经过两年的努力，我们准备向大家展示SketchAR开发过程中最关键的阶段之一。同时也是整个计算机视觉领域的一次突破。
你已经了解我们在计算机视觉（CV）领域开发的一些方法。这些方法能帮助虚拟物体固定在各种表面上，甚至是平面上。
最好的标记就是没有标记！由于CV领域信息匮乏，开发难度进一步加大。目前最成熟的CV开发成果集中在人脸识别领域，在文字、标志和物体识别方面也取得了一定进展，但在平面识别方面进展甚少。因此，我们只能一步一步地寻找这些基础性问题的解决方案。
Sketch AR-Anchors（SketchAR锚点技术）
SketchAR的无标记追踪方法（Tracking Method Without Markers）能够检测平面。而且即使在极端条件下也能保持稳定——比如摄像头放大后无法清晰看到周围环境、只能看到一片白色表面时。
它是如何运作的？
还记得电影《五十度灰》吗？就算没看过，光凭片名也能明白——我们实现了对“五十多种白色”的识别。智能手机的摄像头能够识别多种白色的色调。别忘了，当手一直在表面上移动遮挡时，任务会变得更加复杂。除此之外，我们还使用机器学习和神经网络来分析环境。我们将所有数据收集为锚点之间的连接与关系，然后分析虚拟物体相对于真实表面的位置。
看看下面的例子，纸上的“锚点”因为手在纸面上移动而丢失了定位点。
ARKit/ARCore的问题：当摄像头靠近平面时，虚拟图像会“飞走”。
我们的算法比ARKit或ARCore解决得更好，后两者在平面上的精度较低，虚拟物体容易偏离原本的位置。
你可以在示例中看到虚拟图像剧烈抖动的情况，这是因为摄像头看不到任何环境，只能看到白色的平面。每当虚拟物体被放置在平面前时都会发生偏移，这对任何从事增强现实开发的公司来说都是一个巨大的难题。
SketchAR的无标记追踪方法基于变换矩阵（结合机器学习和神经网络）。点与点之间的连接关系可以防止虚拟绘图发生偏移（虚拟草图不会显示在视频画面上）。此外，系统还会进行重新初始化，让网格中的点恢复到原始位置。当手离开画面或移动到另一个方格时，系统会重新识别其所在位置的目标像素。
SketchAR方法 vs. ARKit/ARCore
使用STMWM技术后，即使手遮挡表面超过60%，虚拟图像（青蛙）依然保持稳定。（此过程未使用ARKit/ARCore）。
我们已经解决了这个问题，技术的落地应用仍在持续推进中。在STMWM今年晚些时候能够独立完成全部工作之前，我们将继续沿用此前带标记的解决方案。
感谢大家，
SketchAR团队
