Secara akurat mengukur jarak relatif antara satu set fidusia (Aplikasi augmented reality)


9

Katakanlah saya memiliki satu set 5 spidol. Saya mencoba untuk menemukan jarak relatif antara masing-masing penanda menggunakan kerangka kerja augmented reality seperti ARToolkit . Dalam feed kamera saya, kamu 20 frame pertama menunjukkan saya 2 penanda pertama hanya sehingga saya bisa bekerja di luar transformasi antara 2 penanda. 20 frame kedua hanya menunjukkan spidol ke-2 dan ke-3 dan seterusnya. 20 frame terakhir menunjukkan kepada saya penanda ke-5 dan ke-1. Saya ingin membangun peta 3D dari posisi penanda semua 5 penanda.

Pertanyaan saya adalah, mengetahui bahwa akan ada ketidakakuratan dengan jarak karena kualitas umpan video yang rendah, bagaimana cara meminimalkan ketidakakuratan mengingat semua informasi yang saya kumpulkan?

Pendekatan naif saya akan menggunakan penanda pertama sebagai titik dasar, dari 20 frame pertama mengambil rata-rata dari transformasi dan menempatkan penanda ke-2 dan seterusnya untuk ke-3 dan ke-4. Untuk penanda ke-5 letakkan di antara tanggal 4 dan 1 dengan menempatkannya di tengah rata-rata transformasi antara tanggal 5 dan 1 dan ke 4 dan ke 5. Pendekatan ini saya rasa memiliki bias terhadap penempatan penanda pertama dan tidak memperhitungkan kamera yang melihat lebih dari 2 penanda per bingkai.

Pada akhirnya saya ingin sistem saya dapat bekerja di luar peta x jumlah penanda. Dalam bingkai apa pun yang diberikan hingga penanda x dapat muncul dan ada kesalahan non-sistemik karena kualitas gambar.

Setiap bantuan mengenai pendekatan yang benar untuk masalah ini akan sangat dihargai.


1. Apakah geometri / susunan marker diketahui? 2. Apakah Anda dapat memperkirakan matriks fundamental kamera melalui pengaturan kalibrasi?
nav

Jawaban:


1

Anda dapat menggunakan struktur dari algoritme gerakan untuk memperkirakan pose kamera dari lingkungan, bukan dari marker dan kemudian menggabungkan pose kamera ini dengan pose marker untuk mendeteksi lokasi marker secara akurat. Mengetahui pose ekstrinsik kamera Anda (dengan SFM), Anda dapat melakukan triangulasi semua posisi 3D.

Untuk estimasi pose, metode 5-point biasanya lebih akurat daripada algoritma 8-point.

Agaknya, Anda harus melakukan penyesuaian bundel lebih lanjut sehingga akurasi keseluruhan meningkat.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.