EP3867796A1 - Method and device for determining an area map - Google Patents

Method and device for determining an area map

Info

Publication number
EP3867796A1
EP3867796A1 EP19772993.2A EP19772993A EP3867796A1 EP 3867796 A1 EP3867796 A1 EP 3867796A1 EP 19772993 A EP19772993 A EP 19772993A EP 3867796 A1 EP3867796 A1 EP 3867796A1
Authority
EP
European Patent Office
Prior art keywords
server
point cloud
points
mobile station
mobile device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP19772993.2A
Other languages
German (de)
French (fr)
Inventor
Darius Vahdat-Pajouh
Michael Bucko
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DESIGN REACTOR Inc
Original Assignee
Visualix GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Visualix GmbH filed Critical Visualix GmbH
Publication of EP3867796A1 publication Critical patent/EP3867796A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Definitions

  • the subject relates to a method and a server for determining an environment map.
  • the measurement and evaluation of an environment of a mobile device is possible due to the good quality of camera images from mobile devices as well as good sensor values. It is possible for features in the image to be detected on the basis of orientation data (pose) from a camera of a mobile device and a respective image (frame) from a camera of the mobile device and points of a point cloud to be assigned to these features.
  • orientation data pose
  • frame respective image
  • Transform can be a position of the feature in a global
  • Coordinate system can be determined.
  • Point coordinates of the points of the point cloud can be determined.
  • Point clouds from this are well known and are used, for example, in so-called augmented reality (AR) applications.
  • AR augmented reality
  • Well-known examples of such augmented reality applications are the ARKit from Apple ® and ARCore from Google®. Both are application-specific programming interfaces that make it possible to use the mobile device to create and use point clouds on the mobile station for augmented reality applications.
  • a disadvantage of determining the point cloud in the mobile device is that on the one hand the computing power is limited and on the other hand due to faulty ones
  • a drift in the point coordinates can occur in the global coordinate system. It is known, for example, that the drift is 1% to 10%, which can be due in particular to an insufficient evaluation of the available sensor data.
  • the object is therefore based on the task, one on points and
  • a mobile device can in particular be a cell phone, a tablet computer, smart glasses, wearables or the like.
  • Movement data can be, in particular, inclination and acceleration information that is stored in the mobile device by means of suitable sensors, for example
  • Inclination sensors and / or acceleration sensors can be detected. With the help of the movement data, a movement of the mobile device is in the room
  • the mobile device can be positioned relative to a reference point.
  • Motion data are evaluated in particular between two images in order to determine the change in the position of the device relative to the real object which was recorded in the image.
  • orientation data of a camera of the mobile device be received on the server side.
  • Orientation data (pose) of a camera can be expressed by a direction of a vector in a coordinate system, the vector lying in particular in the optical axis of the camera.
  • the coordinate system is in particular a global one
  • a sequence of images, in particular in a video, is recorded by the camera of the mobile device. If an image of the camera has been captured, the orientation information in the sense of orientation data can be captured in the mobile device and which can be captured
  • Motion information between one of the previous images and the current image was recorded based on the motion data.
  • This information that is to say the movement data and orientation data, together with the assigned image of the camera, can be received on the server side.
  • An image of the camera can be a so-called "frame" of a moving image.
  • the server-side point cloud is created in particular in the server by means of a SLAM (simultaneous localization and mapping) algorithm.
  • SLAM simultaneous localization and mapping
  • the creation of a point cloud on the basis of images is known per se, but not that the movement data and the orientation data of the mobile device are used for this. Due to the fact that on the server side there is greater computing power available and on the other hand latency is permitted to create the point cloud, the point cloud created on the server side will generally map the environment better than a mobile station side created point cloud. With the help of the server-side point cloud, a map of the surroundings is at least partially created.
  • Computational accuracy as well as the fact that server-side data from a large number of images from very different times, which are also hours, days or weeks apart, can be used to continuously add and / or adapt the point cloud.
  • the greater accuracy is due to the fact that features in images can be detected using a wide variety of algorithms on the server side, in order to be able to describe a three-dimensional structure within the space using a sequence of images using point coordinates.
  • point coordinates represent a point cloud, points of the point cloud each being one of the
  • point coordinates are represented by vectors.
  • the origin of the vector can, on the one hand, be a globally valid origin and, on the other hand, it is possible for vectors to be determined in each case as point coordinates depending on recognized points or defined anchors. It is possible that, for example, GPS coordinates are used to the
  • the point coordinates represent points that represent real objects.
  • a surface of a real object can be described with a plurality of points in three-dimensional space.
  • Motion data along with the images from the camera can determine the points with greater accuracy and greater density than this
  • the points on the server side point cloud are at least partially supplemented by the points on the mobile station side points. It is possible to weight the points of the point cloud on the server side and only points with one Add weighting above a threshold of server-side points. A density of the points in an area can be relevant for the weighting of the individual
  • Point cloud can be at least partially converted using the point coordinates of the points of the point cloud on the mobile station side and / or vice versa.
