Využití knihoven pro rozšířenou realitu pro upozornění na překážky

Abstract

Tato práce se zabývá využitím knihoven pro rozšířenou realitu při návrhu a implementaci systému upozorňování na překážky, zaměřeného především na zrakově postižené uživatele. Implementace byla realizována pomocí ARFoundation s ARCore, které umožnily využití pokročilých informací o scéně, jako je detekce ploch a hloubková data. Aplikace zahrnovala klíčové funkce, včetně generování mračna bodů, hostování kotev a zarovnávání virtuální a skutečné scény. Uživatelské testy ukázaly efektivitu haptické zpětné vazby jako hlavního navigačního prvku, zatímco hlasová zpětná vazba vyžadovala další optimalizaci kvůli opožděné reakci a snížené relevanci v určitých situacích. Přesnost detekce byla ovlivněna nízkými překážkami, oblastmi s vysokou hustotou překážek a lesklými překážkami, přičemž kalibrační problémy občas způsobovaly nesoulad mezi virtuální a skutečnou scénou. Zpětná vazba od uživatelů zdůraznila potřebu jemnější optimalizace detekčních algoritmů a možností zpětné vazby. Výsledky naznačují potenciál pro integraci pokročilejších funkcí, jako je využití sémantických dat a strojového učení, a doporučují další testování s cílovou skupinou. Studie rovněž ukazuje na význam rozvoje AR technologií na méně dostupných zařízeních, například AR brýlích, pro rozšíření jejich dostupnosti a praktického využití.

This work focuses on the use of augmented reality libraries in the design and implementation of an obstacle notification system, aimed primarily at visually impaired users. The implementation was carried out using ARFoundation with ARCore, which enabled the use of advanced scene information such as plane detection and depth data. The application included key features such as point cloud generation, anchor hosting, and alignment between virtual and real scenes. User tests demonstrated the effectiveness of haptic feedback as the main navigational element, while voice feedback required further optimization due to delayed responses and reduced relevance in certain situations. Detection accuracy was affected by low obstacles, areas with high obstacle density, and shiny surfaces, with calibration issues occasionally causing mismatches between the virtual and real scenes. User feedback highlighted the need for finer optimization of detection algorithms and feedback options. The results suggest potential for integrating more advanced features such as the use of semantic data and machine learning, and recommend further testing with the target user group. The study also underscores the importance of developing AR technologies for less accessible devices, such as AR glasses, to expand their availability and practical usability.