目錄
一、引言
高級模型目標(Advanced Model Targets)支持從各個方面識別和追蹤一個或多個對象，所有這些對象都包含在一個高級模型目標數據庫(Advanced Model Target Database)中。每個對象的識別範圍最高可以爲360°，用戶無需將模型的輪廓與物理對象對齊便可開始追蹤。
只需要在模型目標生成器(Model Target Generator)中訓練一個或多個(Model Targets)模型目標便可實現識別追蹤。與未經訓練的Model Targets不同，MTG(Model Target Generator)可以將您的3D模型上傳到Vuforia雲(Vuforia Cloud)中，以進行深度學習訓練。
Vuforia樣品包(sample package)展示了美國宇航局(NASA)的“Viking”着陸器，它可以被3D打印，並在360°範圍內進行測試。模型和打印說明可在Viking Mars Lander三維打印說明頁上找到。它是幫助您入門Advanced Model Targets Databases的示範資源。在Vuforia網站上的“Samples”選項卡下的“Downloads”部分可以找到該示例包。
此外，Unity的Vuforia Engine samples還包含了一個1:18的Polaris RZR XP 1000玩具模型所對應的Advanced Model Target，可以很容易地從亞馬遜(Amazon)等網站上獲取然後測試。
二、Model Target Generator (MTG)
使用Vuforia開發的Model Target Generator創建Advanced Model Target Databases。其可用於Windows和macOS。它以CAD模型作爲輸入，並輸出Vuforia Device Database。有關Model Targets和指引視圖(Guide Views)的安裝及基本資料，請參見【Vuforia】用戶指南：模型目標生成器(【原文】Model Target Generator User Guide)。
三、用於高級識別(Advanced Recognition)的多個對象和多個Guide Views
當使用的Advanced Model Target Database包含多個Model Targets和/或多個檢測範圍達到360°的Guide Views時，Vuforia引擎完全(purely)通過對象的視覺外觀來進行區分，這意味着，在選擇不同的對象和/或不同的Guide Views時，應考慮以下其他因素。
從本質上講(Essentially)，每個Guide View必須看起來不同——也就是說，Guide View必須通過外觀即可單獨(alone)區分。用戶正在查看的對象，以及與當前視角和距離相對應的Guide View，兩者不應存在任何歧義(ambiguity)。
對象必須看起來不同
所有對象必須看起來都不一樣。如果有多個形體(shape)相似的對象(例如兩輛車)，需要確保每個對象都能很好地與其他對象區分開來(在汽車例子中，轎車(sedan)和敞篷車(convertible)就有可能夠獨特)。
注意：CAD模型與目標物體應比例相匹。使用不正確的比例和測量尺寸(scale and measurements)可能導致識別追蹤效果變差。有關此主題的詳細信息，請參見如何創建模型目標(【原文】How to Create a Model Target)。
Guide Views應該看起來不同，識別範圍不應重疊
請確保使用Model Target Generator中的“創建高級視圖(Create Advanced View)”按鈕創建爲Advanced Model Targets設置的Guide View。這將允許自定義預覽圖(view)的識別範圍。
選擇適合模型的範圍：對於玩具或汽車等對象，360°全方位識別可能是正確的選擇；如果物體只能從特定的一面靠近(例如一臺大型機器(machinery))，那麼創建兩個具有90°識別範圍的Guide Views則更爲合理。
更多信息，請參閱Guide Views相關文章。
若所建Guide View沒有識別範圍，則在訓練Advanced Model Target之前，始終可以返回添加。
注意：如果創建Advanced Guide Views時包含至少一部分對象輪廓(silhouette)，則效果最佳。
注意：您和物理對象越接近，目標物體的CAD模型與物理對象相似精度(accurate)就需要越高。
舉個例子，如果您所創建的預覽圖聚焦於機器的電機滑塊(motor block)，但CAD模型所包含的電機不同，則無法進行識別。
