Inertial sensor fusion for 3D camera tracking
3B kamera takibi için eylemsizlik algılayıcılarının birleştirilmesi
- Tez No: 341170
- Danışmanlar: DOÇ. DR. ÇİĞDEM EROĞLU ERDEM, PROF. DR. ARİF TANJU ERDEM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 168
Özet
Robotların ve eklenmiş gerçeklik uygulamalarının tıp eğitimi, robotların uzaktan kullanımı, eğlence ve kültürel miras gibi kullanım alanlarının artması ile birlikte, 3B (3 boyutlu) takip sistemlerinin Bilgisayarlı Görü alanında önemi biraz daha artmaktadır. Eklenmiş gerçeklik uygulamalarında gerçeklik hissinin yüksek olması için canlandırma sırasında kullanılan sanal karakterlerin mekan içerisinde doğru bir şekilde hizalanması çok önemlidir. Bunun için 3B takip sisteminin doğruluğu artırılmalıdır. Sadece video verisi kullanan 3B takip sistemleri hızlı hareketin olduğu durumlarda görüntü çok değişken olacağından, yeterince iyi izleme sonuçları vermeyebilirler. Eylemsizlik algılayıcıları ise hızlı hareket olan durumlarda iyi izleme yapabilirler, ancak az hareketin olduğu durumlarda ise ölçüm hatalarının birikmesi nedeniyle iyi çalışmayabilirler. Bu sebeple, hareket takibinin doğruluğunu artırmak için bu tezde eylemsizlik algılayıcılarının verilerinden de yararlanılacaktır. Aynı zamanda bu takip sistemi için mekana herhangi bir cihaz veya işaret yerleştirmeye gerek duyulmamaktadır. 3B hareket takibi video kameralar ve eylemsizlik algılayıcıları kullanılarak yapılmıştır. Hareket takibinin yapılacağı mekanın 3B bilgisi önceden çıkarılmıştır. Kamera verilen gelen verilerle eylemsizlik algılayıcılarından gelen veriler bir döngüsel Bayes kestirimi çerçevesinde birleştirilmiştir. Ayrıca, bu tezde 3B hareket takibi için hareketten yapı çıkarma yöntemi ile döngüsel Bayes süzgeçleme yöntemini birleştiren karma bir süzgeçte geliştirilmiştir. Eylemsizlik algılayıcılarıın sapma modelleri de hareket takibi sırasında göz önüne alınmıştır. Döngüsel Bayes süzgeç ile karma süzgeçin performanslarının karşılaştırılmasının yanında eylemsizlik algılayıcılarından gelen verilerin Bayes veya karma süzgeçte ölçüm yerine kontrol girdisi olrak kullanılmasının takip performansını nasıl etkilediği gözlenmiştir. Simülasyonlar sonuçlarına bakarak eylemsizlik algılayıcılarının 3B hareket takibinde kullanılması daha doğru sonuçlar bulmasını sağlamış, eylemsizlik algıyacılarından gelen verilerin ölçüm veya kontrol girdisi olarak kullanılması performansı neredeyse hiç etkilememesine rağmen süzgeç kullanımdaki karmaşıklığı azaltarak maliyeti düşürdüğü gözlemlenmiştir. Bununla birlikte döngüsel Bayes süzgeç kullanmak karma süzgeç kullanmaya göre her zaman daha iyi sonuçlar verdiği gözlemlenmiştir.
Özet (Çeviri)
3D motion tracking becomes more important in computer vision with increase of robotics and augmented reality's (AR) applicable areas such as medical education, remote robot control, entertainment and cultural heritage. In order to achieve a realistic feeling of immersion, the rendering of the virtual content has to be in alignment with real objects in the video and this requires a high-accuracy 3D tracking. The methods using only camera measurements generally perform well at slow camera motion; however they become less accurate at high velocities and accelerations due to motion blur. Inertial sensors on the other hand measure the derivatives of the camera pose and hence can be employed to improve the tracking performance at high velocities and accelerations, but cannot perform well at slow motion because of the error drift. Therefore, we present a high-accuracy 3D camera tracking method using inertial sensors but not require placing any devices or points on the scene. 3D information of scene where 3D motion tracking is done is previously known. The method consists of an Extended Kalman filter (EKF) that fuses the information from visual and inertial sensors. A hybrid filter combining the Bayesian filter and the direct linear transformation (DLT) is also used instead of EKF. The biases of the inertial sensors are also considered during the motion. In addition to performance comparison of these two filter, the performance of using both or one of accelerometer and gyroscope measurements as control input is compared to using both or one of accelerometer and gyroscope measurements as measurement. It is concluded via simulations that using inertial sensors in 3D camera tracking gives more accurate results and using inertial sensors as measurement or control input does not affect the performance of 3D camera tracking, while providing a lower complexity tracker. Also, EKF always performs better than the hybrid filter in simulations.
Benzer Tezler
- Madgwick IMU algoritması kullanılarak, ataletsel ölçü birimi ile oryantasyon analizi
Orientation analysis with inertial measurement unit by using Madgwick IMU algorithm
MEHMET FATİH ÇAKMAK
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
- İnsan hareketi izleme teknolojilerinin karşılaştırmalı değerlendirmesi
Comparative assessment of human motion monitoring technologies
CEMAL FATİH KUYUCU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Visual-inertial sensor fusion for 3D urban modeling
Görsel-ataletsel duyaç tümleştirme kullanılarak şehirlerde 3B modelleme
SALİM SIRTKAYA
Doktora
İngilizce
2013
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH AYDIN ALATAN
- Comparison and validation of two gait analysis systems including video-based and IMU sensors
Video tabanlı ve IMU sensörlerini içeren iki yürüyüş analiz sisteminin karşılaştırılması ve doğrulanması
SANAZ MAGHSOUDI
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF. DR. FUAT BİLGİLİ
- Modelling, simulation and testing of artificial neural network augmented kalman filter for ins/gps and magnetometer integration
Yapay sinir ağları ile genişletilmiş kalman filtresinin bütünleştirilmiş ans/kks ve manyetometre ile modellenmesi, simülasyonu ve test edilmesi
DOĞAN YILDIZ
Yüksek Lisans
İngilizce
2016
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN İLHAN KONUKSEVEN
DR. VOLKAN NALBANTOĞLU