Svolta tecnologica: il Kinect

Tesi di esame di Edoardo Luca Roccaforte 5° ALE

il futuro è nelle nostre mani...

Introduzione

Il Kinect è un sensore di movimento ideato inizialmente per la console Microsoft Xbox 360 con lo

nasce dall’unione

scopo di aprire il mondo ad una nuova generazione di videogame. Il termine Kinect

di due termini dal significato vario: cinetico (energico, attivo, dinamico) insieme al termine connect,

che significa connettere, e con questi due termini si vuole simboleggiare la connessione che si vuole

sempre più creare tra uomo e macchina.

La caratteristica innovativa di questi sensore è quella di essere in grado di registrare i movimenti del

corpo umano nelle 3 differenti dimensioni spaziali ed elaborarli in tempo reale, quindi a seconda di

come noi ci muoveremo nello spazio il sensore trasformerà i nostri movimenti in dati, per una possibilità

di applicazioni praticamente infinite. Oltre ai movimenti il dispositivo è compreso di un sistema di

riconoscimento vocale studiato ad hoc per facilitare ulteriormente l'interfacciamento dell'utente,

isolando letteralmente voce rispetto ai rumori di fondo in una stanza anche se piena di persone.

2

Tesi di esame di Edoardo Luca Roccaforte 5° ALE

Come Funziona

Kinect è dotato di una telecamera RGB, un doppio sensore di profondità a raggi infrarossi composto da

un proiettore a infrarossi e da una telecamera sensibile alla stessa banda.

Dispone in oltre anche di un array ( connessi tra loro) di microfoni utilizzato dal sistema per la

calibrazione dell'ambiente in cui ci si trova, mediante l'analisi della riflessione del suono sulle pareti e

sulle diverse superfici di una stanza. In tal modo il rumore di fondo e i suoni vengono eliminati ed è

possibile riconoscere correttamente i comandi vocali. La barra del Kinect è motorizzata lungo l'asse

verticale e segue i movimenti degli utenti, orientandosi nella posizione migliore per il riconoscimento dei

movimenti.

Di fatto, la periferica permette all'utente di interagire senza l'uso di alcun controller o comando, ma solo

attraverso i movimenti del corpo, i comandi vocali o attraverso gli oggetti presenti nell'ambiente

Perché Cambierà Il Mondo

Kinect in se rappresenta uno dei più recenti esempi meglio riusciti dell'applicazione incrociata di

sensori, hardware e software con lo scopo di facilitare l'interfacciamento tra utente e macchina. Proprio

in questi ultimi anni il mondo dell'elettronica consumer sta spingendo sempre più nella ricerca della

migliore soluzione che permetta alle macchine di gestite nel modo più veloce, intelligente e efficace

possibile le necessita dell'uomo, e lo si può vedere chiaramente dal grande successo riscontrato dalle

tecnologie touch-screen, le quali hanno influenzato soprattutto la telefonia, ma riscontrano sempre più

successi anche tra monitor per PC e superfici multi-touch. Persino i software stanno cambiando

gradualmente rotta, adattando le proprie interfacce all'utilizzo di tecnologie touch-screen.

Proprio in questo senso Kinect ha trovato terreno fertile

introducendo una nuova strada ancora più flessibile e

promettente, quella dell'air-touch.

Per rendersi meglio conto del successo è bene sapere

che questo dispositivo, entrato nel mercato a partire dal 4

novembre 2010, a solo 27 giorni dal lancio, già

confermava un risultano di 8 milioni di unità vendute in

3

Tesi di esame di Edoardo Luca Roccaforte 5° ALE

tutto il mondo. Ciò oltre che iscrivere il Kinect nel Guinness World Record come il dispositivo di

elettronica consumer che ha venduto meglio nel minor tempo possibile, ha anche fatto notare come

una periferica con tali capacità può suscitare curiosità e interesse nella gente, soprattutto per la sua

possibilità di essere implementabile praticamente per qualunque cosa, mantenendo comunque costi

relativamente ridotti e una facilità di utilizzo senza precedenti.

In seguito verranno approfondite diverse caratteristiche di tale periferica per capire meglio il suo

effettivo funzionamento e le sue principali caratteristiche, basandomi per la maggior parte sulle

conoscenze acquisite durante il corso degli studi.

