CN113887566A - Ar测试方法、装置和计算机可读存储介质 - Google Patents
Ar测试方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113887566A CN113887566A CN202111046731.6A CN202111046731A CN113887566A CN 113887566 A CN113887566 A CN 113887566A CN 202111046731 A CN202111046731 A CN 202111046731A CN 113887566 A CN113887566 A CN 113887566A
- Authority
- CN
- China
- Prior art keywords
- test
- point information
- scenes
- identification
- different
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
Abstract
本申请公开了一种AR测试方法、装置和计算机可读存储介质,AR测试方法包括:扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,不同测试场景下的标识图片的显示参数不同,标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于第二测试终端的待识别目标库;根据特征点信息获取待加载模型,特征点信息的识别通过待检测的AR软件开发工具包实现;将待加载模型与特征点信息进行叠加生成不同测试场景下的叠加图像;获取各个叠加图像的测试参数,根据测试参数评估AR应用的AR功能。本申请通过对AR应用进行多场景测试,并获取在不同测试场景下的叠加图像的测试参数,基于该测试参数评估AR应用的AR功能,如此,提高了AR测试的准确性。
Description
技术领域
本申请涉及测试技术领域,尤其涉及一种AR测试方法、装置和计算机可读存储介质。
背景技术
目前,为了方便AR(Augmented Reality,增强现实)开发者,许多公司推出了专门用于开发增强现实技术的软件开发工具包(Software Development Kit,SDK),例如,高通vuforia SDK、AR Toolkit、以及国内较流行的EasyAR SDK和HiAR SDK。
虽然市场上存在许多主流的AR软件开发工具包,但是AR软件开发工具包的测试技术和方法存在较大的空白。现有的AR测试主要通过人工方式实现,大多通过主观评测去判断引擎的优劣,如此,测试结果具有主观性,故测试结果的准确度低。
发明内容
本申请实施例通过提供一种AR测试方法、装置和计算机可读存储介质,旨在解决现有的AR测试结果准确度低的问题。
为实现上述目的,本申请一方面提供一种AR测试方法,所述方法包括:
扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,所述不同测试场景下的标识图片的显示参数不同,所述标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于所述第二测试终端的待识别目标库;
根据所述特征点信息获取待加载模型,所述特征点信息的识别通过待检测的AR软件开发工具包实现;
将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像;
获取各个所述叠加图像的测试参数,根据所述测试参数评估AR应用的AR功能。
可选地,所述根据所述测试参数评估AR应用的AR功能的步骤包括:
获取不同测试场景的权重值;
根据所述测试参数获取在不同测试场景下所述AR功能的测试分值;
根据所述权重值对所述测试分值进行加权求和得到目标分值,根据所述目标分值评估所述AR应用的AR功能。
可选地,所述根据所述测试参数获取在不同测试场景下所述AR功能的测试分值的步骤包括:
获取每个所述测试场景的类型对应的测试评分规则和测试参数;
在每个所述测试场景的类型下,按照所述测试场景对应的所述测试评分规则对所述测试场景的测试参数进行AR功能测试评分,得到所述AR应用在不同测试场景下所述AR功能的测试分值。
可选地,所述根据所述目标分值评估所述AR应用的AR功能的步骤包括:
获取所述目标分值对应的分值等级;
根据所述分值等级评估所述AR应用的AR功能。
可选地,所述扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息的步骤之前,包括:
获取预先构建的三维模型;
根据待检测的AR软件开发工具包对所述标识图片进行识别;
将所述三维模型与识别后的所述标识图片绑定,并根据绑定信息导出AR应用程序包。
