Viikolla 43 keskityimme prototyypin tekemiseen ja erilaisten kuvan- ja videokäsittely ohjelmien tutkimiseen. Päädyimme siihen, että kehitämme ohjelmakirjaston(plugin) video- ja kuvankäsittelyohjelmille. Tutkimmie vielä erilaisia vaihtoehtoja, mutta Adobe premiere pro vaikuttaa kaikkein parhaalta vaihtoehdolta.
Algoritmin kehittäminen on edistynyt huomattavasti ja saamme tällä hetkellä jopa kuvaa hieman parannettua. Tällä hetkellä kuvanparannusprosessi vie kauan, joten tutkimme, että olisiko metodeja nopeuttaa prosessia.
Sovimme, että ensi viikoksi prototyyppi ryhmä tutkii prototyyppiään syvällisemmina ja markkina ryhmä keskittyy ansaintamallin muodostamiseen ja potentiaalisten asiakkaiden kartoittamiseen.
torstai 27. lokakuuta 2016
sunnuntai 23. lokakuuta 2016
Post 5
Menetelmät
Olemme etsineet menetelmiä, joilla videokuvasta voisi luoda 2D-kuvia, joista veden aaltoilun aiheuttamat vääristymät olisi poistettu. Löysimme kolme hyvää ja hyvin erityyppistä menetelmää kyseisen ongelman ratkaisuksi. Yhdellä menetelmistä aaltoja käsitellään linssin tavoin ja pyritään tätä tietoa hyödyntäen rekonstruoimaan häiriötön kuva. Toinen menetelmistä odottaa onnekkaita otoksia, joissa tietty kohta kuvasta on häiriötön, eli kohtaan ei vaikuta aalto. Yhdistämällä nämä pienet yksittäiset onnekkaat otokset eri kohdista yhdeksi kuvaksi, saadaan häiriötön kuva. Kolmas menetelmistä käsittelee aaltojen vaikutuksia häiriöinä ja pyrkii suodatuksella poistamaan ne.
Aaltoja linssin tavoin käsittelevän menetelmän algoritmista ei ole löytynyt tarkkaa kuvausta. Tämä on valitettavaa sillä esitetyt tulokset ovat vaikuttavat ja ne oli saatu koralliriuttoja kuvaamalla.. Muita menetelmiä oli testattu simuloidulla tai laboratorio-olosuhteissa tuotetulla datalla. Aaltoja häiriöinä käsittelevän menetelmän luojat olivat verranneet algoritmiaan sen hetkiseen “state-of-art” algoritmiiin ja pystyneet parantamaan tuloksia. Menetelmästä löytyy myös tarkka kuvaus, joka meidän on ensivaiheessa tarkoitus toteuttaa.
Menetelmiä hyödyntäviä sovelluksia on löytynyt vain yksi. Aaltojen linssiominaisuuksia hyödyntävää menetelmää on käytetty koralliriuttojen kuvaamiseen senttimetri-tarkkuudella. Kuvista muodostetaan 3D-malli, jota meribiologit hyödyntävät koralliriuttojen tilan tutkimisessa. Meidän tavoite on luoda ohjelmistokirjasto, joka toteuttaisi sopivat aaltoilun häiriön poistavan algoritmit, ja joka olisi helposti käytettävissä monella alustalla. Tällöin uusia sovellusmahdollisuuksia voisi löytyä, kun suuret massat pääsisivät helposti hyödyntämään teknologiaa.
Prototyyppi
Vaikka vedenpinnan aiheuttamien häiriöiden suodattaminen on ollut aktiivinen tutkimuskohde, eivät tutkimuspaperit tarjoa riittävästi informaatiota ryhmällemme. Menetelmien tekniset rajoitteet vaikuttavat suuresti siihen, millaisiin tilanteisiin niitä voidaan hyödyntää. Tutkijoita sen sijaan on kiinnostanut lähinnä ongelman matemaattinen formulointi ja ratkaiseminen.
Tutkimuspaperien suurin puute on, että niissä on käytetty pääasiassa simuloitua aineistoa ja matalaresoluutioista videokuvaa. Oikean vedenpinnan aaltoliike on hyvin monimutkaista, joten tällaisen aaltoilun suodattaminen saattaa olla vaikeampaa. Simuloidussa aineistossa ei myöskään esiinny valon heijastumista vedenpinnasta. Algoritmin täytyy myös kyetä prosessoimaan videota, jonka resoluutio on melko suuri, esimerkiksi 1280x720 tai 1920x1080. Vedenpohjasta muodostettua kuvaa käytetään muotojen ja objektien tunnistamiseen, joten kuvan resoluution oltava riittävän suuri tätä tarkoitusta varten.
Algoritmin ajoaika on sovelluskohteiden kannalta keskeisin rajoite. Jos videokuva saadaan prosessoitua lähes reaaliajassa (parissa sekunnissa), avautuu monia uusia mahdollisia sovelluksia. Tutkimuksissa ajoaikaa ei kuitenkaan kommentoida. Lisäksi algoritmin ajoaikaa voidaan pienentää heikentämällä kuvanlaatua. Tämän kompromissin analysointi on tärkeää, sillä eri sovelluksissa kuvanlaadun painoarvo vaihtelee.
