SiTAR：用于野外姿态误差估计的情境化轨迹分析
人机交互
2023-09-01 v1
摘要
由设备姿态跟踪误差引起的虚拟内容不稳定仍是无标记增强现实（AR）中的普遍问题，在智能手机与平板电脑上尤为突出。然而，在考察将承载 AR 体验的环境时，难以确定这些不稳定伪影会出现在何处；我们很少能获得测量姿态误差的地面真实姿态，且即便可获得姿态误差，传统可视化方法也未将该数据与现实环境关联，限制了其实用性。为解决这些问题，我们提出 SiTAR（Situated Trajectory Analysis for Augmented Reality，增强现实情境化轨迹分析），这是首个融合姿态跟踪误差估计的 AR 情境化轨迹分析系统。我们首先开发了首个面向视觉-惯性同步定位与建图（VI-SLAM）的基于不确定性的姿态误差估计方法，使其无需地面真实即可获得姿态误差估计；在四个 VI-SLAM 数据集上的评估中，我们达到了最高 96.1% 的平均准确率与最高 0.77 的平均 F1 分数。接着我们呈现了为 ARCore 设备实现的 SiTAR 系统，其将提供基于不确定性的姿态误差估计的后端与生成情境化轨迹可视化的前端相结合。最后，我们通过在 15 名用户与 13 个多样环境中的野外研究测试三种可视化技术，评估了 SiTAR 在真实条件下的有效性；该研究揭示了环境尺度及所处表面属性对用户经验与任务表现的影响。
引用
@article{arxiv.2308.16813,
title = {SiTAR: Situated Trajectory Analysis for In-the-Wild Pose Error Estimation},
author = {Tim Scargill and Ying Chen and Tianyi Hu and Maria Gorlatova},
journal= {arXiv preprint arXiv:2308.16813},
year = {2023}
}
备注
To appear in Proceedings of IEEE ISMAR 2023