若有多個Guide Views，則從每個Guide View所代表(representing)的視點進行觀察，對象都應該看起來不一樣。這包括每個Guide View的整個Recognition Range。Guide View與其相對應的特定視角和位置不應存在任何歧義。
- 如果對象是非對稱的(asymmetric)(即任何方向觀察它結果都不一樣)，只需確保Guide View角度和距離的範圍不重疊即可。
- 如果對象是對稱的(symmetric)(即其具有看起來彼此相似的部分)，則需確保覆蓋對稱部分的Guide View只有一個，並且創建的其它每個Guide View都需要和對稱部分看起來不同。
此外，如果在一個Advanced Model Target Database中有多個對象，則每個對象的每個Guide View都應該在視覺上具有獨特性(visually distinct)。
- 請避免使用此類數據庫：其中一個對象是簡單的立方體(cube)，而另一個對象是具有大型的、主要(dominant)爲立方體型(cube-shaped)部件的機器。這兩種對象可能會互相混淆(confused)。如果您不能避免此類情況，那麼請確保其中一個物體至少有一個獨特外觀(distinctive appearance)(標誌或圖案)完美地(ideally)覆蓋了它的大部分表面。進行此操作時，需要在訓練期間使用“真實(Realistic)”選項。或者您也可以設置機器的Guide Views，使其不包括立方體型部件(例如通過設置目標範圍(Target Extents)來排除(exclude)它)。
四、創建受訓(trained)的Model Target數據集(dataset)
• 需要至少一個包含單個對象的數據庫，且該對象需包含一個或多個具有識別範圍的高級視圖Advanced Views，才能創建訓練項目(session)。這些Guide Views是訓練Model Target的必要條件；
• 如果創建了不帶識別範圍的Guide Views，則在訓練Advanced Model Target之前，您始終可以返回進行添加。
- 導航到“數據庫(Databases)”選項卡。(如果您當前正在編輯某個Model Target，則可能需要首先單擊返回箭頭(return arrow)以返回主屏幕(Home Screen))；
![train]()
- 單擊“創建數據庫(Create Database)”併爲訓練項目命名，自己選擇是否輸入描述，然後進行模型外觀(Model Appearance)模式選擇：
• 如果CAD模型在紋理和顏色等方面看起來和真實物理對象很像，則首選"Realistic"模式。如果選擇此模式，則生成的數據庫將僅適用於具有與CAD模型相同顏色、圖案或貼標(decals)的目標對象。該模式通常用於玩具，或在對象之間形體差異不夠明顯的情況下使用。一般而言，使用紋理通常有助於進行識別(如果可以的話)；
• 如果CAD模型沒有逼真的顏色或紋理，則應使用"Non-realistic"模式。生成的數據庫不會考慮(look at)實體對象的真實顏色。此模式通常用於沒有外觀信息的工業(industrial)對象CAD模型。
- 若您想將目標對象添加到數據庫中，請從顯示的列表中選擇Model Target項目，或通過“瀏覽(Browse)”按鈕選中已有的
.vup項目。(如果在列表中看不到您的Model Target，很可能是因爲其尚未生成。返回"Model Targets"選項卡，雙擊"Model Target"，然後單擊“生成模型目標(Generate Model Target)”按鈕)：
• 若已創建Model Target的Guide Views沒有識別範圍，則無法選擇該Model進行訓練。在這種情況下，請返回模型界面併爲所有Guide Views配置識別範圍；
• 將Model Target添加到數據庫時，會對其在當前狀態下進行復制。您對Model Target做出的任何更改，都不會自動更新到任何包含該Model Target的數據庫中；(筆者按：就是說比如你改了Guide View，你得重新上傳一遍纔行)
• 我們建議在單個數據庫中不要添加超過10-20個對象，具體取決於爲每個對象定義Guide Views的數量。如果每個對象有大量的Guide Views，則應儘量減少每個數據庫的對象數，以獲得更好的效果；
• 添加到單個數據庫中的每個目標對象(及其所有Guide View)都必須在視覺上可區分，以便在運行時能夠成功識別。如果您具有外觀相似的目標對象，或者如果您所設置的Guide Views使外觀不同的目標對象卻在某些Guide View中看起來相似，則可能導致識別不準確。
-
單擊右側所選數據庫上的“訓練(Train)”按鈕開始訓練所選模型。我們使用最新的深度學習(Deep Learning)技術從選定模型中訓練神經網絡(neural network)。這通常要花費大量時間(最多幾小時)。幾分鐘後，界面將顯示預計完成時間(ETA)。此訓練進程可隨時取消；