Valmiita, tuotantokäyttöön tarkoitettuja algoritmeja vedenpinnan häiriöiden suodattamiseen ei ole olemassa. Joitakin tutkimusten yhteydessä kehitettyjä algoritmeja on julkaistu, mutta ne on kehitetty Matlabia varten. Vaikka Matlab on kätevä ympäristö tutkimusta varten, haluamme tehdä oman prototyyppimme, joka on helpommin siirrettävissä alustalta toiselle. Prototyypin kehittäminen on myös ryhmällemme hieno oppimismahdollisuus ja riittävän korkea tavoite.
perjantai 14. lokakuuta 2016
Post 4
Viikko 41 kului ryhmämme osalta projektisuunnitelmaa tehdessä. Tunnistimme projektimme keskeiset välietapit ja arvioimme niihin liittyvää työmäärää. Tärkeimmät osat projektissamme ovat toisaalta asiakkaiden kartoitus sekä tutkiminen ja toisaalta algoritmin prototyypin kehittäminen. Jaoimme myös tehtävät kunkin ryhmän jäsenen osaamisen sekä kiinnostuksen perusteella.
Perjantain luennolla esiteltiin erilaisia menetelmiä ideoinnin helpottamiseksi. Ryhmämme keskittyi ideointiin jo aikaisemmin etsiessämme mahdollisia sovelluskohteita, ja näistä menetelmistä olisi varmasti ollut hyötyä tuolloin. Toisaalta ideointimenetelmistä tulee varmasti olemaan vielä hyötyä projektin edetessä.
Projektisuunnitelman valmistuttua päätimme jatkaa asiakkaiden tarpeiden kartoittamista. Teimme toisen Value Proposition Canvaksen, jossa pohdimme kalastajien tarpeita. Totesimme, että fluid lensing -menetelmästä voisi olla hyötyä kalapaikkojen löytämisessä, jolloin mahdollisuudet saada enemmän kalaa kasvaisivat. Toisaalta osa kalastajista ei välitä niinkään kalasaaliista, vaan rentoutumisesta ja luonnossa olemisesta. Tuotteemme sopisikin ennemminkin kalastajille, jotka ovat välineurheilijoita. Canvaksemme on esitetty oheisessa kuvassa.
Perjantain luennolla esiteltiin erilaisia menetelmiä ideoinnin helpottamiseksi. Ryhmämme keskittyi ideointiin jo aikaisemmin etsiessämme mahdollisia sovelluskohteita, ja näistä menetelmistä olisi varmasti ollut hyötyä tuolloin. Toisaalta ideointimenetelmistä tulee varmasti olemaan vielä hyötyä projektin edetessä.
Projektisuunnitelman valmistuttua päätimme jatkaa asiakkaiden tarpeiden kartoittamista. Teimme toisen Value Proposition Canvaksen, jossa pohdimme kalastajien tarpeita. Totesimme, että fluid lensing -menetelmästä voisi olla hyötyä kalapaikkojen löytämisessä, jolloin mahdollisuudet saada enemmän kalaa kasvaisivat. Toisaalta osa kalastajista ei välitä niinkään kalasaaliista, vaan rentoutumisesta ja luonnossa olemisesta. Tuotteemme sopisikin ennemminkin kalastajille, jotka ovat välineurheilijoita. Canvaksemme on esitetty oheisessa kuvassa.
perjantai 7. lokakuuta 2016
Post 3
Tänään aloitettiin päivä jälleen kerran 9:15 maissa luennon merkeissä. Jokainen ryhmä esitteli aikaansaannoksensa. Oli kiintoisa kuulla kuinka muut ryhmät olivat edenneet ja vertailimmekin aikaansannoksiamme toisiin ryhmiin. Saimme hyvää ja arvokasta palautetta opettajilta, joita varmasti hyödynämme projektissamme.
Luennon jälkeen menimmä ruuan kautta Energy Garagelle, jossa aloimme suunnittelemaan seuraavia projektin vaiheita. Teimme Value Proposition Canvaksen luennon ohjeiden mukaan. Siitä näimme selvästi mitä tuotteesemme kuuluu ja mitä hyötyjä tuotteestamme olisi. Päivän lopuksi sovimme työnjaosta, että kuka lähtee tutkimaan mitä asioita. Sovimme että Joonas H, Rasmus ja Matti lähtevät tutkimaan teknologioita, Joonas R ja Jani asiakkaita ja Joonas L kilpailijoita.
Luennon jälkeen menimmä ruuan kautta Energy Garagelle, jossa aloimme suunnittelemaan seuraavia projektin vaiheita. Teimme Value Proposition Canvaksen luennon ohjeiden mukaan. Siitä näimme selvästi mitä tuotteesemme kuuluu ja mitä hyötyjä tuotteestamme olisi. Päivän lopuksi sovimme työnjaosta, että kuka lähtee tutkimaan mitä asioita. Sovimme että Joonas H, Rasmus ja Matti lähtevät tutkimaan teknologioita, Joonas R ja Jani asiakkaita ja Joonas L kilpailijoita.
Tilaa:
Blogitekstit (Atom)