可选地,所述将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像的步骤包括:
将所述待加载模型渲染为虚拟图像;
将所述虚拟图像与所述特征点信息进行叠加生成不同测试场景下的叠加图像。
可选地,所述根据所述特征点信息获取待加载模型的步骤包括:
将所述特征点信息与预存储的特征点信息进行匹配得到匹配结果;
在所述匹配结果为所述特征点信息与预存储的特征点信息匹配时,获取所述预存储的特征点信息关联的待加载模型;
其中,预先将所述特征点信息与所述待加载模型关联。
此外,为实现上述目的,本申请另一方面还提供一种AR测试装置,所述装置包括存储器、处理器及存储在存储器上并在所述处理器上运行AR测试程序,所述处理器执行所述AR测试程序时实现如上所述AR测试方法的步骤。
此外,为实现上述目的,本申请另一方面还提供一种AR测试装置,所述装置包括扫描模块、获取模块、叠加模块和评估模块,其中:
所述扫描模块,用于扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,所述不同测试场景下的标识图片的显示参数不同,所述标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于所述第二测试终端的待识别目标库;
所述获取模块,用于根据所述特征点信息获取待加载模型,所述特征点信息的识别通过待检测的AR软件开发工具包实现;
所述叠加模块,用于将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像;
所述评估模块,用于获取各个所述叠加图像的测试参数,根据所述测试参数评估AR应用的AR功能。
此外,为实现上述目的,本申请另一方面还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有AR测试程序,所述AR测试程序被处理器执行时实现如上所述AR测试方法的步骤。
本申请提出一种AR测试方法,通过扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,不同测试场景下的标识图片的显示参数不同,标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于第二测试终端的待识别目标库;根据特征点信息获取待加载模型,特征点信息的识别通过待检测的AR软件开发工具包实现;将待加载模型与特征点信息进行叠加生成不同测试场景下的叠加图像;获取各个叠加图像的测试参数,根据测试参数评估AR应用的AR功能。本申请通过对AR应用进行多场景测试,并获取在不同测试场景下的叠加图像的测试参数,基于该测试参数评估AR应用的AR功能,如此,提高了AR测试的准确性。
附图说明
图1为本申请实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本申请AR测试方法第一实施例的流程示意图;
图3为本申请AR测试方法中根据所述测试参数评估AR应用的AR功能的流程示意图;
图4为本申请AR测试方法中扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息的步骤之前的流程示意图;
图5为本申请AR测试方法操作流程示意图;
图6为本申请AR测试方法的模块示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例的主要解决方案是:扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,所述不同测试场景下的标识图片的显示参数不同,所述标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于所述第二测试终端的待识别目标库;根据所述特征点信息获取待加载模型,所述特征点信息的识别通过待检测的AR软件开发工具包实现;将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像;获取各个所述叠加图像的测试参数,根据所述测试参数评估AR应用的AR功能。
由于现有的AR测试主要通过人工方式实现,大多通过主观评测去判断引擎的优劣,如此,测试结果具有主观性,故测试结果的准确度低。而本申请通过扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,不同测试场景下的标识图片的显示参数不同,标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于第二测试终端的待识别目标库;根据特征点信息获取待加载模型,特征点信息的识别通过待检测的AR软件开发工具包实现;将待加载模型与特征点信息进行叠加生成不同测试场景下的叠加图像;获取各个叠加图像的测试参数,根据测试参数评估AR应用的AR功能。本申请通过对AR应用进行多场景测试,并获取在不同测试场景下的叠加图像的测试参数,基于该测试参数评估AR应用的AR功能,如此,提高了AR测试的准确性。
