研究文章| f . Ababsa Zendjebil, J.-Y。迪迪埃,m . Mallem智能定位使用新的传感器协会户外增强现实系统的框架
f . Ababsa,<年代up>1年代up> 即Zendjebil
1年代up>Laboratoire IBISC EA 4526年,大学d 'Evry-Val-d 'Essonne, 40 Pelvoux街,91020埃夫里市,法国年代p一个n>
文摘
增强现实(AR)旨在加强我们的现实世界中,通过添加虚拟元素没有明显的自然如:计算机生成图像、虚拟对象,文字,符号,图形,声音,气味。真实/虚拟注册的质量主要取决于3 d相机姿态估计的准确性。在本文中,我们提出了一个户外原始实时定位系统基于“增大化现实”技术相结合三种异构传感器:相机、GPS和惯性传感器。该系统分为两个模块:主模块是基于视觉的;它估计用户的位置使用markerless跟踪方法。视觉跟踪失败时,系统自动切换到辅助定位模块组成的GPS和惯性传感器。
1。介绍
结合多种传感器的想法不是最近的。第一个多传感器系统的出现与机器人应用程序,例如,在[<一个href="#B1">1一个>]Vieville等人提出把相机与一个惯性传感器自动纠正自主移动机器人的路径。这个想法已经利用这最后一年的社区混合现实。几个工作提出融合视觉和惯性传感器的数据,使用卡尔曼滤波器(<一个href="#B2">2一个>- - - - - -<一个href="#B6">6一个>)或一个特定的过滤器(<一个href="#B7">7一个>,<一个href="#B8">8一个>]。策略包括在合并后所有数据从传感器定位相机预测/修正模型。惯性传感器提供的数据(陀螺仪、磁力计等)通常是用来预测的3 d运动相机然后使用应用技术调整和完善。卡尔曼滤波器通常执行数据融合实现。卡尔曼滤波是一种递归滤波器估计线性动态系统的状态从一系列的噪声测量。递归估计意味着只有以前的时间步的估计状态和当前测量需要计算当前状态的估计。所以,没有历史的观察和/或估计是必需的。
在[<一个href="#B2">2一个>]你等人开发了一个混合传感器结合视觉系统有三个陀螺仪来估计在室外环境中相机的方向。他们的视觉跟踪允许精炼获得的估计。Ababsa[描述的系统<一个href="#B5">5一个>结合一个edge-based跟踪与惯性测量(线性加速度、角速度,磁场)。视觉跟踪是用来精确的3 d定位而惯性传感器补偿错误由于突然的运动和闭塞。重力和磁场的测量是用来限制漂移问题。陀螺仪采用自动重置跟踪过程。两个传感器提供的数据结合使用一个恒定的速度模型扩展的卡尔曼滤波器。最近[<一个href="#B9">9一个>),同一作者提出用GPS位置初始化时视觉跟踪失败。因此,初始化的视觉跟踪是通过定义一个搜索区域由一个椭圆以GPS的位置。
最近,Bleser和斯特里克(<一个href="#B6">6一个>]提出结合texture-based追踪惯性传感器。相机姿势预计从加速器提供的数据使用一个扩展卡尔曼滤波器(EKF)。为了估计姿势,EKF保险丝2 d / 3 d对应获得的图像分析和惯性传感器的惯性测量获得。CAD模型的渲染(变形补丁)是用预测的姿势。这允许调整迭代变形补丁在当前图像二维运动估计和更新的估计滤波器。自然特征点跟踪KLT(金卢卡斯预)追踪。运动模型假定恒定加速度和恒定的角速度。这种方法需要离线准备生成变形环境的CAD模型。胡锦涛et al。(<一个href="#B10">10一个>]提出结合摄像头,GPS和惯性陀螺仪传感器。融合方法是基于PPM(参数化模型匹配算法)。道路形状模型来源于数字地图与GPS的位置,并与道路特征提取匹配真实图像。融合是基于预估控制理论。检查数据完整性后,GPS数据将开始一个新的循环和重置陀螺的综合。陀螺的预测将被反馈到陀螺集成模块动态校正因子。当图像特征跟踪失败时,陀螺的预测数据是用于相机姿态估计。Ababsa和Mallem<一个href="#B8">8一个>)提出了粒子滤波而不是卡尔曼滤波器。粒子滤波器(PF),也被称为蒙特卡罗方法的顺序的,复杂的技术评估模型是基于模拟。PFs通常用于估计贝叶斯模型。他们代表的另一种选择扩展卡尔曼滤波器,其优势在于,他们方法最优贝叶斯估计使用足够的样本。Ababsa等人从fiducial-based合并数据方法和惯性数据(陀螺仪和加速度计)。