La réalité augmentée centrée
Si vous avez déjà testé la réalité augmentée, il y a de fortes chances que vous connaissiez déjà la réalité augmentée centrée. Il s’agit en effet d’une des utilisations les plus courantes, au même titre que la réalité augmentée panoramique.
Par contre, si la réalité augmentée ne vous dit pas grand-chose, je vous invite à lire cet (excellent ^^) article plus généraliste.
Alors qu’est-ce que l’on entend par réalité augmentée centrée?
La RA permet de découvrir votre future maison sur votre bureau ou de tester votre prochain achat déco dans votre salon. Et, puisqu’il n’y a pas vraiment de limitations concernant le type de média s’attachant à votre marqueur, on peut s’amuser à imaginer des scénarios plus exotiques, comme animer des personnages dans un livre pop-up et, pourquoi pas, interagir avec eux.
Historiquement, c’est une des premières applications de RA grand publiques, car elles ne nécessitent qu’une webcam et un PC — à l’époque, lointaine, où les smartphones n’existaient pas.
Concevoir une application RA centrée ne peut se faire sans une certaine compréhension de ses principes de fonctionnements. Il faut notamment maîtriser les méthodes numériques permettant de déterminer ce fameux repère spatial. Ces méthodes présentent certaines limites qu’il est nécessaire de connaître et d’anticiper.
Une histoire de point de vue
C’est la clé de la RA : connaître le point de vue exact de l’utilisateur.
Les technologies, logicielles et matérielles, sont suffisamment abouties pour déterminer ce point de vue à partir d’un simple flux vidéo, qu’il soit issu d’une caméra professionnelle, d’une webcam ou de votre smartphone.
La première étape de l’analyse consiste à reconnaître dans le flux vidéo un élément réel. Mais pour reconnaître un élément, il faut préalablement le connaître. L’application doit l’avoir caractérisé, pour pouvoir l’identifier dans l’image qu’on lui présente. On appelle cet élément un marqueur, je reviendrais dessus.
Un ordinateur reste un ordinateur, et ses méthodes sont purement mathématiques. La qualité de ses résultats dépend de sa puissance de calcul, d’une part, mais également de la qualité de ses paramètres d’entrée. Si l’on veut qu’il puisse reconnaître et positionner notre marqueur, il faudra lui fournir une vidéo de la meilleure qualité possible.
Cela passe d’abord par un éclairage correct : non, on ne peut pas faire de réalité augmentée dans la pénombre avec une caméra classique — ne rigolez pas, c’est du vécu.
La caméra doit être équipée d’un objectif de bonne qualité, avec une résolution de capture assez grande. De la HD — 1920×1080 —, c’est confortable.
Enfin, l’autofocus est un plus. En conservant la netteté de l’image, cette fonctionnalité permet une plus grande stabilité lors du calcul de l’orientation du marqueur.
L’autre point important pour une application RA centrée réussie est la qualité du marqueur.
Les différents types de marqueurs
Une grande variété de marqueurs existent, tous créés pour répondre à certains besoins. Dans l’absolu, tout objet peut devenir un marqueur. Mais pour cela, il faut être en mesure de créer un programme capable de le reconnaître dans un flux vidéo et de calculer son orientation, et tout cela en temps réel. Faisons un tour non exhaustif des marqueurs les plus couramment utilisés, par ordre de complexité.
Le marqueur spécialisé
Cousin des QR-Codes, c’est LE marqueur historique de la RA centrée. Il est facilement reconnu et orienté par l’application, même sur des machines peu puissantes. C’est aussi, pour les mêmes raisons, celui qui offre les meilleurs résultats en termes de qualité de tracking.
Côté design, il passe rarement inaperçu, pour ne pas dire qu’il est carrément moche. Il s’intègre difficilement dans une communication visuelle soignée.
Ceci dit, son graphisme particulier permet d’éduquer rapidement l’utilisateur à reconnaître une expérience de réalité augmentée quand il en croise une. Par contre,
Si cet aspect graphique est gênant, on peut se tourner vers les marqueurs-image « classiques ».
