Použití Kalmanova filtru pro výpočet polohy mobilních zařízení v simulovaném vodním prostředí

Bc. Attila Zsíros

Bachelor's thesis

Using Kalman filters for pose estimation of mobile devices in simulated underwater environments

Abstract:

Práca sa zaoberá vplyvom vodného prostredia na presnosť určovania polohy mobilných zariadení. Vrámci projektu iMareCulture sa zameriava na využitie rozšírenej reality na v kultúrnom dedičstve pod vodou. V práci je najprv zvolený robotický systém na určovanie polohy, ktorý funguje na základe detekcie tlačených papierových markerov a údajov z inerciálnych senzorov a využíva metódy Kalmanovho filtrovania na skombinovanie týchto údajov. Tento systém je následne prispôsobený na prácu s dátami zo smartfónu a použitý pri simuláciách dvoch typov vodného prostredia: (1) zníženej viditeľnosti vylučovaním markerov na základe vzdialenosti, a (2) pridávaním šumu k výsledkom detekcií rohov markerov. Simulácie prebiehajú v laboratóriu vybavenom externým systémom na snímanie pohybu, ktorý predstavuje referenčnú polohu pri vyhodnocovaní výsledkov simulácii. Získané výsledky ukazujú, že presnosť určovania polohy sa výrazne nemení znižovaním počtu detekovaných markerov. Preto usudzujeme, že markre nemusia byť rozmiestnené v prostredí príliš nahusto a teda systém môže využiť tento fakt na zvýšenie svojho výkonu vylučovaním nadbytočných markerov. Ďalším výsledkom je, že pri správnom nastavením Kalmanovho filtru je systém schopný presne vypočítať polohu zariadenia aj vo veľmi zašumenom prostredí.

Abstract:

This thesis analyzes the effect of underwater conditions on the pose tracking accuracy. Within the project iMareCulture, it contributes to the application of augmented reality in the underwater cultural heritage. First, a marker-based visual-inertial robotic pose tracking system that uses the extended Kalman filter (EKF) is utilized for the use with smartphone recordings. Second, the underwater environment is simulated in post-processing of the marker detection results by (1) discarding the detected markers according to their distance to simulate poor visibility, and (2) by corrupting the detected tag corners by artificial noise to simulate water turbidity. The simulations take place in a laboratory equipped with an external motion capture system as ground truth for evaluating the accuracy of the pose estimated by the utilized system. The results show that the tracking accuracy does not significantly change with a decreasing number of detected markers. Thus, the markers can be placed more sparsely in the environment, or the system can discard redundant markers to reduce the computational cost. Furthermore, provided correct EKF settings, the system produces accurate pose estimates even with a high amount of noise corruption, simulating a very turbid environment.

Keywords

Augmented reality, Extended Kalman filter, iMareCulture, Kalman filter, Motion tracking, Odometry, Pose estimation

Language used: English

Date on which the thesis was submitted / produced: 27. 5. 2019

Thesis defence

• Date of defence: 24. 6. 2019
• Supervisor: RNDr. Jan Čejka
• Reader: Iris Kico

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Informatics / Computer Graphics and Image Processing