University of Oulu

Lisätty todellisuus RSS-syötteiden heijastuksessa ja eri konenäkökirjastojen vertailu sen toteutuksessa

Saved in:
Author: Päivärinta, Elia1; Savikoski, Samuel1
Organizations: 1University of Oulu, Faculty of Information Technology and Electrical Engineering, Department of Computer Science and Engineering, Computer Science
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 2.1 MB)
Persistent link: http://urn.fi/URN:NBN:fi:oulu-201705101776
Language: Finnish
Published: Oulu : E. Päivärinta ; S. Savikoski, 2017
Publish Date: 2017-05-29
Physical Description: 45 p.
Thesis type: Bachelor's thesis
Description:
Lisätyllä todellisuudella tarkoitetaan virtuaalisen todellisuuden liittämistä ympäröivään todellisuuden, esimerkiksi videon, äänen tai kuvan muodossa. Lisätty todellisuus on lupaava teknologia, jolle löytyy tulevaisuudessa useita mahdollisia tutkimuskohteita ja kaupallisia toteutuksia. Tässä työssä vertaillaan SimpleCV ja OpenCV -konenäkökirjastojen käyttöä ja tehoa Pythonilla käyttämällä niitä RSS-syötteiden heijastukseen lisätyn todellisuuden muodossa. Lisäksi niiden toiminnallisuutta kokeillaan suorituskykytesteillä. Testiohjelmissa vertaillaan tehoa normaalille videokuvalle, Cannyn reunantunnistukselle ja eroosiolle. Näiden testien lisäksi esitellään lisätyn todellisuuden sovellus, joka tehtiin Python-ohjelmointikielellä Raspberry Pi -tietokoneelle. Sovelluksessa tulostetaan RSS-uutissyötteitä kameran kuvaamalle tasolle. Taso löydetään käyttämällä Cannyn reunantunnistusta ja Hough-muunnosta, jotka toteutetaan OpenCV-kirjaston avulla. Käyttäjä voi ohjata ohjelmaa yksinkertaisilla näppäimistön syötteillä.
see all

Augmented reality means merging virtual reality and surrounding reality together using video, sound or image. Augmented reality is a promising technology with many possible research topics and commercial products. In this bachelor’s thesis SimpleCV and OpenCV computer vision libraries were compared for usability and efficiency. This was done as augmented reality by using them to display RSS-feeds on top of a camera image. The performance and speed were also tested by creating small test programs. In these programs the performance was evaluated for video feed, Canny edge detection and erosion. In addition to these tests an augmented reality program is introduced in this thesis. It was implemented for Raspberry Pi platform using Python programming language. The program shows RSS-feeds on top of a surface found on a camera image. The surface is found using Canny edge detection and Hough transform. OpenCV library was used for the algorithms. The user can control the program with simple keyboard inputs.
see all

Subjects:
Copyright information: © Elia Päivärinta, Samuel Savikoski, 2017. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.