Разработка модуля дополненной реальности LMS MOODLE для проверки занятий по русскому языку. Логическая схема идентификации маркеров

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

• СДО Moodle - это среда дистанционного обучения, предназначенная для создания дистанционных курсов. Этот программный продукт широко используется университетами, школами, компаниями и независимыми преподавателями. распространяется в открытых исходных кодах.

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