Kännykkäkamera kuvaa, tietokone tulkitsee maailmaa puolestasi reaaliajassa?

Konenäkö, 3D-paikannus ja 3D-maailmat ja niiden tutkimus etenevät vauhdilla. Akatemiatutkija, apulaisprofessori Juho Kannala työryhmineen etsii ratkaisuja, joilla saadaan kolmiulotteisesta todellisuudesta ajantasaista ja liikkuvaa. Tavoitteena on löytää kaupallistettavia, entistä halvempia ja helppokäyttöisempiä menetelmiä maailman mallintamiseen.

Hankkeen virallinen nimi on suomeksi ”Ympäristön joukkoistettu kartoittaminen, monilähteinen, ajantasainen SLAM käyttäen liike-, valo-ja magneettiantureita.” SLAM- lyhenne tulee sanoista simultaneous localization and mapping.

Monikäyttöiset 3D-maailmat 

3D-mallinnus on monipuolinen työkalu. Rakennus- ja yhdyskuntasuunnittelussa sen avulla tulevat kohteet voidaan mallintaa luonnollisessa koossaan ennen kuin ensimmäistäkään sorakuormaa on ajettu rakennuspaikalle. On laskettu, että menetelmä säästää merkittävästi rakennuskustannuksia, parantaa käytettävyyttä ja helpottaa käyttäjälähtöistä suunnittelua.

Virtuaalitodellisuuden avulla voidaan taltioida kohteita ja luoda niistä pilvimalleja, joissa pystyy vierailemaan ja liikkumaan. Esimerkiksi rakennushistoriallisesti arvokas Haukiputaan puukirkko maalauksineen on mallinnettu ja se toimii virtuaalikirkkona, jossa voi seurata reaaliaikaisesti vaikka jumalanpalvelusta. Kulttuurihistorian harrastaja saa vielä odotella, että esimerkiksi arvokkaat maailmanperintökohteet taltioidaan helppokäyttöiseen virtuaalimaailmaan vierailtavaksi.

Erilaisten karttasovellusten käyttäjät kaipaavat ajantasaisia, näyttäviä ja helppokäyttöisiä kolmiulotteisia malleja ja karttoja. Myös pelimaailma hyödyntää 3D-todellisuutta.

Konenäkö oli vielä muutama vuosi sitten käytössä lähinnä teollisuuden prosesseissa tai pullonpalautusautomaateilla. Tänään sitä kehitellään esimerkiksi liikenteen, kauko-ohjattavien kulkuvälineiden ja itseohjautuvien ajoneuvojen avuksi.

Kehitteillä kaupallistettavia menetelmiä

Kannalan tavoitteena on paitsi tehdä konenäön perustutkimusta, myös kehittää menetelmiä, joita voidaan käyttää suurten kuva-aineistojen hallinnassa, visualisoinnissa, haussa tai analyysissä.

”Tavoitteena on, että kone pystyy automaattisesti tunnistamaan ja määrittelemään liikkuvasta kuvasta asioita. Tekniikka hyödyntää kolmiomittauksen periaatteita ja kuvien perusteella saadaan malli siitä, mitä kamera näkee. Ulkokuvista voitaisiin esimerkiksi tunnistaa, montako autoa kuvissa on,” Kannala kuvailee.

Mallintaminen on yksi haaste, tunnistaminen on toinen.

”Tavoitteena on myös saada kuviin elementti, josta käytetään nimeä lisätty todellisuus. Siinä mobiililaitteen kameran tuottamaan kuvaan voidaan lisätä reaaliaikaista tietoa. Käyttäjälle voitaisiin esimerkiksi välittää hänen ympäristöönsä liittyvää lisätietoa, mikäli laite voidaan paikantaa joko kuvan tai muiden signaalien avulla.”

Tavoitteena on myös kehittää konenäköä niin, että tietokone pystyy tunnistamaan suuresta määrästä kuvia tiettyjä elementtejä, joiden etsimisessä ihmisellä menisi kohtuuttomasti aikaa.

Sisätilapaikannus etenee

Ulkotilojen 3D-mallinnuksen apuna tyypillisesti käytettävät ilmakuvat eivät auta sisätilojen mallinnuksessa ja myös sisätilapaikannus on haasteellista, koska GPS signaali ei yleensä ole saatavilla sisätiloissa. Sisätilojen mallinnukseen on kehitetty menetelmiä, joita voidaan käyttää älypuhelimilla, mutta joissa on yhä käytännön rajoitteita. Paikannusteknologia voi vaatia esimerkiksi valmiiksi laaditun radio- tai magneettipiirrekartan.

”Yritämme ratkaista ongelmat käyttämällä yhtäaikaiseen paikannukseen ja kartoitukseen kykeneviä SLAM-menetelmiä. Tuotamme joukkoistamalla karttoja ja malleja, joita voidaan käyttää sisätilapaikannuksessa.”

Kannalan mielestä on hyvä huomata, että kaikki tietokonenäön osa-alueet kehittyvät nopeasti. Sen seurauksena tekniikka ja sovellukset halpenevat ja ovat helpommin tavallisen kuluttajan saatavilla.

”Odotettavissa on, että 3D-mallit ja muutkin tietokonenäön sovellukset tulevat näkymään tavallisen ihmisen elämässä koko ajan enemmän.”

Suomi on kehityksessä mukana, mutta ala kehittyy maailmalla nopeasti. Kannala näkee selkeänä puutteena sen, ettei Suomessa useinkaan investoida tarpeeksi rohkeasti. Vaikka konenäön tutkimuksella on pitkät perinteet Suomessa, tutkimus etenee nopeasti muuallakin ja kehityksessä mukana pysyminen vaatii jatkuvaa kehittymistä ja panostuksia osaamiseen.

Kannala on mukana kahdessa akatemiarahoitteisessa hankkeessa, joissa tutkitaan konenäköä ja kehitetään uusia sovelluksia.

Teksti: Marja Nousiainen
Kuvat: Lasse Lecklin ja Pond5.com