Zur Hauptnavigation wechseln Zur Suche wechseln Zum Hauptinhalt wechseln

The development of flexible camera setup for tabletop augmented reality application

  • Ary Setijadi Prihatmanto

Publikation: AbschlussarbeitenDissertation

Abstract

Es ist bisher noch immer sehr schwer, mittels Bildverarbeitung erweiterte Umgebungen zu tracken. Einerseits liegt der Grund darin, dass die Algorithmen zu wenig robust sind, andererseits aber auch in der nicht vorhandenen Skalierbarkeit. Das weit verbreitete mathematische Kameramodell bildet den Grundstein für die Kamerakalibrierung – allerdings mit vielen Einschränkungen. Dass dieses Modell nicht geeignet ist, liegt zum einen daran, dass die Auflösung, die Geschwindigkeit und die Genauigkeit nicht die gewünschte Performance liefern. Zum anderen aber auch darin, weil das Modell zu wenig flexibel gegenüber unterschiedlichen Linsensystemen oder unterschiedlichen Oberflächen ist. In dieser Arbeit wird auf das Design und die Umsetzung für ein effizientes Tracking Setup eingegangen, welches auf Bildverarbeitungsalgorithmen basiert. Eingangs wird ein Überblick in die Materie gegeben. Dabei wird vor allem auf die derzeitigen Probleme hingewiesen, die unmittelbar mit AR-Anwendungen (Augmented Reality-Anwendungen) in Verbindung stehen (z.B. Registrierungs- und Kalibrierungs-Problematik bei AR-basierten Tabletop-Anwendungen). Nach einem Überblick in die planaren Homographien, wird eine detaillierte Beschreibung der neuronalen Netze gegeben. Schließlich wird der auf neuronalen Netzen basierende Algorithmus vorgestellt. Neben einer detaillierten Darstellung des Algorithmus werden die Ergebnisse präsentiert. Diese Arbeit ist dabei durch die folgenden Punkten charakterisiert: (1) ein auf neuronalen Netzen basierender Algorithmus repräsentiert näherungsweise ein optimales Kameramodell. (2) Dabei entsteht eine einfach zu handhabende Kamerakalibrierung sowie (3) eine einfache Registrierung, welche in ein Framework integriert sind. Die dabei entstehenden Ergebnisse sind unabhängig von den Eigenschaften unterschiedlicher Kameras. Und schließlich ist der vorgestellte Ansatz nicht nur für ein Einfach-Kamerasystem konzipiert, sondern eignet sich auch für ein Mehr-Kamera-Setup.
OriginalspracheEnglisch
PublikationsstatusVeröffentlicht - Aug. 2006

UN SDGs

Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung

  1. SDG 9 – Industrie, Innovation und Infrastruktur
    SDG 9 – Industrie, Innovation und Infrastruktur
  2. SDG 16 – Frieden, Gerechtigkeit und starke Institutionen
    SDG 16 – Frieden, Gerechtigkeit und starke Institutionen

Wissenschaftszweige

  • 102001 Artificial Intelligence
  • 102006 Computer Supported Cooperative Work (CSCW)
  • 102010 Datenbanksysteme
  • 102014 Informationsdesign
  • 102015 Informationssysteme
  • 102016 IT-Sicherheit
  • 102028 Knowledge Engineering
  • 102019 Machine Learning
  • 102022 Softwareentwicklung
  • 102025 Verteilte Systeme
  • 502007 E-Commerce
  • 505002 Datenschutz
  • 506002 E-Government
  • 509018 Wissensmanagement
  • 202007 Computer Integrated Manufacturing (CIM)
  • 102033 Data Mining
  • 102035 Data Science

Dieses zitieren