AR、MR、VRの違いについて

最近、AR（拡張現実感）、MR（複合現実感）、VR（仮想現実）の違いについて解説している以下のような記事を見かける。
・VR・AR・MR・SRの違いとは？それぞれの活用方法を紹介
・VRやARとどこが違う？ MR（複合現実）の仕組みと代表例『Microsoft HoloLens』を解説
・総務省 ICTスキル総合習得プログラム（位置情報の活用とxR）

これらの記事や資料の中では、「ARは基本的にスマホを使い、MRはHMDを利用する」といった説明や「ARはユーザの動きに合わせて合成されるCGなどの仮想情報を動的に提示できないが、MRはユーザの動きに合わせてCGなどの仮想情報を動的に提示できる」といったような説明がなされている。基本的には、これらの説明を受け入れるAR、MR、VRの（本物の）専門家はいないと思う。ただ、HoloLensを売っている某巨大企業のエバンジェリストとかいう人が講演で上記のような定義を堂々としているのもあって、間違った定義が広がってしまったんじゃないかと個人的には思っている。

技術の進歩と共に、元々の定義には収まらないケースが出てくるので、基本的には拡大解釈してそれぞれの言葉を使うのは問題ないと思っているけれど、元々の定義を無かったことにして全く異なる定義を上塗りしてしまうようなことはあまり良いことでは無いと思う。

昔ながらのARの定義では、そもそも現状存在しているスマホを使ったARと呼ばれているもののほとんどはARでは無いと思う。というのも、スマホの画面とその外側はシームレスにつながっていることは無く、現実世界と仮想世界の間に断絶が起こっているからだ。こういった問題を解決しようとする研究も存在している。
Approximated User-Perspective Rendering in Tablet-Based Augmented Reality

じゃあ、そもそもAR、MR、VRの違いは何なのかという話については、Milgramが提案したReality-Virtuality Continuumが何だかんだでしっくりくるし、少なくとも学術業界では受け入れられていると思う。Reality-Virtuality Continuumのコンセプトではそれぞれの関係は以下のようになっている。

Real（現実） - AR（拡張現実感） - AV（拡張仮想感） - VR（仮想現実）

このように、Real（現実）とVR（仮想現実）をつなぐ連続体の間の表現としてAR、AVがあり、ARとAVを合わせてMR（複合現実感）と定義している。ということで、MR=AR+AVという風になっており、MRはARを内包していることになっている。で、これで行くと現実と仮想の融合で現実の割合が大きいものをARと呼ぶことになる。また、ARの定義については、Ronald Azumaの以下の論文が引用されることが多い。
A Survey of Augmented Reality

ここでは、ARについて以下のように定義している。
・Combines real and virtual
・Interactive in real time
・Registered in 3-D

「ARはインタラクションがなく、MRはインタラクションがある。HoloLensはインタラクションがあるからMRだ。」みたいな説明もちらほらされているけれど、ARはそもそもインタラクティブなシステムであることが前提となっている。また、「ARはユーザの動きに合わせた情報の提示ができないが、MRはユーザの動きに合わせてリアルタイムで3次元的に位置合わせすることができる」といった説明についても、そもそもARは3次元的な位置合わせを行うことを前提としており、こういった説明も間違ていることが分かる。

（疲れてきたので色々と端折るけれど）ということで、現状、MicrosoftのHoloLensを含め、今MRと呼ばれているもののほとんどはARと言っても良いものばかりに思う。もちろん、MRはARを内包しているのでMRと呼んでおけば間違いではない。ただ、MRとARの違いについての説明が間違っているだけなので、そこだけ今後記事を書く人たちには気を付けて欲しいなと思っている。この分野を作り上げてきた先人達に少しは敬意を払って勉強してから記事を書いたり講演をしてもらいたい。

コメント

コメントを投稿

このブログの人気の投稿

COLMAPでキャリブレーション済みのデータを使う

イメージ
COLMAPで三次元復元を行う際に既知のカメラパラメータを利用する方法についてメモしておく。多くの場合、SfMでカメラパラメータも含めて推定することで十分だが、例えばCMUの Panoptic dataset のようにカメラキャリブレーション結果が提供されているようなものに対して、COLMAPを適用してみたい場合は提供されているカメラパラメータを利用する方が良い場合がある。実際に、Panoptic datasetでCOLMAPを実行するとマッチングが上手くいかず推定に失敗する場合が多くある。 既知のカメラパラメータを利用する方法については、COLMAPのFAQの中で回答があるので、ここにある通りにcamera.txt, images.txt, point3D.txtを準備すると良い。 Reconstruct sparse/dense model from known camera poses https://colmap.github.io/faq.html#reconstruct-sparse-dense-model-from-known-camera-poses 以下はCOLAMPで画像群を読み込み、特徴点の対応関係の取得まで終わっている（マッチング結果のデータベースhogehoge.dbがある）ことを前提としている。 camera.txtの生成 camera.txtには各カメラのカメラモデルおよびカメラ内部パラメータを記載する。フォーマットは以下の通り。 カメラID カメラモデル 解像度x 解像度y fx fy cx cy 歪パラメータ 内部パラメータの表現については利用するカメラモデルに依存するので、以下のURLを参照しながら必要に応じて使い分ける。 Camera Models https://colmap.github.io/cameras.html camera_models.h https://colmap.github.io/cameras.html image.txtの生成 image.txtには各画像に対応するカメラ外部パラメータを記載する。フォーマットは以下の通り。 画像ID qw qx qy qz tx ty tz カメラID　画像ファイル名 ここで(qw, qx, qy, qz)は3次元回転のクウォータニオン表現で(tx, ty, tz)は
続きを読む

5点アルゴリズムによるカメラ位置・姿勢の推定

2枚の画像間のカメラ位置・姿勢を推定する際に、それぞれの画像を撮影したカメラの内部パラメータが既知の場合には5点アルゴリズムが利用できる。OpenCVにも5点アルゴリズムでカメラ位置・姿勢を推定するための関数 cv::findEssentialMat が用意されている。 使い方は、対応点の座標を以下のように指定するだけ。 cv::Mat essentialMat = cv::findEssentialMat(p1, p2); ただし、デフォルトでは焦点距離1.0、画像中心座標(0, 0)で計算するようになっているので、下記のコードのように内部パラメータ行列を用いて座標変換を行うか焦点距離、画像中心座標を指定する必要がある。座標変換を行わずに利用したい場合は、焦点距離、画像中心座標を第3,4引数に設定すれば良い。 推定したEssential Matrixからカメラの並進と回転を求めるためには、 cv::recoverPose で並進ベクトルと回転ベクトルに分解することができる。 以下のように、2枚の画像から対応点を求めて、5点アルゴリズムでカメラ位置・姿勢を推定することができる。 #include <iostream> #include <vector> #include <opencv2/opencv.hpp> #include <opencv2/nonfree.hpp> int main(int argc, char** argv) {   cv::initModule_nonfree(); //モジュールの初期化   //カメラパラメータの読み込みとレンズ歪の除去   cv::Mat img1; //入力画像1   cv::Mat img2; //入力画像2   cv::Mat K;   cv::Mat distCoeffs;   cv::FileStorage fs("camera.xml", CV_STORAGE_READ);   fs["intrinsicMat"] >> K;   fs["distCoeffs"] >> distCoeffs;   cv::undistort(cv::imrea
続きを読む

2D-3D対応からのカメラ位置・姿勢の推定

画像からの三次元復元処理や拡張現実感のための位置合わせ処理において、画像を撮影したカメラの位置・姿勢が必要になることがある。ここでは、カメラの内部パラメータ（焦点距離、画像中心座標、アスペクト比など）は既知とし、カメラの外部パラメータ（並進と回転）を求める方法を紹介する。 カメラの位置・姿勢は、三次元位置が既知の点Pとその画像上での観測座標pの複数の対応から求めることが出来る。このような問題はPerspective-n-Pont Problem（PnP問題）として知られている。OpenCVにはPnP問題を解くための関数cv::SolvePnPが用意されている。この関数の入力は三次元位置が既知の点の配列(objectPoints)とその画像上での観測座標の配列(imagePoints)、カメラの内部パラメータ行列、歪係数を入力とし、カメラの外部パラメータ（回転ベクトル、並進ベクトル）を推定する。 対応点の組み合わせに誤対応が含まれている場合は、cv::SolvePnPRansacを用いることでロバスト推定手法であるRANSACを用いた誤対応の排除が可能である。 また、推定手法としてLevenberg-Marquardt法による最適化(cv::ITERATIVE)や高速な推定手法であるEPnP(cv::EPNP)を選択することができる。経験的にはcv::ITERATIVEの方が安定した推定を実現できるように思う。 さらに、回転ベクトル、並進ベクトルの初期値が得られている場合には、第7引数をtrueにし、出力用のrvec, tvecに値を設定しておくことで、最適化の際の初期値として使用することができる。拡張現実感などの場合には、直前のフレームでの推定結果などを初期値として用いることで推定結果の安定性を向上させることができる。 #include <iostream> #include <vector> #include <opencv2/opencv.hpp> void genRT(cv::Mat& rvect, cv::Mat& tvect); void getCorrespondingPairs(cv::Mat K, cv::Mat d, cv::Mat rvec, cv::Mat tvec, std:
続きを読む