Détecter des éléments graphiques avec un appareil mobile

Abstract

La réalité augmentée (RA) se définit comme la superposition en temps réel d’un modèle virtuel avec notre vision du monde réel. La plupart des logiciels de RA utilisent des cibles pour arrimer les deux mondes. Cependant, la détection des objets réels est encore peu documentée et se heurte à deux principaux problèmes : l’éclairage variable et la vue en perspective. L’objectif de ce projet était d’optimiser les algorithmes neuronaux de détection afin d’assurer leur bon fonctionnement avec des appareils mobiles tels les téléphones intelligents et les tablettes. Ces appareils imposent des contraintes liées à la complexité des algorithmes de détection. Ceux-ci doivent pouvoir classifier des éléments graphiques en temps réel tout en s’exécutant sur une machine embarquée, donc limitée en termes de processeur et de mémoire. Une bibliothèque LGPL de détection des éléments graphiques pour appareils mobiles, basée sur OpenCV et fonctionnant en C++, a été développée. Son architecture repose sur des patrons de confection (design patterns) qui facilitent la comparaison et la combinaison des algorithmes entre eux. L’optimisation du code et sa structure rendent cette bibliothèque hautement compatible avec les appareils mobiles de type Android. Des travaux ultérieurs sont envisagés pour la faire fonctionner sur les autres plateformes embarquées. La question demeure : celles-ci ont-elles toutes la capacité physique d’implanter cet algorithme?