[論文レビュー] An Improved Tracking using IMU and Vision Fusion for Mobile Augmented Reality Applications

Kriti Kumar, Ashley Varghese+5 more|arXiv (Cornell University)|Nov 10, 2014

Robotics and Sensor-Based Localization参考文献 14被引用数 11

ひとこと要約

本稿では、改良された補完フィルタおよび適応型カルマンフィルタを用いて慣性計測装置（IMU）と視覚データを融合することで、モバイル拡張現実（MAR）向けの強化されたマーカーレストラッキングシステムを提示する。本手法は、準備されていない環境でも、安定的でリアルタイムのポーズ推定を達成し、実験結果から、車両損傷評価のユースケースにおいて従来手法に比べて精度と安定性が向上していることが示されている。

ABSTRACT

Mobile Augmented Reality (MAR) is becoming an important cyber-physical system application given the ubiquitous availability of mobile phones. With the need to operate in unprepared environments, accurate and robust registration and tracking has become an important research problem to solve. In fact, when MAR is used for tele-interactive applications involving large distances, say from an accident site to insurance office, tracking at both the ends is desirable and further it is essential to appropriately fuse inertial and vision sensors data. In this paper, we present results and discuss some insights gained in marker-less tracking during the development of a prototype pertaining to an example use case related to breakdown or damage assessment of a vehicle. The novelty of this paper is in bringing together different components and modules with appropriate enhancements towards a complete working system.

研究の動機と目的

• 準備されていない現実世界の環境で動作するモバイル拡張現実（MAR）アプリケーションにおける正確で安定したポーズトラッキングの課題に対処すること。
• 事故現場から保険事務所への遠隔車両損傷評価など、テレインタクティブMARアプリケーションの両端での信頼性の高いトラッキングを可能にすること。
• マーカーレストラッキングを実現するための強化されたIMUおよびビジョン統合モジュールを統合した包括的で統合的なシステムの開発。
• 動的運動状態に応じてフィルタリング手法を適応させることで、トラッキングの安定性と精度を向上させること。

提案手法

• 短時間のIMUの高精度と長時間の視覚的安定性を組み合わせるため、IMUと単眼カメラのデータを補完フィルタを用いて融合する。
• 運動特性に応じて推定プロセスを動的に調整できる適応型カルマンフィルタを採用し、急激な動きの際の耐障害性を向上させる。
• マーカーレス環境でも継続性を維持できる、強固な特徴抽出およびマッチングパイプラインを用いて視覚的特徴を抽出・追跡する。
• ドリフトを最小限に抑えてポーズ推定を強化するため、リアルタイムでセンサデータを統合する密結合フレームワークを採用する。
• 累積誤差を補正するフィードバック機構を備えた、慣性および視覚的測定値を統合する新規な統合戦略を提案する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、準備されていない環境でも安定的で正確なトラッキングを達成するために、慣性および視覚センサデータを効果的に統合できるか？
• RQ2 動的モバイルARシナリオにおけるIMUと視覚データのノイズ特性を最適にバランスさせるフィルタリング戦略は何か？
• RQ3 固定ゲインフィルタに比べ、適応型カルマンフィルタは、高動的運動下でのトラッキングの耐障害性を向上させることができるか？
• RQ4 提案された統合手法は、マーカーレスMARアプリケーションにおいて、どれほどドリフトを低減し、ポーズ推定の精度を向上させることができるか？

主な発見

• 提案された統合手法は、単独のIMUまたは視覚トラッキングに比べてポーズドリフトを顕著に低減し、長期的なトラッキングの安定性が向上している。
• 適応型カルマンフィルタは、急激な運動変化の処理において固定ゲインフィルタを上回る性能を示し、動的移動中の推定精度が向上している。
• 本システムはモバイルデバイスでもリアルタイム性能を達成しており、テレインタクティブMARアプリケーションへの実用的導入が可能である。
• 強化された特徴追跡とセンサ統合の統合により、低テクスチャまたは照明条件の変化がある環境でも、一貫性があり信頼性の高いポーズ推定が実現している。