Un Cervello Che Vede, Sente E...Si Muove

Osservando Kinect nel particolare, esso è fondamentalmente una barra orizzontale di sensori collegati

ad una piccola base con un perno motore, il tutto progettato per essere posizionato longitudinalmente

sotto il display video di un PC o di un Televisore.

Gli occhi di Kinect sono composti da due telecamere (CMOS a colori 32-bit per 30 frame/sec

e CMOS IR a16-bit per 30 frame/sec) e un proiettore IR, ovvero una comune telecamera RGB con una

risoluzione di 640 × 480 pixel (4), un sensore di profondità a tecnologia infrarossi con una matrice di

320 × 240 pixel (3) e un proiettore di infrarossi con la stessa banda del sensore IR stesso (2).

Apparentemente non è facile immaginare come i tre obbiettivi possano lavorare insieme e allo stesso

tempo in maniera diversa, ma in effetti lo scopo del sistema è quello di avere una precisa idea di ciò

che sta accendendo di fronte al dispositivo in

tutte e tre le dimensioni spaziali.

Lo scopo del Kinect è quindi principalmente

quello di emulare nel modo più efficace

possibile la percezione della profondità di un

occhio umano, utilizzando però un metodo

del tutto innovativo e decisamente

interessante.

4

Tesi di esame di Edoardo Luca Roccaforte 5° ALE

La prima telecamera infatti si occupa semplicemente di gestire colori e immagini come fosse una

normale obbiettivo di una fotocamera, quella ad infrarossi invece lavora insieme al proiettore, il quale

ha la sola funzione di proiettare nello spazio un reticolo di punti in banda infrarossa, con i quali in base

alla propria lontananza dall'obbiettivo stesso sembrano rispettivamente più grandi, se il soggetto è

vicino, o più piccoli se invece il soggetto è più lontano.

Questa soluzione apparentemente elementare è per ora tra le più precise e affidabili nel campo della

scansione 3D, in quanto secondo le relazioni tecniche rilasciate direttamente da Microsoft si parla della

reale capacita del sistema di misurare oggetti con un'accuratezza di 1cm alla distanza di 2 metri.

Kinect in fine dispone di 4 microfoni (1) orientati verso il basso, di cui 3 sul lato destro ed un sul lato

sinistro, con una risoluzione di 16-bit per 16 kHz.

Il loro scopo è molto preciso: rilevare ed isolare in una stanza anche piena di persone e con eventuali

disturbi sonori, i comandi vocali di un unico utente. Il sistema audio lavora quindi in modo molto

complesso e per la prima volta in assoluto tramite una tecnica di incrociamento simultaneo

2 3

1 4 5

Tesi di esame di Edoardo Luca Roccaforte 5° ALE

con la telecamera a infrarossi, permettendo cosi alla periferica di eliminare totalmente i problemi di eco

e di sovrapposizione di suoni in un ambiente chiuso tramite una sofisticata tecnica di "beam forming" in

cui l'area di campionamento del suono viene ristretta al solo spazio dove è presente l'utente.

La forma allungata della periferica in oltre non è casuale come potrebbe sembrare, ma dipende invece

dalla forzosa necessità avuta dal gruppo di sviluppo audio della periferica di ottenere una precisa

angolatura incrociata dei microfoni ( tre da una parte e uno dall'altra), senza aver trovato tuttavia

precise spiegazioni neppure sui dati di sviluppo della periferica, su come effettivamente ciò possa

influire in modo particolare sulla ricezione del suono.

Tuttavia non è un caso il fatto che il gruppo di sviluppo Microsoft Game Studio sembra stesse

lavorando da quasi 16 anni allo sviluppo e al perfezionamento di questo complesso sistema

audio,lasciando in effetti credere che effettivamente dietro al prodotto finito, di studi e perfezionamenti

ce ne siano stati non pochi. 6

Tesi di esame di Edoardo Luca Roccaforte 5° ALE

Kinect, la tecnologia messa a nudo

Il sensore Kinect deve la sua tecnologia hardware principalmente ad un gruppo di sviluppo israeliano

specializzato in sensori 3D chiamato PrimeSense, il quale si è fatto fin da subito notare per il suo

prodotto 3DV System , in quanto in confronto alle altre periferiche di riconoscimento dei movimenti era

l'unica a poter percepire persino la profondità.

