Erweiterte Realität (AR) bezeichnet ein Paradigma, welches darauf abzielt, die wahrgenommene, reale Umgebung eines Menschen mit im 3D-Raum verorteten, digitalen Informationen zu verschmelzen. Typischerweise werden dabei in Echtzeit virtuelle 3D Grafiken in die aufgenommenen Bilder einer sich bewegenden Kamera oder direkt in das Sichtfeld des Nutzers über optische Durchsichtanzeigen eingebettet. Die perspektivisch korrekte und lagerichtige Darstellung erfordert hierzu die Lösung verschiedener statischer und dynamischer Registrierungsprobleme, um den Eindruck zu erzeugen, dass die virtuelle und die reale Welt nahtlos miteinander verbunden sind.

Die im letzten Jahrzehnt erreichten Fortschritte im Bereich simultaner Lokalisierung und Kartierung (SLAM) liefern hierzu einen wichtigen Beitrag. Hiermit ist es möglich, die reale Umgebung zu rekonstruieren und dabei gleichzeitig die dynamische Eigenbewegung einer Kamera aus den Bildern zu erfassen, ohne dass die Umgebung hierzu präpariert werden muss. Dennoch löst SLAM damit nur einen Teil des gesamten Registrierungsproblems, da die erstellte 3D Szenengeometrie und der berechnete Bewegungspfad räumlich nur in Bezug zu einem frei gewählten Koordinatensystem gesetzt wird. Ohne einen entsprechenden Abgleich der Koordinatensysteme bleibt die reale Welt des menschlichen Beobachters stets von der virtuellen Welt entkoppelt. Bestehende Ansätze zur Lösung dieses Problems erfordern entweder die Verfügbarkeit eines virtuellen 3D-Modells, welches einem realen Objekt mit ausreichender Genauigkeit entsprechen muss (modellbasiertes Tracking), oder sie stützen sich auf anwendungsfallspezifische Annahmen und zusätzliche Sensordaten (wie GPS-Signale oder der "Manhattan Welt"-Annahme), welches die allgemeine Anwendbarkeit dieser Verfahren einschränkt. Der Umstand, dass eine automatisierte Registrierung wünschenswert jedoch nicht immer möglich ist, schafft den Bedarf an Techniken, mit denen ein Benutzer beim Einrichten von AR-Anwendungen Verbindungen zwischen der realen und der virtuellen Welt spezifizieren und somit die Registrierung begleiten und kontrollieren kann. Diese Techniken benötigen die Unterstützung durch numerische Algorithmen, welche die Informationen optimal ausnutzen, um somit genaue Registrierungsergebnisse zu erreichen.

In diesem Zusammenhang liefert die vorliegende Arbeit die folgenden Beiträge.

* Es wird ein neuartiger, nicht-iterativer Algorithmus zur Berechnung einer euklidischen Transformation oder einer Ähnlichkeitstransformation präsentiert. Der vorgestellte Algorithmus stellt eine Verallgemeinerung neuester Ansätze zur Berechnung der Kameraposition und -Orientierung anhand von 2D-Messpunkten im Bild dar (räumlicher Rückwärtsschnitt) - ein grundlegendes Problem im Bereich des maschinellen Sehens mit einer langen Forschungshistorie. Die Verallgemeinerung besteht darin, diese Algorithmen so zu erweitern und zu vereinheitlichen, dass sie mit anderen Arten von Eingangskorrespondenzen als ursprünglich vorgesehen umgehen können. Der Algorithmus ermöglicht es, eine rigide Registrierung von SLAM-Systemen zu einem Zielkoordinatensystem auf der Grundlage heterogener und partiell unbestimmter Eingangsdaten durchzuführen.

* Zudem wird die globale Minimierung von Struktur- und Bewegungsparametern durch den Bündelblockausgleich (BA) addressiert, welcher sich als Standardtechnik innerhalb von SLAM-Systemen etabliert hat. In dieser Arbeit wird hierzu eine Variante des BA vorgeschlagen, bei der Informationen über die virtuelle Domäne als Gleichheitsnebenbedingungen integriert werden, wobei hierfür als Technik eine Parameteroptimierung entlang ihrer zugehörigen Mannigfaltigkeiten gewählt wird. Die Integration der Nebenbedigungen erfolgt mit dem Ziel, niederfrequente Deformationen (nicht-rigide Registrierung) des geschätzten Kamerapfades und der rekonstruierten Szenengeometrie zu kompensieren, welche durch die Messfehlerakkumulation und die schlechte Konditioniertheit des BA-Minmierungsproblems verursacht werden.

* Weiterhin werden zwei Ansätze vorgestellt, bei denen ein Benutzer mit seinem Wissen zur Registrierung eines SLAM-Systems beitragen kann. In einer ersten Variante kann der Benutzer in der realen Umgebung Marker mit vordefinierten Verbindungen zum virtuellen Koordinatensystem platzieren. Eine genaue Positionierung der Marker ist nicht erforderlich, vielmehr können sie beliebig auf Oberflächen oder entlang von Kanten platziert werden, was den präparativen Aufwand erheblich reduziert. Zur Laufzeit werden dann die verteilten Informationen erfasst und die Registrierung des SLAM erfolgt automatisch. In einer zweiten Variante hat der Benutzer im Rahmen eines Vorverarbeitungsschrittes die Möglichkeit, markante Punkte in einer bereits aufgenommenen Bildsequenz zu selektieren und entsprechenden Punkten im virtuellen 3D-Raum über eine einfache Nutzerschnittstelle zuzuordnen. Das Ergebnis dieser Vorbereitung ist ein präzise registriertes Referenzmodel, welches zur Laufzeit unmittelbar zur Kameraverortung eingesetzt werden kann.

* Schließlich wird ein Ansatz zur geometrischen Kalibrierung optischer Durchsichtanzeigen vorgeschlagen. Es wird ein parametrisches Modell vorgestellt, mit dem das Rendern von virtuellem 3D-Inhalt an den aktuellen Blickpunkt des menschlichen Beobachters dynamisch angepasst werden kann, einschließlich einer Vorkorrektur der durch die Optik oder unregelmäßig gekrümmter Kombinatoren verursachten Bildverzerrungen. Um die Modellparameter zu ermitteln, wird ein kamerabasierter Ansatz vorgeschlagen, bei dem Elemente der realen und der virtuellen Domäne gleichzeitig erfasst werden. Das Kalibrierungsverfahren wurde examplarisch für ein Head-up-Display in einem Fahrzeug entwickelt. Eine prototypische Erweiterung für Head-Mounted-Displays wird ebenfalls vorgestellt.