Qoncept AR Engineは、自社にて技術開発し軽量化された最先端のAR(Augmented Reality)技術です。他のAR技術に比べ以下のような特徴があります。
技術開発は日本国内にて実施しており、ライセンスを他社より受けている技術ではありません。処理を高速化する軽量化された技術は、リアルタイム性やパフォーマンスを重視する領域において利用されています。
AR・画像認識技術は自社開発のため、利用用途に応じてARエンジンのコア・アルゴリズムに対するカスタマイズや、新たな認識機能追加等の拡張を自社で行うことができる点が最大の特徴です。また、案件によってはアルゴリズムを開発している研究者をアサインし、クライアントと一丸となってAR技術を活用した新しい表現や技術開発を行います。
QonceptのAR・画像認識技術はデバイスを限定しません。Windows、macos、Linux、iOS、Androidまで幅広くサポートします。同時にUnity、Unreal Engine等、広く利用されている開発用ツールもサポートいたします。
一般的な平面の画像を認識する方式です。あらかじめ学習された画像中の特徴点を検出・追跡し、ARを実現します。大規模認識＝数百～数万の画像の識別にも対応しています。
平面状の物体ではなく、立体的な形状を持つ対象物体を認識させる方式です。3Dモデルデータや複数毎の写真から3次元の特徴点データを事前に取得しARを実現します。
通常、建造物や一般的な風景をマーカーレス認識対象とすることは難しいですが、あらかじめ撮影された動画データなどから画像処理によって対象の3次元計測を行うことで、 これまでのマーカーレス型ARのように空間そのものを認識させることが可能です。
一般的なマーカーレスARエンジンの場合、認識を行うためには通常多くの特徴点が必要となりますが、Qoncept AR Engineでは特徴点の数が極端に少なくても認識を行うことが可能です。
登録された矩形マーカーをカメラ画像中から認識し、幾何学的な位置関係を計算することでARを実現します。
矩形マーカーにビットコードを埋め込むことで、数百万のマーカーを識別できるようにしたものです。ARではリアルタイム認識が重要なため、高速に識別できるよう最適化されています。
スマートフォン等のデバイスに内蔵されている加速度センサーやジャイロスコープ、GPS、電子コンパス等を利用して、デバイスの位置・姿勢を推定し、ARを実現します。
Kinect等のモーションセンサーを使用して、ユーザートラッキングやジェスチャー認識を行い、ARを実現します。
各認識手法には一長一短があり、環境や用途によって選択すべき手法が変わってきます。 スマートフォンを用いたAR導入をご検討して頂く際の参考情報として、マーカー型、マーカーレス型、センサー型のそれぞれの特徴をまとめました。
| パフォーマンス | デザイン制約 | 認識(使用)範囲 | 適している利用シーン | |
|---|---|---|---|---|
| マーカー型 |
計算コストが低く、多数のマーカーも同時に認識可能 |
マーカーデザイン制約（矩形枠が必要等）がある |
小さくても認識できるが、マーカー全体が写っている必要がある |
|
| マーカーレス型 |
計算コストが高く、多数のものを同時に認識させるには不向き |
特徴点情報が一定量存在すれば認識対象のデザインは自由 |
一部の特徴点情報が取得できればAR表示できるが、画面にある程度以上のサイズで表示されている必要がある |
|
| センサー型 |
多くのセンサーを複合的に使用するため、重くなる傾向にある |
認識対象とコンテンツを連動させることができない。 |
オフセットによる誤差が生じるケースもあるが、基本的にどのような場所でも使用できる。ただしGPSは原則として屋外での使用 |
※マーカー/マーカーレス型との併用が一般的 |
教科書の紙面はそのままに、マーカーレス技術で実際の教科書に様々なデジタルコンテンツを加えました。教科書の図板や写真とCG・アニメーション・動画などをAR技術でつなぎ、学習者の教科書の理解度向上を狙っています。
書籍に印刷された専用のマーカーにカメラ付き端末をかざすだけで、紙面からさまざまなARコンテンツが飛び出します。本を読むだけでなく、映像や立体コンテンツを楽しむことができます。
設計段階で家づくりをサポートするVR/ARアプリを自社開発しました。QHOMEを使えばiPhone/iPad一つで、3D CGで再現された室内を自分の足で歩き回ったり、窓を通した眺めをシミュレーションしたりすることが可能です。
