Dynamic fiducial markers for camera-based pose estimation

This dissertation introduces new techniques that increase the accuracy of camera-based pose estimation using fiducial markers. The problem of camera-based pose estimation involves finding a camera's pose relative to some coordinate system by detecting some known features in the environment; when the visual appearance of these features is known beforehand, they are called fiducials.

The visual-based pose estimation process is highly complex since the estimated pose accuracy depends on many interconnected factors that have to be considered simultaneously; this thesis aims to identify the most influential factors and proposes solutions that mitigate the effect of the sources of error, hence increasing the estimated pose's accuracy and robustness. We base our solutions on exploiting an interaction between the camera and what the camera is measuring; this, in essence, means that the features change and adapt to better suit the measurement by either moving in space to better locations or changing their shape dynamically.

In dieser Dissertation werden neue Techniken vorgestellt, die die Genauigkeit der kamerabasierten Posenschätzung mit Hilfe von visuellen Referenzmarken erhöht. Das Problem der kamerabasierten Posenschätzung besteht darin, die Pose einer Kamera relativ zu einem Koordinatensystem zu bestimmen, indem einige bekannte Merkmale in der Umgebung erkannt werden. Wenn die visuelle Erscheinung dieser Merkmale im Voraus bekannt ist, werden diese als Referenzpunkte bezeichnet.

Der visuell-basierte Prozess der Posenschätzung ist sehr komplex, da die Genauigkeit der geschätzten Pose von vielen miteinander verbundenen Faktoren abhängt, die gleichzeitig berücksichtigt werden müssen. Diese Arbeit zielt darauf ab, die einflussreichsten Faktoren zu identifizieren und schlägt Lösungen vor, die die Auswirkungen der Fehlerquellen mildern und somit die Genauigkeit und Robustheit der geschätzten Pose erhöhen. Die in dieser Arbeit vorgestellte Lösung basiert auf der Ausnutzung einer Interaktion zwischen der Kamera und dem, was die Kamera erfasst. Dies bedeutet im Wesentlichen, dass sich die Merkmale ändern und anpassen, um der Erfassung besser zu entsprechen, indem sie sich entweder im Raum an bessere Orte bewegen oder ihre Form dynamisch verändern.