Welfenlab - Leibniz 
                        Universität Hannover Welfenlab Leibniz Universität Hannover

A Generalized Architecture for Hybrid Tracking Including Inertial Sensor Technology

Daniela Lauer, Leibniz Universität Hannover, masters thesis
10/2008

Tracking, als eines der wichtigsten Bestandteile der Realisierung von Augmented-Reality-Anwendungen, sorgt fĂŒr die ortsspezifische VerknĂŒpfung der RealitĂ€t und der virtuellen Darstellung. Die anwendungsabhĂ€ngigen Anforderungen an das Tracking können meist nicht durch bereits vorhandene Systeme oder Prototypen abgedeckt werden. Um positive Eigenschaften zu kombinieren und MĂ€ngel auszugleichen empfiehlt sich der Einsatz eines hybriden Trackingsystems, also die Fusion von Sensordaten. Um diese auf einfachem Wege zu ermöglichen werden im Rahmen dieser Arbeit Konzepte fĂŒr flexible und sensorunabhĂ€ngige Datenfusion aus anderen Fachgebieten auf die Anforderungen von Augmented-Reality-Anwendungen ĂŒbertragen, um eine von der mathematischen Methode unabhĂ€ngige Architektur und eine Kalman-Filter-Fusionsanwendung fĂŒr den Augmented-Reality-Kontext zu gewinnen.

In die Struktur der vorgestellten Schnittstelle fließen außerdem Konzepte aus der Theorie der Datenfusion und verallgemeinerter Software im Tracking-Bereich ein. Zur Realisierung von SensorvariabilitĂ€t und einer schnellen Einbindung in Augmented-Reality-Anwendungen wurde eine Integration der Architektur in die Software OpenTracker bereits konzeptionell vorgesehen und im Rahmen der Kalman-Filter-Implementierung umgesetzt.

Die vorgestellte Software ermöglicht die Fusion von Positions-, Geschwindigkeits- beziehungweise Beschleunigungsdaten im Rahmen verschiedener Kalman-Filter-Architekturen als Knoten. Dieser kann flexibel in den OpenTracker-Flussgraphen eingebunden und so zu beliebigen Fusionsnetzwerken zusammengesetzt werden. Die Konfiguration erfolgt anhand einer XML-Spezifikation, die auch die Integration eigener Anwendungen und die Möglichkeit des verteilten Trackings einbezieht.

Anhand synthetischer Daten wird die Verbesserung durch die Fusion der Messdaten verschiedener Quellen mit der Umsetzung demonstriert und der Erfolg des Einsatzes von Inertialsensoren in Kombination mit markerbasierten beziehungsweise markerlosem Tracking gezeigt. Außerdem werden die verschiedenen Systemmodelle fĂŒr die Kalman-Filterung erlĂ€utert, anhand derer eine anwendungsabhĂ€ngige Konfiguration der Datenfusion möglich ist.

Die vorgelegte Arbeit enthĂ€lt außerdem eine umfangreiche theoretische Betrachtung der Kalman-Filterung, insbesondere auch eine EinfĂŒhrung in die verschiedenen Möglichkeiten der Sensordatenfusion mit dem Filter. Weiterhin werden andere mathematische Verfahren zur Fusion von Daten fĂŒr das Single-Target-Tracking vorgestellt.

FĂŒr eine zukĂŒnftige Erweiterung der Implementation eröffnet das vorgeschlagene Konzept eine Vielzahl zusĂ€tzlicher Umsetzungsmöglichkeiten. Die vorgestellte Architektur bietet eine gute Grundlage fĂŒr die Umsetzung beliebiger Sensordatenfusionssysteme im Augmented-Reality-Bereich. Die implementierte Kalman-Filter-Fusions-Anwendung ermöglicht eine Verbesserung von Trackingverfahren durch Sensordatenfusion und kann als Basis fĂŒr zahlreiche Erweiterungen im Hinblick auf die unterschiedlichsten Anwendungen dienen.

Contact: Dennis Allerkamp

Top | Last Change 17.08.2011 | Editorial Responsibility 
| Imprint | © FG Graphische Datenverarbeitung