他们的融合算法是基于粒子滤波和采样重要性重采样(先生)。两个传感器有不同的采样频率,作者实现了两种互补的过滤器。因此,如果没有数据视觉(例如,阻塞),系统只使用惯性传感器的数据,反之亦然。Aron et al。<一个href="#B11">11一个>]利用惯性传感器估计摄像机的方向只有当视觉跟踪失败。方向允许跟踪视觉元素通过定义一个搜索区域的图像进行特征匹配。从这组单应性估计估计摄像机构成匹配特性。惯性传感器的误差考虑优化的搜索区域。与阿伦等人提出的方法。<一个href="#B11">11一个>)只有估计摄像机方向,麦迪et al。<一个href="#B12">12一个>)使用了一个惯性传感器估计位置和方向。多通道系统允许跟踪基准和处理遮挡通过结合几个传感器和技术环境中根据现有的条件。当目标被部分遮挡时,系统使用一个基于点跟踪。存在完全闭塞的基准点,惯性传感器有助于克服视觉失败。然而,从加速度的估计位置随时间漂移导致跟踪失败。结合传感器后,援助方案似乎更有趣的数据融合。的确,援助方法使得系统更加智能,它可以适应不同的情况,使用在每次只有可用的传感器提供的数据。
在本研究工作中,我们感兴趣的是开发一个原始定位系统结合三个异构传感器(相机、GPS和IMU)为了提高准确性和鲁棒性。我们的目标是进行三维定位的一个通用的解决方案,3 d可视化和交互适应几个户外环境。本文的其余部分组织如下:部分<一个href="#sec2">2一个>致力于我们的混合定位系统的概述。节<一个href="#sec3">3一个>的配方,我们给相机姿态估计问题在使用点的特性。部分<一个href="#sec3">3一个>和<一个href="#sec4">4一个>,将详细描述我们提出混合定位系统。部分<一个href="#sec5">5一个>提出了一些进行实验,结果在现实条件下在室外环境中。节中我们得出结论<一个href="#sec5">5一个>并提出未来的工作。
2。混合定位系统概述
我们的定位系统是可穿戴和组成的平板电脑,一个惯性测量单元(IMU),一个摄像头和一个GPS接收器(见图<一个href="//www.newsama.com/journals/jr/2012/634758/fig1/" target="_blank">1一个>)。乌兹别克斯坦伊斯兰运动严格耦合和相机用来估计摄像机旋转。我们使用了一个Xsens MTi传感器包含陀螺仪、加速度计和磁力计。MTi的优点是,它包含一个内部数字信号处理器运行实时传感器融合算法提供一个可靠的三维定位估计。MTi在100 Hz同步测量的数据。视觉上,我们选择了uEye ui - 2220 - re - c CCD相机与6毫米镜头非常紧凑,低成本,适合户外环境。彩色图像的分辨率为768×576像素的帧率25 Hz流使用一个USB 2.0连接电脑。特林布尔GPS探路者ProXT接收机安装在用户提供GPS测量。ProXT接收器集成了一个多路径拒绝技术提供一个分表准确性。它的更新速度大约是1 Hz。 The ProXT receiver uses a Bluetooth wireless connection, to communicate with the computer. The three sensors providing measurements to the system are synchronized in hardware and runs at different rates.
|
||||||||||||||||
这个表显示,实现半自动初始化匹配所需的计算时间非常快,使得这种方法特别有效的跟踪系统的初始化阶段。
此外,我们还测试了我们的自动初始化方法的性能。我们已经考虑几种不同观点下拍摄的图像。图<一个href="//www.newsama.com/journals/jr/2012/634758/fig9/" target="_blank">9一个>显示了一些结果。我们可以看到,所有的考虑情况下,参考点(采取的临街建筑)在当前帧匹配。在这个例子中,我们已经考虑共面分。
(一)参考图像年代trong>
(b) 1日的结果年代trong>
(c) 2的结果年代trong>
(d) 3日的结果年代trong>

(一)参考图像年代trong>

(b) 1日的结果年代trong>

(c) 2的结果年代trong>

(d) 3日的结果年代trong>