如图1所示,图1为本申请实施例方案涉及的硬件运行环境的终端结构示意图。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括AR测试程序。
在图1所示的终端中,网络接口1004主要用于与后台服务器进行数据通信;用户接口1003主要用于与客户端(用户端)进行数据通信;处理器1001可以用于调用存储器1005中AR测试程序,并执行以下操作:
扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,所述不同测试场景下的标识图片的显示参数不同,所述标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于所述第二测试终端的待识别目标库;
根据所述特征点信息获取待加载模型,所述特征点信息的识别通过待检测的AR软件开发工具包实现;
将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像;
获取各个所述叠加图像的测试参数,根据所述测试参数评估AR应用的AR功能。
参考图2,图2为本申请AR测试方法第一实施例的流程示意图。
本申请实施例提供了一种AR测试方法,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例的AR测试方法,包括以下步骤:
步骤S10,扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,所述不同测试场景下的标识图片的显示参数不同,所述标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于所述第二测试终端的待识别目标库;
需要说明的是,本申请的第一测试终端和第二测试终端可以为手机、平板、电脑等,其中,第一测试终端中运行有AR应用,该AR应用是根据待测试的AR软件开发工具包开发得到的,即AR SDK(Software Development Kit,简称SDK,软件开发工具包)。本申请通过对根据待测试的AR软件开发工具包开发得到的AR应用进行测试,以评估待测试的AR软件开发工具包的整体的优劣情况。
由于现有通过手动或借助外部设备来模拟对标识物(主要为图片信息)干扰的各类场景,导致缺乏严谨性和可操作性。基于此问题,本申请是通过WebGL技术(3D绘图协议)构建的标识识别图片库模块,用于存储放置待识别的目标图片库,基于该标识识别图片库模块模拟对标识图片的各类干扰场景(即测试场景)。一实施例中,使用WebGL技术构建Web3D应用,为了实现对标识图片的操作,图片库导入的图片并非传统意义上jpg或png格式的图片,而是厚度极小的一个立方体,视觉效果与图片无异。如此,可以使用WebGL的开源框架Three.js中的数学函数完成对“图片”的各类操作,例如,使用PointLight属性控制光照的强弱,THREE.Vector完成角度倾斜的变化等。从标识识别图片库模块中获取分类存储的标识图片,同时,获取不同测试场景下标识图片的显示参数,根据该显示参数调整标识图片即可得到不同测试场景下的目标标识图片。其中,测试场景可以为光照环境变化测试、左右移动追踪测试、角度倾斜测试、多目标识别测试以及识别物远近景测试等;标识图片的显示参数可以为角度,亮度、远近景等。例如,根据该显示参数可对标识图片加光源、调整角度以及调整远近距离等,即为标识图片添加干扰因素,使标识图片出现光照异常、大倾角、远近距离异常等情况。如此,可检测AR应用在标识图片异常的测试场景下对应的各项功能。其中,AR应用能扫描标识图片叠加模型实际上是识别到标识图片上的特征点信息,特征点越多越容易识别,相同的标识图片上的特征点信息是固定的。例如,A公司的AR SDK可快速对标识图片识别并完成模型的叠加,而B公司的AR SDK反复调整角度也不能识别标识图片,说明A公司的AR SDK对标识图片的特征点的识别想拍比较好。因此,为评测AR SDK对不同特征点标识图片识别的能力,可预先将标识图片进行分类存储。一实施例中,获取标识图片的特征点信息,根据特征点信息对标识图片进行分类,并存储分类后的标识图片。例如,根据标识图片的特征点数据包的大小进行分类,将具有相近色值或色域特征的标识图片作为一类,将具有明显的相邻色块分界特征的标识图片作为一类。