-
訓練完成後，界面將顯示“導出(Export)”按鈕。單擊按鈕將受訓數據庫導出爲Vuforia引擎本地包和Unity包。通過雙擊數據庫，可以在訓練過程中和受訓之後訪問訓練集。只有在成功導出訓練成果時，訓練配額(quota)纔會受到影響；(筆者按：經測試，Export失敗也有可能使配額-1！所以請儘量減少Train的次數)
五、訓練失敗怎麼辦？
如果訓練失敗，數據庫狀態會變成"失敗(Failed)"。此外，數據庫詳情界面(在添加的Model Targets列表下)裏可能有一個或多個狀態消息，其中就包含失敗原因的附加信息。根據狀態消息，您可能需要重新訓練或發送支持請求(send a support request)。
即使訓練沒有完全失敗，訓練進程也可能會針對訓練數據的質量發出警告，並建議可能的解決方法，例如：
通常，訓練失敗的原因如下：
-
CAD模型太大。請參閱模型準備相關章節(【原文】the section about Model Preparation)以及【Vuforia】最佳實踐：支持作爲模型目標(Model Targets)的對象和CAD模型(【原文】Model Targets Supported Objects & CAD Model Best Practices)，並/或減少數據庫中的對象數。
-
如果部分或全部目標對象在視覺上相似，並且/或者它們具有使其在視覺上看起來相似的Guide Views，則無法在視覺上區分它們。參考上述指南(guidelines)，以及【Vuforia】最佳實踐：支持作爲模型目標(Model Targets)的對象和CAD模型(【原文】Model Targets Supported Objects & CAD Model Best Practices)。您可能需要編輯一個或多個Guide Views的Target Recognition Range以消除視覺重疊，或刪除不需要的Guide Views。
-
模型或Guide View沒有足夠的特徵或邊緣，無法可靠地進行穩健的識別追蹤。
-
對於360°全方位識別的Advanced Model Targets，旋轉對稱的目標對象會導致訓練失敗。
如果您遇到其他問題，或是有任何其他疑問，可以在Model Target Generator中點擊“發送反饋(Send Feedback)”按鈕，通過電子郵件請求支持。
六、使用Advanced Model Target數據庫
Model Target Generator會將受訓數據庫以.unitypackage文件和.dat/.xml文件對(file pairs)保存到您的硬盤(hard drive)中。
請參見Unity模型目標簡介(Introduction to Model Targets in Unity)中的分步指南，以瞭解如何將Unity包導入Unity項目以及如何配置ModelTarget GameObject。
如果要構建原生應用程序(native app)，請將.dat/.xml文件對加載到由ObjectTracker所創建的Dataset中。更多信息，請參閱模型目標API概述(Model Targets API Overview)和模型目標原生工作流(Model Targets Native Workflow)。
七、利用測試應用測試
若想使用Android Model Target Test App測試高級數據庫，只需將兩個數據庫文件下載到Android設備上測試應用程序的安裝目錄中，然後對新生成的Advanced Model Targets進行測試。設備上的目錄通常位於以下位置：
/sdcard/Android/data/com.vuforia.engine.ModelTargetsTest/files/ModelTargetData/YourDatabaseName/
將兩個數據庫文件複製到目錄後，就可以運行測試程序了。雙擊屏幕，找到測試用Advanced Model Target Database，然後會出現一個菜單，再從列表裏選擇數據庫。識別追蹤開始運行後，目標物體將被勾勒(outlined)出來。
八、瞭解更多
- Vuforia：模型目標概述
【原文】Model Targets Overview - 【Vuforia】最佳實踐：支持作爲模型目標(Model Targets)的對象和CAD模型
【原文】Model Targets Supported Objects & CAD Model Best Practices - Vuforia：模型目標的指引視圖
【原文】Model Target Guide Views - Vuforia：模型目標API概述
【原文】Model Targets API Overview - 本文鏈接