Perciò grazie ad un contratto di circa 35 milioni di dollari la Microsoft si è aggiudicata ogni diritto sul

prodotto garantendo comunque i fondi necessari al completamento della periferica, il cui nome pensato

all'inizio per il suo lancio era Project Natal, in seguito rinominato Kinect per motivi di mercato.

7

Tesi di esame di Edoardo Luca Roccaforte 5° ALE

Prime Sense PS1080-A2, una mente programmata

Il sensore 3D in questione sviluppato da PrimeSense e integrato nel Kinect, ha il compito di gestire

qualunque tipo di informazione provenga dai sensori per

commutarla prima ed inviarla poi alla macchina o viceversa.

Il PrimeSensor è costruito principalmente attorno ad un chip

(SoC) PS1080, detto a "commutazione parallela", con il

compito di processare gli algoritmi inviati dai diversi sensori, il

cui calcolo e l'elaborazione dei dati è basata su una recente

tecnologia di invio e ricezione di informazioni all'interno di un sistema hardware tramite impulsi laser.

Per "commutazione parallela" si intende il fatto che fisicamente i dati vengono processati

contemporaneamente in quanto vengono separati e inviati a 2 o più unita centrali di calcolo (Come la

CPU Multi-Core di un Computer o quella Triple-Core della console Microsoft), velocizzando cosi

estremamente i tempi di lettura ed invio dei dati dei vari sensori, in questo caso immagini con

coordinate di profondità, colori e audio, direttamente all'Host. Il sistema comunica tramite una porta

USB 2.0, utilizzata per l'invio e la ricezione di tutti i dati tra Kinect e Host.

Il PS1080 è studiato tuttavia per elaborare direttamente tutti gli algoritmi ricevuti direttamente dai

sensori tramite codifiche di tipo PCM, cosi da mantenere una qualità di codifica ottimale delle sorgenti

sia video che audio.

Questo tipo di codifica di segnale è specifica per la digitalizzazione di file audio e video mediante

diverse fasi: la sorgente inizialmente, indipendentemente da audio o video, subisce un

campionamento dell'ascissa del segnale a intervalli regolari, questa operazione viene chiamata

campionamento di un segnale, in quanto in questa fase la sorgente viene letteralmente tagliata in

piccole unita di valori, i quali verranno poi letti, per poter essere quantizzati in ordinata ed infine

digitalizzati (in genere codificati in forma binaria).

La quantizzazione è una fase importante nella codifica di un codice, in quanto coincide con la scelta

dell'importanza in termini di numeri di Bit da assegnare ad ogni singola unità di segnale. Nella PCM

comunque in genere la dimensione degli intervalli di decisione in cui si suddivide l'insieme dei possibili

8

Tesi di esame di Edoardo Luca Roccaforte 5° ALE

valori è sempre la medesima, ovvero ovunque cada (all'interno della dinamica) il valore quantizzato,

l'accuratezza dell'operazione sarà sempre la stessa.

L'ultima fase, quella della digitalizzazione, consiste invece nella trasformazione vera e propria delle

varie unità di cui era precedentemente composta la sorgente in un numero di Bit, cioè un insieme

preciso di cifre binarie, le quali possono assumere per ognuna soltanto due valori: "0" oppure "1".

La PCM è ampiamente utilizzata nei sistemi di telefonia o anche solo come metodo per facilitare le

trasmissioni digitali in forma seriale, in quanto permette a diversi campioni provenienti da diverse fonti

di essere inviati simultaneamente in un unica stringa di codice.

I vantaggi che favoriscono l’impiego della tecnica PCM in questo caso sono:

 L’elevata insensibilità della trasmissione alle interferenze e al rumore;

 La possibilità di elaborare i segnali trasmessi in forma digitale;

 La facilità con cui i segnali possono essere riformati o rigenerati lungo il canale di trasmissione;

 La possibilità di utilizzare un unico canale trasmissivo per trasferire campioni di segnali diversi.