一实施例中,在对AR应用进行测试时,第二测试终端会显示不同测试场景下的标识图片,其中,不同测试场景下的标识图片的显示参数不同。此时,打开第一测试终端中的AR应用,并开启摄像头扫描第二测试终端在不同测试场景下显示的标识图片,其中,开启摄像头对标识图片进行扫描时,可通过录制视频的方式来实现持续性扫描。然后,AR应用对扫描得到的标识图片进行识别得到特征点信息。例如,根据扫描得到的标识图片生成对应的图像尺度空间,然后检测图像尺度空间中的局部极值点,再通过剔除低对比度点和边缘响应点对局部极值点进行精确定位,最终得到能够反映图片特征的特征点信息。
一实施例中,采用手机中的AR应用扫描浏览器端的Web 3D图片库应用模块,在浏览器端依次操作Web 3D应用中的测试场景实例,其中,测试场景包括:
抗光照效果测试,用于检测AR SDK在强光、弱光和暗光下能否稳定叠加或抖动程度;
模型在终端加载时的FPS(Frames Per Second,每秒传输帧数)值,用于检测ARSDK模型加载的流畅度;
角度倾斜测试,自动化缓慢倾斜标识图片的角度,用于检测AR SDK在哪些角度出现模型丢失情况;
不同特征点的识别图的对比测试,用于检测AR SDK对不同类型识别图的识别效率;
远近景测试,自动化缩放图片模拟标识物距离终端远近的场景,用于检测AR SDK模型加载稳定性和目标追踪稳定性;
多目标识别能力测试,用于检测AR SDK对多个待识别目标的追踪能力;
CPU与内存占用测试,用于检测在加载测试模型时终端的CPU和内存占用情况。
其中,在不同的测试场景下,显示的标识图片不同,手机通过扫描该标识图片即可识别到不同测试场景下的特征点信息。
步骤S20,根据所述特征点信息获取待加载模型,所述特征点信息的识别通过待检测的AR软件开发工具包实现;
在识别到标识图片的特征点信息后,根据该特征点信息获取待加载模型,其中,待加载模型是指预先构建的三维模型,即3D模型(虚拟模型)。在采用待检测的AR软件开发工具包(AR SDK)开发AR应用时,采用待检测的AR SDK对标识图片进行特征点信息识别,完成图像注册,同时,将每张标识图片与特定的三维模型关联。因此,在识别到标识图片的特征点信息后,将特征点信息与预存储的特征点信息进行匹配得到匹配结果,在匹配结果为特征点信息与预存储的特征点信息匹配时,获取预存储的特征点信息关联的待加载模型。例如,AR应用被打开或被启动时,自动从本地应用提取预先构建的三维模型,如建筑、动画、动物等,同时,获取提取的三维模型关联的预存储的特征点信息,然后将特征点信息与预存储的特征点信息进行匹配,从而得到关联的待加载模型。
步骤S30,将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像;
需要说明的是,AR技术是在现实的基础上作场景合成,增添一部分信息来扩展用户手中掌握的数据,将虚拟的信息应用到真实世界当中,糅合真实的环境与虚拟的物体实时叠加到同一空间、同一场景、同一画面。
AR应用在确定待加载模型后,将待加载模型与特征点信息进行叠加生成不同测试场景下的叠加图像,例如,由AR应用将三维模型渲染成虚拟图像,并根据显示需求调整虚拟图像的形状和/或角度,将调整后的虚拟图像与现实场景(特征点信息,即标识图片)进行叠加得到叠加图像。
步骤S40,获取各个所述叠加图像的测试参数,根据所述测试参数评估AR应用的AR功能。
在显示叠加图像时,获取各个叠加图像的测试参数,根据测试参数评估AR应用的AR功能。一实施例中,测试人员根据需求对AR SDK的抗光照效果、标识物的跟踪能力、多目标识别定位能力、对特征点较少标识物的识别能力、以及AR SDK在终端加载时的FPS(Frames Per Second)和性能参数等效果设置不同的权重值。然后,根据测试参数获取在不同测试场景下AR功能的测试分值,根据权重值对测试分值进行加权求和得到目标分值,根据目标分值评估AR应用的AR功能。
可选地,可对多个第一测试终端中不同的AR应用进行测试,例如,各手机上安装有基于不同AR SDK开发得到的AR应用,采用各手机的AR应用同时扫描第二测试终端在不同测试场景下显示的标识图片,然后,比对各手机上显示的叠加图像。例如,在相同测试场景下,AR SDK1的FPS值为100帧每秒,AR SDK2的FPS值为60帧每秒,AR SDK3的FPS值为30帧每秒,根据百分比统计这些数值获得该测试场景下的测试分值。最后将每个测试场景的测试分值与每个测试场景的权重值进行加权计算,得到每个AR SDK的最终的测试分值,基于该测试分值评估各个AR应用的AR功能。
本实施例通过扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,不同测试场景下的标识图片的显示参数不同,标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于第二测试终端的待识别目标库;根据特征点信息获取待加载模型,特征点信息的识别通过待检测的AR软件开发工具包实现;将待加载模型与特征点信息进行叠加生成不同测试场景下的叠加图像;获取各个叠加图像的测试参数,根据测试参数评估AR应用的AR功能。本申请通过对AR应用进行多场景测试,并获取在不同测试场景下的叠加图像的测试参数,基于该测试参数评估AR应用的AR功能,如此,提高了AR测试的准确性。
