Escolar Documentos
Profissional Documentos
Cultura Documentos
17/06/2009
Roteiro
Motivao O que Realidade Aumentada(RA) O que RA sem Marcador Qual a diferena entre RA com marcador e sem marcador Tcnicas de RA sem Marcador Concluso Tendncias da rea Referncias
Motivao
Perspectivas de aplicao nas mais diversas reas, tais como construo civil, aviao e engenharias. As tcnicas de MAR tm sido muito estudadas e discutidas tanto pela academia quanto pela indstria
Realidade Aumentada definida usualmente como a sobreposio de objetos virtuais tridimensionais, gerados por computador, com um ambiente real, por meio de algum dispositivo tecnolgico. RA est inserida no contexto de realidade misturada
Componentes formadores de RA
A abordagem baseada em marcadores usa marcadores sintticos tradicionais que precisam ser posicionados no mundo real a ser rastreado pelo sistema de forma a calcular sua posio e orientao. Na realidade aumentada sem marcadores qualquer parte do mundo real pode ser usada como um marcador que ser rastreado para posicionar os objetos virtuais.
Tcnicas de MAR
Baseada em Modelos
necessria a aquisio de conhecimento prvio acerca do mundo real. Este conhecimento guardado em um modelo 3D, geralmente um modelo CAD, posteriormente usado para estimar a pose da cmera . Classifica-se em 3 categorias:
Baseado
Duas classificaes possveis dependentes da forma como as caractersticas das arestas so utilizadas para o rastreamento:
Baseada
Tem como caracterstica utilizar a correspondncia entre as arestas como um todo para realizar o rastreamento da cmera. Correspondncia se d entre as arestas extradas na cena real e as arestas projetadas do modelo 3D utilizando-se a pose prevista para a cena
Tm como caracterstica fundamental a seleo de pontos de controle 3D ao longo das arestas do objeto rastreado. A partir destes pontos feito um relacionamento dos mesmos com os pontos 2D extrados das arestas a cada quadro da cena de forma a recuperar as informaes de cmera
Leva em considerao informaes de textura presentes nas imagens para realizar o tracking Pode ser subdividido em:
Template
Template Matching
Baseada em informaes globais A fora dessa tcnica est em conseguir tratar padres complexos que seriam difceis de tratar com caractersticas locais Apresenta problemas com variaes de iluminao, ocluso e movimentos rpidos de cmera
Template Matching
Tambm chamada de sum-of-square-difference (SSD), pois tenta diminuir a diferena entre a regio da imagem e o template referenciado Procura parmetros que aproximem o template da Imagem de entrada
Template Matching
Baseia-se em caractersticas locais, evitando assim problemas de ocluso e variao de iluminao Possui bom desempenho computacional
necessrio um pr-processamento para gerar informaes que evitam problemas de drift. Essas informaes aparecem como um keyframe. Keyframe:
Guarda
os pontos 2D extrados da posio conhecida da cmera Poucos so necessrios para iniciar o tracking
Aps todos os keyframes serem gerados preciso descobrir a primeira posio da cmera Depois disso usando a distncia da Mahalanobis encontrado o keyframe que mais se aproxima do frame atual
Uma imagem sinttica criada com posio prxima ao frame usando homografia na imagem do keyframe mais prximo a imagem
Caractersticas relevantes so comparadas entre o frame atual e a imagem intermediria gerada Baseado nos resultados de compatibilidade a posio cmera pode ser estimada
No necessitam de uma estimativa de posio inicial So invariantes a mudanas de escala e de iluminao So mais lentos do que os mtodos recursivos, por isso necessitam de muito pr-processamento
Usa informaes das bordas dos objetos para detect-los em uma sequncia real de imagens Essa tcnica mais robusta que as baseadas em textura, pois no afetada por mudanas na iluminao dos objetos
View Based
uma tcnica do tipo Edge Based Funciona bem para objetos no planos Tenta encontrar nos modelos de bordas prprocessados aquele mais compatvel com as bordas do frame atual
No pr-processamento cada face do modelo pintada com uma cor de acordo com o vetor normal a face. Cada cor representa uma coordenada (X,Y,Z), com isso obtm-se a amplitude da aresta
Na cena modelada so retiradas vrias imagens de forma hierrquica de vrias posies diferentes O espao de vises modificado por 3 parmetros:
Longitude
Latitude Distncia
Quando o pr-processamento encerrado, o frame atual capturado pela cmera comparado de maneira hierrquica com os modelos armazenados, para encontrar aquele que mais se aproxima da imagem de entrada
View Based
O prximo frame da cmera comparado somente com os vizinhos do modelo anterior, a busca pode crescer se no houver uma compatibilidade satisfatria
O mtodo se mostra bastante eficaz, deve-se ter cuidado porm com o universo de poses escolhido, pois o tempo computacional pode se tornar um problema
Tcnicas de tracking por deteco, baseadas em textura Podem ser pouco eficientes se os objetos rastreados tiverem um poder de reflexo grande
Keypoint Based
Tcnica do tipo Texture Based Utiliza algoritmos de comparao e extrao de pontos chave Pontos Chave:
So
No pr-processamento inicialmente so extrados keyframes, e todas a posies do modelo da cena devem ser cobertas e suas relaes com a cmera guardadas Para cada keyframe, os keypoints so extrados e guardados em um kd-tree que os guarda baseado em suas descries
Na fase de tracking os keypoints so extraidos das imagens de entrada da cmera da mesma maneira que no pr-processamento Depois de extrados os keypoints, procurado na base pr-processada aquele keyframe mais compatvel com o frame atual
Se o nmero de keypoints compatveis atingir o valor mnimo, a posio pode ser estimada. Seno, o frame sofre uma falha no tracking
SfM/SLAM Based
Estimam o deslocamento da cmera e geometria da cena sem conhecimento a priori Conhecimento adquirido durante rastreamento
No dependem da visibilidade do objeto modelado
Foco na reconstruo de questes locais Capaz de reconstruir a estrutura de uma cena em tempo real
Diferentes
Tcnica tradicional de SfM Produz bons resultados em relao a malha final gerada Mais informaes sobre a cena
Possibilita melhorias nos sistemas de MAR Ocluso de objetos virtuais por objetos reais Interao fsica entre esses objetos
VXL OpenCV
Modificaes no pipeline
Simplificao de algumas fases Utilizao de outros algoritmo Implementao de Nistr's (Preemptive RANSAC)
Utilizado na Robtica para construir uma representao on the fly do ambiente e estimar o movimento dos robs Foco na preciso da localizao
Revisitar cenas anteriores sem recuperar sua estrutura Unir as reconstrues locais para produzir uma representao global
Utiliza mtodos modernos de inferncia Bayesiana sequencial e alguns sensores como sonar e cmeras
MonoSLAM
Cmera de grande abertura angular e movimento livre como nico sensor e com restries de tempo real
Estima a posio da cmera Cria um mapa esparso de pontos de referncia naturais do ambiente
MonoSLAM
Vantagens
Eficiente Baixo jitter Lida com extreme rotations, ocluso e closed loop
Desvantagens