Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
Beide Seiten der vorigen Revision Vorhergehende Überarbeitung Nächste Überarbeitung | Vorhergehende Überarbeitung | ||
arbeiten:pattern_rotation [03.11.2020 18:04] – [Data-Entry] Andreas Schmid | arbeiten:pattern_rotation [11.04.2021 16:40] (aktuell) – [Data-Entry] Andreas Schmid | ||
---|---|---|---|
Zeile 6: | Zeile 6: | ||
BetreuerIn_thesisadvisor | BetreuerIn_thesisadvisor | ||
BearbeiterIn | BearbeiterIn | ||
- | ErstgutachterIn_thesisprofessor | + | ErstgutachterIn_thesisprofessor |
- | ZweitgutachterIn_secondthesisprofessor : N.N. | + | ZweitgutachterIn_secondthesisprofessor : Niels Henze |
- | Status_thesisstate | + | Status_thesisstate |
Stichworte_thesiskeywords | Stichworte_thesiskeywords | ||
angelegt_dt | angelegt_dt | ||
Anmeldung_dt | Anmeldung_dt | ||
- | Antrittsvortrag_dt | + | Antrittsvortrag_dt |
Abschlussvortrag_dt | Abschlussvortrag_dt | ||
- | Abgabe_dt | + | Abgabe_dt |
Textlizenz_textlicense | Textlizenz_textlicense | ||
Codelizenz_codelicense | Codelizenz_codelicense | ||
---- | ---- | ||
+ | |||
+ | |||
Zeile 23: | Zeile 25: | ||
=== Hintergrund === | === Hintergrund === | ||
- | TBD | + | Tangible Blocks sind kleine, greifbare Objekte, die als Eingabegeräte für Computersysteme oder physische Repräsentation von digitalen Daten verwendet werden können. |
+ | Nutzer können sie bewegen, drehen, zusammenlegen oder stapeln um auf eine intuitive Art und Weise mit Computern zu interagieren. | ||
+ | |||
+ | Für viele Anwendungen mit Tangible Blocks ist es notwendig, die Position derer auf einer Oberfläche und die relative Position mehrerer Tangibles zueinander zu kennen. | ||
+ | Dazu können verschiedene Tracking-Methoden verwendet werden. | ||
+ | Beim Outside-in-Tracking wird auf eine externe, oft kamerabasierte Trackinginfrastruktur zurückgegriffen - ein prominentes Beispiel dafür sind die Lighthouses der HTC Vive. | ||
+ | Für Tangible Blocks ist dieses Verfahren weniger gut geeignet, da die Tangibles oft durch die Hände von Nutzer: | ||
+ | Deshalb wird für Tangible Blocks häufig auf Inside-out-Tracking zurückgegriffen, | ||
+ | |||
+ | Im Projekt DotTrack [1, 2, 3, 4] der Nachwuchsforschungsgruppe Physical-Digital Affordances wurde ein Inside-out-Tracking-Verfahren entwickelt, bei dem die Position von Tangibles über einen im Tangible verbauten Maussensor bestimmt wird, der ein Punktmuster (De-Brujin-Pattern) auf einer Oberfläche erkennt, welches die Position codiert. | ||
+ | Das Verfahren ist mit einer Sampling-Rate von etwa fünf Positionen pro Sekunde und einer Erfolgsrate von über 95% gut geeignet um die Position von Tangibles zu bestimmen, jedoch müssen die Tangible dafür entlang des Punktmusters ausgerichtet sein. | ||
+ | |||
+ | Um auch die Rotation zu bestimmen, müsste diese über das Rohbild des Sensors berechnet werden. | ||
+ | Da dieser Sensor eine sehr geringe Auflösung von 36x36 Pixeln hat, schlagen viele herkömmliche Methoden zum Bestimmen der Rotation, beispielsweise Hough Lines, fehl. | ||
=== Zielsetzung der Arbeit === | === Zielsetzung der Arbeit === | ||
- | TBD | + | Ziel dieser Arbeit ist ein Vergleich verschiedener Verfahren zum bestimmen der Rotation eines Punktmusters mit niedriger Auflösung. |
+ | Dazu sollen sowohl bekannte Verfahren aus der Computer Vision, als auch Machine-Learning-Ansätze, | ||
+ | |||
+ | Um diese Arbeit in den Kontext des Projekts DotTrack einzugliedern, | ||
+ | Zudem soll anhand eines selbst generierten Datensatzes aus Punktmustern mit verschiedenen Auflösungen evaluiert werden, bis zu welcher minimalen Auflösung die Verfahren sinnvoll einsetzbar sind. | ||
=== Konkrete Aufgaben === | === Konkrete Aufgaben === | ||
- | TBD | + | * Einarbeiten in das DotTrack-Projekt (1 Woche) |
+ | * Aufbereiten des Themas, Literaturrecherche (2 Wochen) | ||
+ | * Proof of Concept (1 Woche) | ||
+ | * Implementieren verschiedener Verfahren zur Rotationsbestimmung (2 Wochen) | ||
+ | * Aufnehmen des Datensatzes und Auswertung (1 Woche) | ||
+ | * Vervollständigen der schriftlichen Ausarbeitung (2 Wochen) | ||
=== Erwartete Vorkenntnisse === | === Erwartete Vorkenntnisse === | ||
- | TBD | + | * Grundlagen Computer Vision |
+ | * Grundlagen Machine Learning | ||
+ | * Bereitschaft, | ||
+ | * Auswertung quantitativer Daten | ||
=== Weiterführende Quellen === | === Weiterführende Quellen === | ||
- | TBD | + | [1] https:// |
+ | |||
+ | [2] Schüsselbauer, | ||
+ | |||
+ | [3] Schüsselbauer, | ||
+ | |||
+ | [4] Schüsselbauer, | ||