进一步地,参考图3,提出本申请AR测试方法第二实施例。
所述AR测试方法第二实施例与第一实施例的区别在于,所述根据所述测试参数评估AR应用的AR功能的步骤包括:
步骤S41,获取不同测试场景的权重值;
步骤S42,根据所述测试参数获取在不同测试场景下所述AR功能的测试分值;
步骤S43,根据所述权重值对所述测试分值进行加权求和得到目标分值,根据所述目标分值评估所述AR应用的AR功能。
需要说明的是,为评价AR应用的不同侧面的重要程度的定量分配,需要对各测试场景在总体评价中的作用进行区别对待,即为每个测试场景设置权重值,表示该测试场景在整体评价中的相对重要程度。
一实施例中,获取测试人员预先设置的不同测试场景的权重值,同时,根据测试参数获取在不同测试场景下AR功能的测试分值,其中,由于测试场景的类型不同,对应的测试评分规则以及测试参数也不同。在确定当前测试场景的类型时,按照该测试场景对应的测试评分规则对测试场景的测试参数进行AR功能的测试评分,得到AR应用在不同测试场景下AR功能的测试分值。例如,有些测试场景的测试参数为数据指标,然后基于数据指标进行评分,例如CPU资源占用越少越好,即占用越少,测试评分越高;又例如,FPS(Frames PerSecond,每秒传输帧数)的值越大越好,即FPS值越大,测试评分越高。而有些测试场景是根据在扫描图片时模型实际加载情况进行测试评分,例如在同样的强光干扰下,如果很快加载了模型,则给10分,如果加载的模型时隐时现,则给3分,如果模型加载不出来,则给0分。又例如,在标识物倾角为60度时,如果可以正常的加载模型,则给10分;如果模型丢失或异常抖动,则给0分。
在确定各个测试场景下AR功能的测试分值后,根据权重值对测试分值进行加权求和得到目标分值,根据目标分值评估所述AR应用的AR功能。例如,光照环境变化测试场景的权重值为10%,测试分值为60、左右移动追踪测试场景的权重值为20%,测试分值为50、角度倾斜测试场景的权重值为30%,测试分值为70、多目标识别测试场景的权重值为40%,测试分值为80,则目标分值为10%*60+20%*50+30%*70+40%*80=69。其中,用户预先在AR应用中设置了不同分值等级对应的AR功能评测情况,例如,目标分值≥90,说明AR功能很好;70≤目标分值<90,说明AR功能良好;目标分值<70,说明AR功能较差。
本实施例通过获取不同测试场景下的权重值,以及根据测试场景的类型对应的测试评分规则对测试参数进行AR功能的测试评分,最后根据权重值对测试分值进行加权求和得到目标分值,并根据目标分值评估AR应用的AR功能。如此,可以对各个测试场景进行总体的评估,提高评估结果的准确性。
进一步地,参考图4,提出本申请AR测试方法第三实施例。
所述AR测试方法第三实施例与第二实施例的区别在于,所述扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息的步骤之前,包括:
步骤S11,获取预先构建的三维模型;
步骤S12,根据待检测的AR软件开发工具包对所述标识图片进行识别;
步骤S13,将所述三维模型与识别后的所述标识图片绑定,并根据绑定信息导出AR应用程序包。
需要说明的是,本申请对待检测的AR SDK进行多方位的评测,因此,需要采用待检测的AR SDK开发AR应用,再对开发得到的AR应用进行测试。
一实施例中,获取预先构建的三维模型,其中,可通过3D MAX、Blender、Maya或其他的3D软件工具完成虚拟的三维模型的渲染,并导出较为容易加载和处理的OBJ文件,例如,采用轻量级3D模型软件工具Blender构建简易的三维模型(OBJ格式,mtl材质)。然后,获取待检测的AR SDK和标识图片,使用待检测的AR SDK对标识图片特征点的识别,完成图像注册,例如,基于深度学习的方法,通过三维物体检测,确定三维物体相对于设备的相对位姿,完成虚拟空间与现实空间的坐标关系建立。其中,图像注册是指在识别场景或者物体后,依靠识别信息建立虚拟空间与现实空间坐标关系的过程,图像注册技术作为增强现实技术中的一项关键技术,直接影响虚拟信息在真实场景的叠加效果和可视化效果。最后,将构建的3D模型和标识图片在Unity 3D中组合,同时完成对模型的功能交互效果,将搭建的虚实场景导出为APK包,并导出至文件夹,安装至移动设备,实现AR在移动设备上的展示。
本实施例通过构建三维模型,基于待检测的AR SDK和标识图片完成图像注册,然后根据三维模型和标识图片完成虚实场景的搭建,并导出APK包,如此,测试终端通过测试基于APK包安装得到的AR应用即可评测AR SDK的功能。
