Le caratteristiche grafiche di un logo sono alla base di un suo rapido riconoscimento e di un robusto tracking, in applicazioni di realtà aumentata che usano la visione. Gli algoritmi che riconoscono i simboli 2D richiedono che le immagini siano dotate dei seguenti requisiti:
- Ricchezza di dettagli.
- Buona illuminazione e contrasto (è consigliata l’alternanza di regioni scure e luminose).
- Esclusione di patterns ripetitivi (es. scacchiera).
- Esclusione di forme prevalentemente curve, colorate in modo omogeneo (non sono riconoscibili).
- Adeguata risoluzione ma non eccessiva (specialmente in ambito real-time).
Nelle figure seguenti vengono mostrati alcuni esempi di come un simbolo (figure a sinistra) venga interpretato (figure a destra) dall’algoritmo di riconoscimento ORB (il discorso è comunque analogo per altri algoritmi come SIFT, SURF, …); le croci gialle mostrano le caratteristiche distintive estratte (features). In generale, con feature si intende un dettaglio di un’immagine spigoloso, appuntito, cesellato. Il numero di stelle colorate di giallo indica la facilità di riconoscimento del simbolo (5/5 stelle corrispondono ad un ottimo riconoscimento).
Features estratte (croci gialle nelle figure a destra) per i rispettivi simboli (figure a destra)
FIGURA 1
- Il numero di features estratte è elevato.
- Le features sono distribuite in una vasta area.
- L’uso di una trama come colorazione permette di incrementare il numero di features estratte. La trama introduce contrasti di luminosità chiaro/scuro; la sua delimitazione all’interno del simbolo ovvia alla presentazione di un pattern ripetitivo.
FIGURA 2
- Il numero di features estratte è ridotto per l’assenza di dettagli.
- La distribuzione spaziale delle features è contenuta.
- La colorazione omogenea, e l’utilizzo di linee prevalentemente curve, permettono di estrarre features unicamente nei punti di discontinuità.
FIGURA 3
- Il numero di features estratte è ridotto.
- La distribuzione spaziale delle features è contenuta.
- La colorazione omogenea permette di estrarre features unicamente sui contorni.
- L’uso di testo permette di introdurre diverse features.
FIGURA 4
- L’introduzione di uno sfondo (questo logo è il negativo di FIGURA 3), permette di estrarre un maggior numero di features.
- La colorazione omogenea permette di estrarre features unicamente sui contorni.
- Il ridotto contrasto tra i colori blu e rosso non permette di estrarre features sul carattere ‘3’.
FIGURA 5
- La ridotta risoluzione dell’immagine non permette di estrarre un numero di features elevato.
- Il testo rappresentato con caratteri rotondi non permette l’estrazione di features in questa zona.
FIGURA 6
- L’uso di un pattern ripetitivo permette di estrarre numerose features, distribuite in una vasta area. Queste features non sono però utili al riconoscimento del logo poiché non è possibile gestire rotazione e scaling dell’immagine, a causa dell’elevata simmetria e della colorazione omogenea.
FIGURA 7
- Questa figura introduce rispetto alla FIGURA 6 una bordatura attorno al simbolo. In questo modo è possibile estrarre features più vicine al bordo, precedentemente escluse. Il logo non è comunque riconoscibile per l’uso di pattern ripetuto.
Alcune note per migliorare il riconoscimento:
- Riprodurre il simbolo su di una superficie non deformabile; nel caso di carta, usare una grammatura uguale o superiore a 200-220 g/m². Può essere utile stampare il simbolo su di una superficie spessa 3 o 5 mm.
- Le dimensioni minime del simbolo sono circa 10 cm. Le dimensioni vanno tarate in funzione della distanza di riconoscimento desiderata e delle caratteristiche del sistema di riconoscimento.
- La superficie su cui viene presentato il simbolo e la sorgente luminosa devono essere adeguati (es. la superficie non deve presentarsi lucida quando illuminata da una luce a forte intensità).
