طراحی و پیاده‌سازی یک سیستم راهنمای کاربر در فضای بسته با استفاده از واقعیت افزوده بافت‌آگاه

در سرویس های مکان مبنا افزایش تعامل کاربر با محیط می تواند شناخت او از محیط را افزایش دهد. ترکیب این سرویس ها با فناوری واقعیت افزوده یکی از روش هایی است که این تعامل را افزایش می دهد. چراکه فناوری واقعیت افزوده عناصر مجازی مانند اطلاعات متنی، گرافیکی و غیره را با دنیای واقعی ادغام می کند و اشیاء مختلف از دنیای واقعی را با اطلاعات مجازی متناظر آن برای کاربر نمایش می دهد. اما استفاده از این فناوری در سرویس های مکان مبنا، می تواند مشکلاتی به همراه داشته باشد. برای نمونه، با افزایش حجم اطلاعات از محیط پیرامون، نمایش آن در صفحه نمایش دستگاه همراه با اندازه های محدود، باعث ناخوانایی می شود و سودمندی این اطلاعات را کاهش می دهد. یکی دیگر از مشکلات استفاده از واقعیت افزوده، یکنواختی اطلاعاتی است که به کاربر نشان داده می‌شود. یعنی با تغییر شرایط محیطی کاربر ممکن است اطلاعات تغییر کنند، اما اطلاعات نمایشی ثابت می ماند. در تحقیق حاضر برای غلبه بر مشکلات ذکر شده، از ترکیب واقعیت‌افزوده و بافت‌آگاهی استفاده شده است. بافت‌آگاهی، محیط و تغییرات محیطی کاربر را در نظر گرفته و رفتار سیستم را مطابق با آن تغییر می‌دهد. سیستم پیشنهاد شده در این تحقیق با بهره گیری از بافت های فاصله، دوران، زمان و تفکیک پذیری کاربر را در یک فضای بسته راهنمایی می‌کند. نمونه اولیه این سیستم در طبقه ‌سوم دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی و در بستر اندروید پیاده سازی شده است. برای موقعیت یابی در فضای بسته از روش پیمایش پیاده رو و حسگرهای شتاب سنج، ژیروسکوپ و مغناطیس سنج استفاده شده است.برای ارزیابی کارایی سیستم، یک تست کارایی انجام شده است. در این تست در هر اجرا توسط کاربران مختلف، میزان مصرف حافظه دسترسی تصادفی و واحد پردازش مرکزی، در دو حالت بافت‌آگاه و غیربافت‌آگاه اندازه‌گیری شده است. نتایج حاصل از این تست نشان می‌دهد سرویس بافت‌آگاه، حافظه دسترسی تصادفی دستگاه همراه را به میزان 37.67 درصد و واحد مرکزی پردازش دستگاه همراه را 1.83 درصد کمتر نسبت به سرویس غیربافت‌آگاه، اشغال کرده است. علاوه بر این نحوه‌ی اجرای برنامه توسط کاربرهای مختلف، با طرح پرسش‌هایی راجع‌به رابط کاربری سرویس، عملکرد سرویس بافت‌آگاه و عملکرد سرویس غیر بافت‌آگاه، ارزیابی شده است. نتایج نشان می‌دهد، کاربران از عملکرد سیستم بافت‌آگاه رضایت دارند.

Designing and Implementing a User Guide System in Indoor Spaces Using Context-aware Augmented Reality

In locationbased services, increasing the userchr('39')s interaction with the surrounding environment can increase their knowledge of that environment. Combining these services with Augmented Reality technology is one of the ways to increase this interaction.Augmented Reality combines virtual elements such as textual information, graphics, etc. with the real world and displays various objects from the real world with their corresponding virtual information to the user.However, using this technology in locationbased services can cause problems. For example, by increasing the volume of textual and graphical information from the surrounding environment, displaying this information on the mobile devicechr('39')s screen with limited sizes, causes illegibility and reduces the usefulness of the information.Another problem with using Augmented Reality is the uniformity of the displayed information. That means, by changing the userchr('39')s environmental conditions the information may change, but the displayed information through a noncontextaware system remains the same and does not change dynamically.In this research to overcome the problems mentioned above, a combination of Augmented Reality technology and Contextawareness has been used. Contextawareness considers the userchr('39')s environment and its changes and modifies the systemchr('39')s behavior accordingly.To modeling the proposed system, first, we identified the effective contexts. We utilized four properties as context to guides the user in an indoor space; the distance between the user and possible target locations, rotation of the mobile device, the time that the user is using the application, and resolution. We used the Bounding Box concept to infer the resolution context.We then collected the required data to calculate the mentioned contexts. To find the userchr('39')s position and calculating distance context, we used the Pedestrian Dead Reckoning (PDR) method. This method has less dependency on the environment and its infrastructures rather than other positioning methods like positioning using WiFi and Bluetooth Low Energy (BLE) sensors. PDR uses the smartphonechr('39')s IMU sensors to finding the userchr('39')s orientation and detecting his/her steps. In this research, we used Accelerometer, Gyroscope, and Magnetometer sensors. Magnetometer sensors are mostly affected by surrounding iron objects. So we calibrated this sensor by applying softiron and hardiron calibrations. Also, we applied moving average low pass filter to regulating accelerometer raw data. Time and rotation of device collected from device clock and IMU respectively.After calculating the contexts, to displaying appropriate information according to the userchr('39')s context, we define different Levels of Detail.This system is implemented on the 3rd floor of the Geomatics faculty at K.N. Toosi University and developed on the Android platform with Java programming language. A performance test was carried out to evaluate the performance of the system. In each application run by different users, we collected Random Access Memory(RAM) and Central Processing Unit(CPU) usage for contextaware and noncontextaware systems. The results of the performance test showed that the average RAM and CPU usage in the contextaware system respectively 37.81% and 1.83% are less than noncontext aware. Also, we used a questioner and asked ten users to evaluate the system rsquo;s UI, the performance of the contextaware system, and the noncontextaware system. The results showed that users have significant satisfaction in the performance of the contextaware system.