为了更好地说明本申请的AR测试方法,参考图5,图5为本申请AR测试方法的操作流程图。
本实施例提出了一种AR测试系统,该AR测试系统包括标识识别图片库模块、虚实场景搭建模块、移动终端输出模块以及增强现实效果指标统计模块。
标识识别图片库模块用于存储放置待识别的目标图片库,其特点在于使用WebGL技术构建Web 3D应用,由于其不需要安装任何浏览器插件,通过WebGL技术和相关的开源框架可以完成3D场景的加载展示和场景交互。因此,标识识别图片库模块不仅可以存储海量的待识别标识图片,还可以基于WebGL的交互能力,在进行测试时可以自动化模拟对待识别图片的干扰操作,例如,待标识图片大倾角、远近距离、异常光照等,其中,这些操作可通过对信息参数的设置实现,以避免由于环境误差造成的测试不公平问题。
虚实场景搭建模块用于完成虚拟的3D模型或动画与待识别图片的叠加,该模块通过使用待检测的AR SDK将虚拟场景(如3D模型、动画或其他虚拟信息)与真实场景进行叠加来创建多个对象数据库文件。具体地,通过3DMAX、Blender、Maya或其他的3D软件工具完成虚拟模型的渲染,并导出较为容易加载和处理的OBJ文件,然后将虚拟模型和待识别图片导入Unity 3D利用待检测的AR SDK完成对待识别图片的图像注册。
移动终端输出模块用于完成虚实场景在移动终端设备上的加载展示和功能交互,该模块在完成虚实搭建合成和图像注册的基础上,在使用移动终端设备扫描标识图片时,将虚拟信息加载显示到终端设备上并可对其进行人机交互操作。
增强现实效果指标统计模块用于完成在各种场景测试下,待测AR SDK增强现实效果的统计,包括AR引擎在加载模型时的抖动和偏移效果、对识别物的运动跟踪能力、异常光照抗干扰能力、内存和CPU占用情况、FPS参数情况、多目标识别能力等。其中,测试人员可根据实际需求给各个测试场景设置不同的权重值,最后根据权重值进行加权计算获取AR引擎的总得分,基于总得分评估待检测的AR SDK。
本实施例在案一定程度上填补了AR SDK系统化的功能测试方面的空白,通过使用WebGL技术构建Web 3D应用来模拟对标识物的异常操作场景,避免了手动操作测试的不严谨性。同时,基于可操作较强的标识识别图片库模块,通过多场景测试,以及获取AR SDK的各类表现结果,从功能层面对AR SDK进行了多方位的评测,无需过多关注AR底层技术。同时,本实施例不用借助复杂的图形图像处理设备,具有易用性、可靠性和高复用性的特点。
此外,本申请还提供一种AR测试装置,所述装置包括存储器、处理器及存储在存储器上并在所述处理器上运行AR测试程序,所述处理器执行所述AR测试程序时实现如上所述AR测试方法的步骤。
参考图6,所述AR测试装置100包括扫描模块10、获取模块20、叠加模块30和评估模块40,其中:
所述扫描模块10,用于扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,所述不同测试场景下的标识图片的显示参数不同,所述标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于所述第二测试终端的待识别目标库;
所述获取模块20,用于根据所述特征点信息获取待加载模型,所述特征点信息的识别通过待检测的AR软件开发工具包实现;
所述叠加模块30,用于将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像;
所述评估模块40,用于获取各个所述叠加图像的测试参数,根据所述测试参数评估AR应用的AR功能。
此外,本申请还提供一种计算机可读存储介质,该计算机可读存储介质上存储有AR测试方法程序,AR测试方法程序被处理器执行时实现如上AR测试方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本申请的可选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括可选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种AR测试方法,其特征在于,所述AR测试方法应用于第一测试终端,所述方法包括:
扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,所述不同测试场景下的标识图片的显示参数不同,所述标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于所述第二测试终端的待识别目标库;
根据所述特征点信息获取待加载模型,所述特征点信息的识别通过待检测的AR软件开发工具包实现;
