Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Stabilizing Augmented Reality views through object detection
KTH, School of Computer Science and Communication (CSC).
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Stabilisering av AR-vy genom objektdetektering (Swedish)
Abstract [en]

In two of the mobile applications developed by Bontouch there exists an AR view which eased the discovery of certain points of interest. In the application developed for the Swedish postal service, PostNord, there exists such an AR view to help the users find delivery points of parcels handled by PostNord. The AR view does not perform as desired when the user is close to a delivery point due to inconsistent or faulty sensor data received from the rotation sensors and the GPS.

This thesis is focused on how to make the AR view more stable in these instances. To accomplish this stabilization the approach tested is where the video feed captured by the camera of the phone is analyzed to find the logotype of Posten and fixating the unstable point of interest to this logotype.

Two different detectors are evaluated and tested for the best result. One of the approaches implements the ORB algorithm and finds the logotype in the image. The second one utilized the knowledge of the logotype to make clever assumptions of which the contours in the image will need to satisfy, then the candidates will be evaluated by the colors inside the contour.

Once a match has been found it will then be analysed to determine if it was a true match of the logotype. If the match was a true positive the delivery point in the AR view will be fixated on this logotype. Three different approaches on how to perform this will be discussed and evaluated.

Abstract [sv]

I två av de mobila applikationerna utvecklade av Bontouch finns det en AR-vy som underlättar för användarna av applikationen att hitta till en plats av intresse. I applikationen utvecklat för PostNord finns det en sådan AR-vy för att användarna ska enkelt kunna hitta till det utlämningsställederas paket har kommit till. Denna AR-vy beter sig inte önskvärt när användaren är nära ett utlämningsställe på grund av okonsekvent eller till och med felaktig data från rotationssensorerna och från GPS:en i telefonen.

Denna uppsats är fokuserad på att hur man skulle kunna gå till väga för att göra AR-vyn mer stabil. För att åstakomma denna stablisering av AR-vyn kommer bilder tagna av kameran kontinuerlight att analyseras för att hitta logotypen för Posten. Utlämningsstället som är ostabilt kommer att placeras ut där logotypen hittas i bilderna som är analyserade.

Två olika sätt att hitta logtypen i bilderna är testade och utvärderade. En som använder sig av algoritmen ORB för att hitta logotypen i bilderna. Det andra tillvägagångssättet använder sig av kunskap om logotypen för att göra smarta antaganden om denna som konturer i bilderna måste uppfylla, sen analyseras kandidaterna baserat på färgerna inom deras kontur.

När detektorn har hittat vad den tror är en match kommer den sedan att analyseras för att se om det är en logotyp på den positionen och då även visa användaren att den har hittats genom att fixera utlämningsstället i AR-vyn vid denna positionen. För att utföra detta är tre olika sätt beskrivna och utvärderade.

Place, publisher, year, edition, pages
2017. , p. 61
National Category
Computer Sciences
Identifiers
URN: urn:nbn:se:kth:diva-212322OAI: oai:DiVA.org:kth-212322DiVA, id: diva2:1134463
External cooperation
Bontouch
Subject / course
Computer Science
Educational program
Master of Science in Engineering - Computer Science and Technology
Supervisors
Examiners
Available from: 2017-10-19 Created: 2017-08-20 Last updated: 2018-01-13Bibliographically approved

Open Access in DiVA

fulltext(10106 kB)57 downloads
File information
File name FULLTEXT01.pdfFile size 10106 kBChecksum SHA-512
057f626295eedf5e7d9d5cdd3e4f5309cbac7a6c4c9a32363f30a7e42c9e4d45d18996e077b1a78a688ce6d26e685a4c1abf13e12b96e387d5e115662c4dbfd5
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Andreasson, Karl Johan
By organisation
School of Computer Science and Communication (CSC)
Computer Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 57 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 172 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf