным в нее устройством kinect второго поколения (Рисунок 2):
При использовании представленной схемы возникает необходимость улучшения алгоритмов для движка трехмерного рендера (выполняется на языке программирования С++). Такая потребность появляется ввиду высокого количества полигонов используемых для вывода виртуального персонажа требуемого качества и с естественной анимацией движений (до 500 тыс. полигонов), что практически удваивает количество просчитываемых полигонов.
444
Рис. 2. Схема ВТС с включением в нее kinectвторого поколения
3.Заключение
Вданной работе представлены технические характеристики оборудования и приведена принципиальная схема комплекса. Рассматривается возможность просчета изображения посредствам дифференциального кеинга и встраивания его в ВТС.
Полученныерезультаты могут быть использованы для доведения дифференциального кеинга до требуемых технических требований и улучшения алгоритмов передачи движений виртуальному персонажу. Включение виртуального персонажа может значительно дополнить и расширить возможности ВТС, и также способствовать более активному внедрению современных технологий в медийный рынок регионов страны.
Литература
1.S. Kimura, H. Kano, T. Kanade, A. Yoshida, E. Kawamura, and K. Oda.(1995) “CMU video- rate stereo machine,” in Proceedings of 1995 Mobile Mapping Symposium // American Society for Photogrammetry and Remote Sensing, Columbus, Ohio, P. 9-18.
2.Sato K. and Inokuchi S. (1987) “Range-imaging system utilizing nematic liquid crystal mask,”
in 1st International Conference on Computer Vision ICCV //Institute of Electrical and Electronics Engineers, London, P. 657-661.
3.Oike Y., Ikeda M., and Asada K. (2004) “Design and implementation of real-time3-D image sensor with 640 ×480 pixel resolution” // IEEE J. Solid-State Circuits,P.39, 622-628.
Аспирант второго курса кафедры САПР, ассистент кафедры САПР, СибГУТИ. e-mail:ro-m-a-n@yandex.ru
Parameterization of functional blocks of integrated circuits at the design stage
R. Skorobogatov
445
Исследование методов повторного использования частотных полос в сетях сотовой связи LTE
З. С. Таубельдинова, В. И. Негодюк
Полагаем, что построение сети LTE целесообразно по аналогии с сетями GSM осуществлять на основе сотовых кластеров. Технология LTE в отличие от GSM обеспечивает каждой базовой станции сети возможность выборочно выделять полосы частот и мощность пользователям в зависимости от их расположения в соте. При этом могут использоваться различные модели повторного использования полос частот и, соответственно, появляется возможность максимизировать пропускную способность соты при выполнении требований к качеству радиосвязи в условиях ограниченных ресурсов базовой станции.
Всети LTE могут применяться разные виды повторного использования частотных полос.
Полное повторное использование полос частот каналов, когда вся полоса частот полностью используется каждой сотой независимо от местоположения абонентов
всоте.
Жесткоеповторное использование полос частот каналов, когда вся полоса разделена на фиксированное количество полос, которые выделяются сотами в соответствии с некоторой определенной моделью повторного использования.
Мягкоеповторное использование полос частот каналов, когда для каждой соты одна из этих полос выделена абонентам, находящимся на границе соты, а остальные полосы используются абонентами, находящимися вблизи базовой станции.
Дробное повторное использование полос частот каналов, когда общая полоса используется всеми базовыми станциями для обслуживания абонентов, находящихся вблизи от базовой станции. Остальные полосы частот используются абонентами, находящимися на границе зоны обслуживания и выделяются сотами
всоответствии с моделями повторного использования
Коэффициент повторного использования частот в сотах кластера равен единице в случаях полного и мягкого повторного использования и меньше единицы при жестком и дробном использовании.Использование дробного и мягкого повторного использования полос частот, а также правильное распределение мощности, между полосами частот в каждой соте обеспечивает существенное увеличение емкости сети LTE.
Таубельдинова Зарина Сереговна
Аспирант, ФГОБУ ВПО СибГУТИ.
446
Дополненная реальность в образовании
М.Ю. Шыырап
Дополненная реальность совмещает в себе физический и виртуальные миры, что позволяет взять самое лучшее от каждого из них. Сочетание дополненной реальности и сферы образования позволит обучаемым приобрести практический опыт,который невозможно получить в привычных условиях.В данной работе исследованы способы применения дополненной реальности в образовании в наше времяи пути развития этой технологии в дальнейшем.
Всовременном мире компьютеры и мобильные устройства получили повсеместное распространение, что открыло новые возможности для обучения. Мультимедийные технологии позволяют создать безопасное поле для экспериментов и демонстрации образовательных процессов [1].
Практика очень важна в деятельности, однако не всегда удаѐтся достать то или иное наглядное пособие или же объяснить какие-либо абстрактные понятия. Использование новых технологий поможет сделать процесс обучения более наглядным, интересным и запоминающимся.
2.Постановка задачи
Вданной работе производится исследование образовательных процессов и внедрения в них новых технологий, например, таких как дополненная реальность (AR - augmented reality). AR позволяет дополнить физическое пространство, отображаемое камерой, виртуальными объектами и сценами, т.е. позволяет студенту полностью погрузиться в цифровой мир, не отказываясь при этом от своего привычного окружения [2].
