Тема ВКР Разработка модуля дополненной реальности LMS MOODLE для проверки занятий по русскому языку
Автор: Руководитель: КТН , доцент, доцент кафедры КОТ
Актуальность
Назначение : формирование обучающего и аттестующего процесса на базе платформы LMS Moddle с использованием возможностей дополненной реальности , на примере курсов по русскому языку. LMS Moodle является модульным что позволяет внедрять пользовательские модули в уже готовую систему.
Обзор предметной области
Дополненная реальность (англ. augmented reality) (ошиб. 'расширенная реальность') — это новый термин, обозначающий все возможные варианты внедрения мнимых объектов в реальное пространство. Так используя алгоритмы “компьютерного зрения” распознают объекты(маркеры) в кадре и дополняют видео-изображение виртуальными объектами в режиме реального времени.
маркером может быть любая фигура(объект). Но на практике мы ограничены разрешением веб-камеры(телефона), особенностями цветопередачи, освещения и вычислительной мощностью оборудования (все ведь происходит в реальном времени, а потому должно делаться быстро), а потому выбирается обычно черно-белый маркер простой формы. Как правило это прямоугольник или квадрат со вписанным во внутрь идентификатором-образом.
Для функционирования системы требуются следующие элементы: Персональный Компьютер подключенный к сети интернет для обработки поступающей информации с Веб камеры, внедрения Виртуальных 3D-объектов, подключения к дистанционному модулю. Принтер предназначен для печати маркеров. Веб камера предназначена для захвата изображения ( маркеров) . В результате - модуль должен быть встроен в СДО Moodle и предоставлять возможность осуществлять обучающее и аттестующее тестирование с последующей фиксацией результатов учащихся. Тесты представляют из себя набор маркеры, распечатанные на принтере и визуализироваться кубиками с буквами из которых учащиеся должны составить слово. сложность слов выбирается создателем куса при создании тестов.
Логическая схема идентификации маркеров
Обобщенный алгоритм распознавания маркера
a) Приводим в градации серого. b) Бинаризация изображения(порог). c) Определление замкнутых областей. d) Выделяем контуры. e) Выделяем углы маркера. f) Преобразуем координаты.
три алгоритма перевода цветного изображения в градации серого.
1. Светлота(Lightness) GS = (max(R,G,B) + min(R,G,B))/2 2. Светимость(Luminosity) GS = 0.21 × R + 0.72 × G + 0.07 × B 3. Среднее(Average) GS = (R + G + B) / 3
Методы бинаризации изображения. Порог
Для перевода изображения в двухцветное состояние используется определенный порог. 1) Методы основанные на “форме“ гистограммы. 2) Методы на основе кластеризации. 3) Методы на основе изучения энтропии. 4) Методы основанные на поиске сходства между серым и ч/б изображением. 5) Методы использующие корреляционные зависимости и особенности статистического распределения между пикселами в областях изображения. 6) Методы основанные на локальной адаптации порога для каждого пиксела изображения.
Методы определения замкнутых областей
Алгоритм закраски с затравкой Алгоритмы со списком рёберных точек Алгоритмы XOR
Методы Выделения контура
1)Marr-Hildreth Edge Detector 2)Canny Edge Detector 3)Boolean function based Edge Detector 4)Euclidian distance and Vector Angle based Edge Detector 5)Depth Edge Detection using Multi-Flash Imaging 6)Sobel Edge Detector
Преобразование координат координаты углов маркера, которые по сути, в идеале являются перпендикулярными, а в реальности расположены под другим углом. Кроме того, и в идеале и в реальности, стороны квадрата являются осями координат. Таким образом, мы можем определить положение «камеры» относительно
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.
