Welfenlab - Leibniz 
                        Universitšt Hannover Welfenlab Leibniz Universitšt Hannover

A Generalized Architecture for Hybrid Tracking Including Inertial Sensor Technology

Daniela Lauer, Leibniz Universität Hannover, masters thesis
07/2008

Tracking, als eines der wichtigsten Bestandteile der Realisierung von Augmented-Reality-Anwendungen, sorgt f√ľr die ortsspezifische Verkn√ľpfung der Realit√§t und der virtuellen Darstellung. Die anwendungsabh√§ngigen Anforderungen an das Tracking k√∂nnen meist nicht durch bereits vorhandene Systeme oder Prototypen abgedeckt werden. Um positive Eigenschaften zu kombinieren und M√§ngel auszugleichen empfiehlt sich der Einsatz eines hybriden Trackingsystems, also die Fusion von Sensordaten. Um diese auf einfachem Wege zu erm√∂glichen werden im Rahmen dieser Arbeit Konzepte f√ľr flexible und sensorunabh√§ngige Datenfusion aus anderen Fachgebieten auf die Anforderungen von Augmented-Reality-Anwendungen √ľbertragen, um eine von der mathematischen Methode unabh√§ngige Architektur und eine Kalman-Filter-Fusionsanwendung f√ľr 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 Sensorvariabilität 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. Au√üerdem werden die verschiedenen Systemmodelle f√ľr die Kalman-Filterung erl√§utert, anhand derer eine anwendungsabh√§ngige Konfiguration der Datenfusion m√∂glich ist.

Die vorgelegte Arbeit enth√§lt au√üerdem eine umfangreiche theoretische Betrachtung der Kalman-Filterung, insbesondere auch eine Einf√ľhrung in die verschiedenen M√∂glichkeiten der Sensordatenfusion mit dem Filter. Weiterhin werden andere mathematische Verfahren zur Fusion von Daten f√ľr das Single-Target-Tracking vorgestellt.

F√ľr eine zuk√ľnftige Erweiterung der Implementation er√∂ffnet das vorgeschlagene Konzept eine Vielzahl zus√§tzlicher Umsetzungsm√∂glichkeiten. Die vorgestellte Architektur bietet eine gute Grundlage f√ľr die Umsetzung beliebiger Sensordatenfusionssysteme im Augmented-Reality-Bereich. Die implementierte Kalman-Filter-Fusions-Anwendung erm√∂glicht eine Verbesserung von Trackingverfahren durch Sensordatenfusion und kann als Basis f√ľr zahlreiche Erweiterungen im Hinblick auf die unterschiedlichsten Anwendungen dienen.

Kontakt: Dennis Allerkamp

Top | Last Change 26.04.2009 | Editorial Responsibility 
| Imprint | © FG Graphische Datenverarbeitung