3.Практическая реализация
Хотя данная технология появилась относительно недавно, у неѐ есть огромные перспективы: от использования в сфере развлечений до медицины, науки и образования. В сфере образования AR позволяет сократить расстояние между теорией и практикой, другими словами обучающиеся смогут мгновенно взаимодействовать с интерактивным наглядным пособием [3]. В ходе работы будет создана программа, позволяющая каждому ученику самостоятельно провести практическое занятие, а также AR-маркер и 3d сцена для исследования. Для того, чтобы воспользоваться программой, необходимы компьютер с веб камерой или смартфон.
4. Выводы
Описанная технология позволит достичь таких результатов, какповышение успеваемости, заинтересованности, и, как следствие, дисциплины обучающихся [4].В дальнейшем планируется развить данное направление исследования, так как в современном
447
мире технология дополненной реальности имеет большие перспективы, как в области образования, так и в других сферах жизни общества.
Литература
1.Mehmet Kesima, YasinOzarslanb. Augmented reality in education: current technologies and thepotential for education. //Procedia - Social and Behavioral Sciences 47 ( 2012 ) 297 – 302
2.Jung-Chuan Yen, Chih-Hsiao Tsai, Min Wu. Augmented reality in the higher education:
Students' science concept learning and academic achievement in astronomy. //Procedia - Social and Behavioral Sciences 103 ( 2013 ) 165 – 173
3.Steve Chi-Yin Yuen, GallayaneeYaoyuneyong, Eric Johnson. Augmented Reality: An Overview and Five Directions for AR in Education.//Journal of Educational Technology Development and Exchange, 4(1), 119-140
opportunities and challenges of augmented reality in education. //Computers & Education 62 (2013) 41–49
Шыырап Мерген Ю.
СибГУТИ, Новосибирск.
448
Структурный анализ процессов самообучения в 3D образовательном пространстве AR
М.Ю. Шыырап, Ю.М. Шыырап
В данной работе проводится исследование процессов самообучения в информационном образовательном пространстве дополненной реальности. Для трех уровней приближения: элементарном, мультиагентном и на уровне самообучающейся среды, определяются соответствующие самообучающиеся структуры. Для элементарного (базового) уровня приближения (ученик, учитель, объекты) описываются функции реализации самообучающегося агента, определяются понятия виртуального учителя и виртуального ученика в дополненной реальности.
Всовременной парадигме образования происходит все большее смещение роли преподавателя с лектора, занимающегося «прямой передачей знаний, умений, навыков», на наставника, разнообразными формами и методами активизирующего творчество, мыслительные процессы, личностные потенциалы учащегося [1]. Все большее увеличение доли самостоятельной работы в учебном процессе относительно аудиторных занятий обусловлено нуждами времени и закреплено законодательно [2].
Всвязи с этим приобретает большое значение адекватное информационно-техническое обеспечение такого процесса самообразования. Эта работа ведется повсеместно. Например, в сентябре 2013 года в ЕС объявили новую инициативу «Opening up education» для создания единого образовательного пространства на основе развития инноваций и информатизации школ и университетов. Программа «Opening up education» ставит своей целью внедрение самых новейших достижений цифрового образования. Одной из таких технологий, несомненно является технология дополненной реальности, показавшая по результатам многочисленных исследований свою эффективность в рамках образовательного процесса [3].
Вчастности, в прогнозе научно-технологического развития Российской Федерации на период до 2030 года, утвержденном Правительством РФ 3 января 2014 г., дополненная реальность указывается как научно-техническое окно возможностей для развития приоритетных направлений развития государства [4].
Поэтому всестороннее изучение процессов самообучения в 3D образовательном пространстве дополненной реальности (AR – Augmented Reality) представляет большой научный и практический интерес.
2.Определения и постановка задачи
С технической точки зрения информационно-образовательное пространство рассматривается как сложная электронная система, формирующая целевую информационную предметную среду реализации обучающего процесса [5].
449
Втаком контексте свойство самообучения характеризует систему с точки зрения возможности и условий для самообразования, как отдельных еѐ субъектов (студентов, преподавателей), так и системы (среды) в целом.
Вданной работе проводится исследование функциональных связей различных частей 3D образовательного пространства, как на уровне отдельных элементов, так и в общей их совокупности, с целью определения базовых структурных компонент процессов самообучения.
3.Решение задачи
Первое определение термина «дополненная реальность» (AR) было сделано в известной работе [6]. На Рис 1 показана линейная схема формирования смешанной реальности (MR).
Рис. 1. Схема формирования видов смешанной реальности (MR)
На двух концах такого линейного представления находятся физическая (RE) и виртуальная среды (VE). Физическую среду, находящуюся в левой части такого условного представления, можно дополнить, расширить еѐ информационными образами из виртуальной среды. Такая смешанная реальность (MR) называется дополненной реальностью (AR) [7].
На рис.2 показана блок-схема реализации системы дополненной реальности, а на рис. 3 – циклическая схема работы функций дополненной реальности.