将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像;
获取各个所述叠加图像的测试参数,根据所述测试参数评估AR应用的AR功能。
2.如权利要求1所述的AR测试方法,其特征在于,所述根据所述测试参数评估AR应用的AR功能的步骤包括:
获取不同测试场景的权重值;
根据所述测试参数获取在不同测试场景下所述AR功能的测试分值;
根据所述权重值对所述测试分值进行加权求和得到目标分值,根据所述目标分值评估所述AR应用的AR功能。
3.如权利要求2所述的AR测试方法,其特征在于,所述根据所述测试参数获取在不同测试场景下所述AR功能的测试分值的步骤包括:
获取每个所述测试场景的类型对应的测试评分规则和测试参数;
在每个所述测试场景的类型下,按照所述测试场景对应的所述测试评分规则对所述测试场景的测试参数进行AR功能测试评分,得到所述AR应用在不同测试场景下所述AR功能的测试分值。
4.如权利要求2所述的AR测试方法,其特征在于,所述根据所述目标分值评估所述AR应用的AR功能的步骤包括:
获取所述目标分值对应的分值等级;
根据所述分值等级评估所述AR应用的AR功能。
5.如权利要求1所述的AR测试方法,其特征在于,所述扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息的步骤之前,包括:
获取预先构建的三维模型;
根据待检测的AR软件开发工具包对所述标识图片进行识别;
将所述三维模型与识别后的所述标识图片绑定,并根据绑定信息导出AR应用程序包。
6.如权利要求1所述的AR测试方法,其特征在于,所述将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像的步骤包括:
将所述待加载模型渲染为虚拟图像;
将所述虚拟图像与所述特征点信息进行叠加生成不同测试场景下的叠加图像。
7.如权利要求1所述的AR测试方法,其特征在于,所述根据所述特征点信息获取待加载模型的步骤包括:
将所述特征点信息与预存储的特征点信息进行匹配得到匹配结果;
在所述匹配结果为所述特征点信息与预存储的特征点信息匹配时,获取所述预存储的特征点信息关联的待加载模型;
其中,预先将所述特征点信息与所述待加载模型关联。
8.一种AR测试装置,其特征在于,所述装置包括存储器、处理器及存储在存储器上并在所述处理器上运行AR测试程序,所述处理器执行所述AR测试程序时实现如权利要求1至7中任一项所述的方法的步骤。
9.一种AR测试装置,其特征在于,所述装置包括扫描模块、获取模块、叠加模块和评估模块,其中:
所述扫描模块,用于扫描第二测试终端在不同测试场景下显示的标识图片得到特征点信息,所述不同测试场景下的标识图片的显示参数不同,所述标识图片为基于3D绘图协议WebGL构建的3D图形,并存储于所述第二测试终端的待识别目标库;
所述获取模块,用于根据所述特征点信息获取待加载模型,所述特征点信息的识别通过待检测的AR软件开发工具包实现;
所述叠加模块,用于将所述待加载模型与所述特征点信息进行叠加生成不同测试场景下的叠加图像;
所述评估模块,用于获取各个所述叠加图像的测试参数,根据所述测试参数评估AR应用的AR功能。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有AR测试程序,所述AR测试程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111046731.6A CN113887566A (zh) | 2021-09-07 | 2021-09-07 | Ar测试方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111046731.6A CN113887566A (zh) | 2021-09-07 | 2021-09-07 | Ar测试方法、装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113887566A true CN113887566A (zh) | 2022-01-04 |
Family
ID=79008450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111046731.6A Pending CN113887566A (zh) | 2021-09-07 | 2021-09-07 | Ar测试方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113887566A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115357873A (zh) * | 2022-10-20 | 2022-11-18 | 苏州元硕自动化科技有限公司 | 基于Vuforia技术的AR设备点检辅助系统 |
