標籤:

春節在哪裡逛,都能用你的手機復原帝都九大城

【聽楊姐說】

春節前來北京的朋友,在二環上坐地鐵時如果看到有人舉著手機拍啊拍的,手機上還有跟電子遊戲一樣的小人動來動去,可千萬別錯過,也用您的手機百度掃一掃,您會看到一個在AR(增強現實)技術復原下的老北京九大城門!

楊姐給大家介紹一下這個「新愛物」的玩法。

其實那天楊姐去體驗的時候非常有趣,還有兩個重要人物也一起「體驗」,一個就是百度大腦首席科學家吳恩達,另一個就是百度這個項目的負責人百度增強現實實驗室負責人吳中勤。

我們在北京二環地鐵的西直門站匯合,然後乘上一列百度AR專列去前門。一上地鐵,就發現地鐵的車廂內有紅色的九大城門照片和說明。當時我們用手機百度的掃描功能對準這些圖片一搜,就出來了AR增強現實實景的動畫。

前面這位是百度增強現實實驗室負責人吳中勤,後面高個子就是百度大腦首席科學家吳恩達

其實,後來姐回家試了試,不用這些觸發點,只要打開手機百度,在搜索框里搜任何一個城門的名字,都能搜到。

接著我們還去了前門的箭樓。

用ipad看更爽:

這個產品能夠達到什麼效果呢?

比如說正陽門吧,你可以通過這個AR介紹了解到正陽門的一些建造、更名歷史,並且用360度立體維度來隨意從任何角度看這個城門的細節。

當然,在百度用這個AR技術復原九大城門的時候,搜集了無數相關資料,光老照片就搜集了500多張。

此外還有一些歷史知識的材料啊——例如,其實城門不全是磚頭堆砌的,裡面其實是土質結構,僅僅是在內外牆的部分使用的是磚頭。當年拆城門的時候也不是我們想像的那樣靠人力拆,是把牆裡面打上洞,注入石灰粉,再灌入水,利用石灰水遇水發熱等原理來拆城牆。

在這個九大城門的增強現實項目中,一個被重要應用的技術就是SLAM技術。這個技術簡單地說,就是機器人在一個未知環境中自動根據位置估計和感測器數據進行自身定位,同時建造增量式地圖!

換句白菜話說,就是:機器人所到之處,自動建立起地面建築物、車子、人……的3D模型。(姐這話不專業啊,就為了讓大家能理解)

其實,這個產品演進到最後,有個突破就是,不用再掃觸發點的圖片或文字了,只要在手機百度上搜索,就能得到這個好玩的結果——360度隨意轉動下圖。

這個九大城門增強現實項目最核心的技術是什麼?

就是「圖像技術」,因為需要使用圖像技術來理解每張圖裡面的內容到底是什麼,也需要用圖像技術來做視覺定位,才可以實時把增強現實的技術放進去。

其實,未來人工智慧還有好幾個技術會對AR、增強現實非常重要,因為如果你拿著手機去看AR的內容,在交互上最重要、最方便的就是「說話」,所以百度也在探索怎麼樣用語音識別讓人們一邊看增強現實內容,一邊跟手機交互。

那麼,一個問題來了,百度沒事搞這麼個九大城門幹啥?

姐個人覺得吧,除了老北京這些歷史需要有所保留之外,這個技術未來的巨大應用是很有商業潛力的。

舉個栗子:利用增強現實技術如果能為患者的手術部位建模,那麼腦科實習生們是不是在做手術之前,就能自己模擬去先開回顱?這不僅對提高實習生們的技能有幫助,對患者的聲明也是一個極大的保護啊!!

再比如,你想去泰姬陵,想提前先了解一下它的結構,現場人家又不讓你翻來倒去的研究,如果有了增強現實版的泰姬陵,隨你怎麼把玩,不是很好么?

「其實這個技術在很多領域,包括教育、醫療、理療、旅遊、生活等等領域都能為人們帶來很多改變和體驗,能讓大家更自然、更方便地探索世界。」吳恩達說。

把手放在手機背後,是為了讓手機能找一個平面的基準點

但是,這個技術真的變態的那麼複雜——包括了從場景到三維的感知到最後的虛實結合和智能交互。

首先,百度這次展示的技術中,不管是實景觸發、圖片觸發還是搜索觸發——都是百度大腦對各種觸發點的理解力的問題:即通過感測器或者信息,來更好地理解場景。

當然,百度的同志們對自己還有更高的要求。吳中勤就說了,此次的九大城門項目,其實還有一個非常重要的虛實融合的技術,就是怎樣讓現實和虛擬的結合更加自然,更加讓用戶覺得是一個更好的體驗。

怎麼理解吳中勤的話呢,楊姐自己的理解是:更複雜的虛擬現實技術是要計算虛擬的部分如何適配現實環境的光線!以及,虛擬世界怎樣跟現實世界做到精確的匹配和融入,讓人有更加的一種虛實結合的融入感。

此外還有用戶的交互,很多人第一次使用的時候還是用手操作屏幕上的物體,未來百度希望可以讓用戶通過語音識別+自然語言理解的技術,讓人們可以和這個世界以最自然的方式交互。

怎麼樣,大家覺得好玩么?如果春節有時間來北京逛逛,或者不來北京但是對老北京和九大城門、虛擬現實技術感興趣,也可以現在就打開手機百度,體驗一下!

【小白不菜】微信號:xiaobaibucai521

我們是小白,但我們不是菜鳥!

榮獲2014年最佳自媒體

媒體訓練營2014最佳自媒體

百度知道認證專家

2015媒體訓練營年度媒體之星

2016年度媒體訓練營媒體之星


推薦閱讀:

用深度學習技術自編碼你的皮卡丘 ?
TensorFlow 官方文檔譯者招募
DQN起源《Human-level control through deep reinforcement learning》論文筆記

TAG:人工智能 |