Le marqueur image
Les outils RA permettent maintenant de reconnaître une image traditionnelle. C’est ce qu’il se passe quand l’application de réalité augmentée s’accroche à une couverture de magazine. Le visuel du marqueur est alors complètement maîtrisé, et il peut avoir une fonction dans le réel (panneau publicitaire, carte de visite, illustration dans un livre…).
Mais attention, toutes les images ne font pas de bons marqueurs. Quelques précautions sont à prendre et je ne peux que recommander de bien tester la détection avant la publication finale.
Les images ou illustrations destinées à être un marqueur doivent pouvoir être facilement caractérisables. On cherchera à avoir de la variation dans les teintes, du contraste et du détail. Les motifs répétitifs sont par contre à proscrire. Si l’on souhaite utiliser plusieurs images en tant que marqueurs, elles doivent bien marquer leurs différences pour faciliter la décision de la sélection. Attention également au fini du marqueur : une finition brillante ne facilitera pas la détection.
Les marqueurs images ont l’avantage d’être moins sensible à l’occlusion. Vous pourrez passer la main devant ou poser un stylo dessus sans trop de problèmes. Par contre, ils demandent un peu plus de puissance machine et peuvent générer un peu plus de décrochements que les marqueurs spécialisés.
Le marqueur objet
Une image n’est pas la seule chose que l’on peut caractériser. Un objet peut également servir de marqueur. Les algorithmes qui permettent ceci sont une simple évolution en 3 dimensions des algorithmes 2D des marqueurs images. Ces objets doivent donc présenter les mêmes qualités que pour les marqueurs image, à savoir des couleurs variées, du contraste et des détails. Là aussi, la finition est importante, car les reflets et les brillances de la surface de l’objet sont à éviter.
La plus grosse problématique de ce genre de marqueur reste qu’il faut posséder une version numérique 3D fidèle de l’objet. C’est la même chose pour une image, mais numériser une image est à la portée de tout le monde. Cela dit, bon nombre d’objets courants sont d’abord conçus sur ordinateur et possèdent du coup une version numérique 3D. Pour les autres, les scanners 3D permettront de créer ce modèle. Enfin, les imprimantes 3D permettent de prendre le problème à l’envers en imprimant un objet dont on a déjà la version numérique.
Le marqueur peut alors revêtir une fonction plus usuelle, comme un jouet, un meuble, une voiture…
Là encore, la puissance de calcul nécessaire fait un bond. Une telle application devient plus compliquée à faire tourner sur un smartphone. Mais les progrès dans ce type algorithme sont rapides, et le matériel évolue vite.
Mettons-nous à la place du marqueur
Dans certains domaines, la reconnaissance numérique de forme est plus avancée.
Pensons entre autres, à la reconnaissance des visages, qui est une discipline qui est poussée par d’autres intentions que la réalité augmentée, mais dont on peut profiter dans une telle application.
Des sociétés françaises sont allées plus loin avec de l’analyse faciale et de la reconnaissance émotionnelle. À l’origine destinée à être un outil de mesure pour de l’étude marketing, on peut aisément rattacher de la réalité augmentée évoluant au gré des émotions de l’utilisateur.
Toujours en donnant un peu de sa personne, il est possible de reconnaître le corps d’une personne et ses mouvements. La Kinect de Microsoft — périphérique de jeu de la console XBox — permet de faire de la capture de mouvement, du buste, des bras, des jambes et de la tête. De prime abord utilisé pour interagir dans un jeu, on peut, avec une pincée de créativité, détourner son utilisation pour retourner l’image de l’utilisateur augmentée.
L’avenir sans marqueur
C’est sûrement la prochaine grande étape de la réalité augmentée. Analyser, reconnaître et s’adapter à un environnement inconnu, pour injecter un contenu virtuel.
La réalité augmentée a déjà un vaste champ d’applications ludiques, commerciales ou professionnelles, et les opportunités de l’utiliser ne vont en être que plus nombreuses.