-
2021
- 2021-09-07 CN CN202111046731.6A patent/CN113887566A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115357873A (zh) * | 2022-10-20 | 2022-11-18 | 苏州元硕自动化科技有限公司 | 基于Vuforia技术的AR设备点检辅助系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Oufqir et al. | ARKit and ARCore in serve to augmented reality | |
KR101671185B1 (ko) | 렌더링을 위한 빛 및 질감 추출 장치 및 방법, 그리고, 빛 및 질감을 이용한 렌더링 장치 | |
JP4848001B2 (ja) | 画像処理装置および画像処理方法 | |
CN109901996B (zh) | 辅助测试的方法、装置、电子设备及可读存储介质 | |
WO2019217159A1 (en) | Immersive feedback loop for improving ai | |
CN111240977A (zh) | 游戏场景的性能测试方法、装置、设备及存储介质 | |
CN109801342B (zh) | 动态标识移动设备上运行时贴图合适度的方法及装置 | |
WO2023142434A1 (zh) | 渲染引擎的测试方法及装置、设备、系统、存储介质、计算机程序、计算机程序产品 | |
Firdaus et al. | Augmented reality for interactive promotion media at Faculty of Computer Science and Information Technology Mulawarman University | |
CN112462945A (zh) | 基于虚拟现实的物流集港作业教学方法、系统及介质 | |
US20230075050A1 (en) | Kernel reshaping-powered splatting-based efficient image space lens blur | |
CN113887566A (zh) | Ar测试方法、装置和计算机可读存储介质 | |
Krasula et al. | FFTMI: Features fusion for natural tone-mapped images quality evaluation | |
CN113332714B (zh) | 游戏模型的补光方法及装置、存储介质、计算机设备 | |
WO2015120797A1 (en) | Method and apparatus for testing compatibility of 3d engine | |
CN116912648A (zh) | 生成材料参数识别模型的方法、装置、设备以及存储介质 | |
US11003812B2 (en) | Experience driven development of mixed reality devices with immersive feedback | |
JP2010146227A (ja) | 検査装置および検査方法 | |
CN115082648B (zh) | 一种基于标志物模型绑定的ar场景布置方法及系统 | |
Scheibmeir et al. | Quality model for testing augmented reality applications | |
KR101849696B1 (ko) | 영상 모델링 시스템에서 조명 정보 및 재질 정보를 획득하는 방법 및 장치 | |
McNamara | Exploring visual and automatic measures of perceptual fidelity in real and simulated imagery | |
Gil et al. | Visual assessment of equirectangular images for virtual reality applications in unity | |
CN115205707B (zh) | 样本图像生成方法、存储介质以及电子设备 | |
JP2020123189A (ja) | 立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |