Creating physical simulations between virtual and real objects in Augmented Reality (AR) is essential for the user experience. Otherwise the user might lose sense of depth, distance and size. One of these simulations is occlusion, meaning that virtual content should be partially or fully occluded if real world objects is in the line-of-sight between the user and the content. The challenge for simulating occlusion is to construct the geometric model of the current AR environment. Earlier studies within the field have all tried to create realistic pixel-perfect occlusion and most of them have either required depth-sensing hardware or a static predefined environment. This study proposes and evaluates an alternative model-based approach to the problem. It uses geospatial data to construct the geometric model of all the buildings in the current environment, making virtual content occluded by all real buildings in the current environment. This approach made the developed function compatible with non depth-sensing devices and in a dynamic outdoor urban environment. To evaluate the solution it was implemented in a sensor-based AR application visualizing a future building in Stockholm. The effect of the developed function was that the future virtual building was occluded as expected. However, it was not pixel-perfect, meaning that the simulated occlusion was not realistic, but results from the conducted user study said that it fulfilled its goal. A majority of the participants thought that their AR experience got better with the solution activated and that their depth perception improved. However, any definite conclusions could not be drawn due to issues with the sensor-based tracking. The result from this study is interesting for the mobile AR field since the great majority of smartphones are not equipped with depth sensors. Using geospatial data for simulating occlusions, or other physical interactions between virtual and real objects, could then be an efficient enough solution until depth-sensing AR devices are more widely used. 

För att uppnå en god användarupplevelse i Augmented Reality (AR) så är det viktigt att simulera fysiska interaktioner mellan de virtuella och reella objekten. Om man inte gör det kan användare uppfatta saker som djup, avstånd och storlek felaktigt. En av dessa simulationer är ocklusion som innebär att det virtuella innehållet ska vara delvis eller helt ockluderat om ett reellt objekt finns i siktlinjen mellan användaren och innehållet. För att simulera detta är utmaningen att rekonstruera den geometriska modellen av den nuvarande miljön.Tidigare studier inom fältet har försökt att uppnå en perfekt simulation av ocklusion, men majoriteten av dem har då krävt antingen djupavkännande hårdvara eller en statisk fördefinierad miljö. Denna studie föreslår och utvärderar en alternativ modellbaserad lösning på problemet. Lösningen använder geospatial data för att rekonstruera den geometriska modellen av alla byggnader i den nuvarande omgivningen, vilket resulterar i att det virtuella innehållet blir ockluderat av alla reella byggnader i den nuvarande miljön. Den utvecklade funktionen blev i och med det kompatibel på icke djupavkännande enheter och fungerande i en dynamisk urban miljö. För attutvärdera denna funktion så var den implementerad i en sensorbaserad AR applikation som visualiserade en framtida byggnad i Stockholm. Resultatet visade att den utvecklade funktionen ockluderade den virtuella byggnaden som förväntat. Dock gjorde den ej det helt realistiskt, men resultatet från den utförda användarstudien visade att den uppnådde sitt mål. Majoriteten av deltagarna ansåg att deras AR upplevelse blev bättre med den utvecklade funktionen aktiverad och ett deras uppfattning av djup förbättrades. Dock kan inga definitiva slutsatser dras eftersom AR applikationen hade problem med den sensorbaserade spårningen. Resultaten är intressant för det mobila AR fältet eftersom majoriteten av alla smartphones ej har stöd för djupavkänning. Att använda geospatial data för att simulera ocklusion, eller någon annan fysisk interaktion mellan virtuella och reella objekt, kan då vara en tillräckligt effektiv lösning tills djupavkännande AR enheter används mer.