  • a feature in an image is represented on the server side by a point with point coordinates, that on the mobile station side it was referenced by a point with point coordinates that differ only marginally from the point coordinates of the server-side point.
  • a new point can be calculated from two points, for example by interpolation, averaging or other calculation methods, and its point coordinates can be used for the new server-side point cloud.
  • the point coordinates of the points of the point cloud on the mobile station side be used with the help of the server side
  • the evaluated movement data can be corrected.
  • the movement data can be evaluated on the server side with greater accuracy than this
  • the movement data can be corrected on the server side by comparing the data of the movement sensors with image data.
  • the movement data optimized in this way can be used to correct the point coordinates of the points of the point cloud on the mobile station side.
  • the point coordinates of the point of the point cloud on the mobile station side were recorded on the mobile station side using the and
  • orientation data which are received on the server side and evaluated on the server side. Based on this evaluated on the server side
  • Orientation data can also be used to correct the point coordinates recorded on the mobile station side.
  • the orientation data received on the server side be used on the server side with the aid of the received
  • Movement data are corrected.
  • the movement data make it possible to compensate for errors in the orientation data and vice versa.
  • feature recognition and / or feature description be carried out in the received image.
  • feature detection and “feature description” are known per se. In particular, MOPS or SIFT processes are used for this.
  • descriptors "descriptors” can be optimized by learning algorithms. To describe the features, it is possible to evaluate the point coordinates on the server side and to find optimal descriptors on the basis of the evaluation, in particular by means of deep-learning algorithms.
  • Feature descriptions are in particular those features that are invariant are, in particular with respect to rotation, translation, panning, zooming, light change and / or the like.
  • a bundle adjustment is carried out on the server side in the received image.
  • the point cloud is stored on the server side and is particularly persistent, it can be compared with point clouds of other mobile devices. It is also possible to carry out extensive analyzes of the point cloud, in order to possibly find a point cloud in the received mobile station-side point cloud
  • the point cloud on the mobile station side is created by means of visual motion-bound odometry (visual-inertia odometry).
  • a loop closure can be determined.
  • Point coordinates and points of the point cloud determined on the mobile station side are corrected. It is possible to determine the total drift of a closed ring (loop closure) and to use this to retroactively shift individual point coordinates of the points of the point cloud by the drift or a fraction of the drift.
  • the shift can be dependent on a shift vector which is determined by the drift. The amount of the displacement vector can increase with increasing
  • the image is evaluated on the server side.
  • contrast, brightness, sharpness, depth of field and the like can be evaluated on the server side and setting data depending on this for the be determined on the mobile station side camera.
  • setting data can then be transmitted to the mobile device in order to set the camera there, so that the image information is optimized for calculating the point cloud.
  • server-side point cloud in particular the new server-side point cloud, be transmitted to the mobile device. This makes it possible to replace or optimize the point cloud present in the mobile device. It is also possible for such a point cloud to be transmitted to devices in which no point cloud can be calculated at all on the mobile station side. Only based on the image information as well as the movement and
  • a mobile device can contribute to the determination of point clouds and receive point clouds.
  • the mobile device can then be located in space by comparing the current points in an image with points in the point cloud. If there is a match, the position of the device can be determined therefrom without the device itself having to record position information.
  • Anchors can be placed relative to points in the point cloud.
  • Point cloud is received by a mobile device and that an augmented reality application is initialized with the received point cloud in the mobile device.
  • an AR application At the beginning of an AR application, information about the environment is already available in the form of a point cloud.
  • server-side point clouds can be received by a plurality of mobile devices on the server side and for the point-point clouds received on the mobile station side to be used for the server side Adjust point cloud. This takes advantage of a variety of devices
  • Point clouds can be determined from a specific environment. This large number of point clouds can be integrated on the server side into the server-side point cloud in order to make them more robust and precise.
  • Detect application It is thus possible to determine at least two instances of the point clouds on the server side and to learn at least one feature in each instance by means of feature recognition and / or feature description. A respective instance together with the learned features can be transmitted to a mobile device.
  • the point cloud determined on the server side makes it possible to determine the position of a mobile device.
  • a point cloud of a mobile device can be compared with the server-side point cloud.
  • the points recorded in a current image can be compared with points of the point cloud, and if there is a match, the mobile device can be positioned in the virtual environment determined by the point cloud.
  • 1 shows a system for determining an area map
  • FIG. 3 shows an arrangement for recording movement data, orientation data and / or point clouds of a mobile device
  • Flg. 4 shows a process for determining a server-side point cloud
  • 5 shows a sequence of a loop closure
  • FIG. 8 shows a method for transmitting a point cloud to a mobile device
  • FIG. 9 shows a method for determining the position of a mobile device.
  • Point clouds limited, in particular due to a limited memory and also due to limited computing power. Therefore, the object of the idea is to prepare the information acquired on the mobile station side on the server side in such a way that an environment map and a positioning therein, even in large environments, over a large number of
  • mobile stations 2 are connected to a central server 6 via a wide area network 4, as shown in FIG. 1. Bi-directional communication is possible.
  • Subject are from the mobile stations 2 to the server 6 via the
  • Wide area network 4 transmits at least movement data and orientation data.
  • a transmission of the point cloud in particular the so-called “raw feature points”, can also be transmitted.
  • the movement data are also described as IMU (inertial measurement stater) and the orientation data are also described as pose transform data.
  • a server-side point cloud is calculated on the server side with the received data in a SLAM system (Simultaneous Localization and Mapping). To create the point cloud, it is necessary to assign point coordinates to points via vectors
  • FIG. 2 shows a scene in which three striking points 8 can be detected.
  • Such striking points 8 can be described by features that can be detected via a suitable description of the features (descriptors).
  • the features of points 8 are, in particular, invariant to changes such as movement, light change, panning, zoom or the like. It is also possible to define those feature descriptors that have a higher-ranking invariance.
  • a first image 10 the points 8 are shown in a specific arrangement to one another. On the basis of the orientation data 12, it is possible not only to score the points
  • a Cartesian coordinate system 18 is used in particular, the y axis being parallel to gravity, the x axis being parallel to the horizontal and the z axis being perpendicular to the plane spanned by the x and y axes.
  • the vectors 14 are in particular three-dimensional vectors.
  • Orientation information 12 and the movement information 16 can be one
  • a mobile station 2 first transmits an image 10, the associated orientation data 12 and the movement data 16 captured between two images 10, as shown in FIG. 3, to the server 6.
  • the image data stream thus obtained is evaluated in the server 6 and a server-side point cloud is calculated using a SLAM system.
  • the number of points in a point cloud can also be almost unlimited. This enables a point cloud for a large environment based on information from one or more to determine mobile devices 2. It is proposed, for example, that orientation data 12, movement data 16 and images 10 are received in at least one mobile device 2 in step 20. After receiving, for example, feature recognition is carried out and points are detected on the basis of feature descriptions. The points thus detected are extracted 22.
  • a point cloud 30 is determined in step 26 from the extracted points.
  • This point cloud 30 is stored on the server side in a memory.
  • the point cloud 30 is formed from a plurality of points which have a unique identifier and at least point coordinates.
  • the point cloud 30 calculated on the server side is based in particular on a plurality of information from, for example, a plurality of different mobile devices. For position detection, it is now possible to compare points detected on the mobile station side with the points of the point cloud. If there is a match, the position of the mobile device can then be determined by again using the orientation data 12, based on the recognized points, to determine the position of the mobile device 2 in the point cloud and thus the real environment.
  • server-side point cloud 30 Since the server-side point cloud 30 is more robust and precise, it is
  • Step 20 can be followed by step 32 during the evaluation, as shown in FIG. 5a.
  • images 10 and points 8 recorded so far are compared with those of the server-side point cloud, for example in order to carry out a loop closure.
  • this loop closures it is possible to determine whether a mobile device 2 is in a same position after a certain time and / or the same features can be recognized in an image. This is of particular interest to a drift that occurs after a Set a while to correct.
  • the points recorded after the detection of the loop closure (32) are added to the point cloud 30 in step 34.
  • a step 36 first determines the amount by which the position of the mobile device 2 calculated on the mobile station side, which is based on the movement data 16 and
  • Orientation data 12 was determined, deviates from the actual position of the mobile device 2. Since it was recognized on the server side that the mobile device 2 has returned to its original position, the position relative to the start of an AR session is clearly defined. If the position calculated on the mobile station side deviates from this, there is a drift, the amount of which can be determined (36). With the help of this amount of drift determined on the server side, it is possible to determine the points of the
  • the point coordinates or vectors 14 of individual points 8 are corrected. It is also possible to supplement a point cloud calculated on the mobile station side with points of a point cloud calculated on the server side. For this purpose, the point cloud 30 created between steps 20 and 26 is recorded. In addition, a point cloud on the mobile station side is received in a step 40. The points of the point cloud received on the mobile station side can be supplemented, corrected or changed in some other way by the point cloud 30 determined on the server side. The point cloud 30 thus optimized can then be transmitted from the server 6 to the mobile device 2 in a step 42.
  • a feature recognition is carried out in step 24 after the image 10 (20) has been received.
  • the invariance of the features is checked and, in particular, features can be defined using deep learning strategies. It can then be checked whether the feature recognition in an image 10 was good or bad (44) and from this it can be derived whether the quality of the captured image 10 was sufficiently good for the feature recognition.
  • at least one setting parameter for the camera exposure, contrast, color and the like
  • the orientation data 12 is calculated in a step 48 on the server side.
  • the calculation of the orientation data 12 can, on the one hand, use the movement data 16 and orientation data 12 received from the mobile device 2, and, on the other hand, a comparison can be made between the points detected on the mobile station side and the points of the point cloud 30 on the server side. For example, it is possible that the
  • a device-independent position determination is also possible.
  • points detected on the mobile station side can be transmitted to the server 6 in a step 56 become.
  • these points are compared with the points of the point cloud 30 on the mobile station
  • the server-side point cloud is continuously checked and supplemented. Since information is continuously received from one or more mobile devices on the server side, the point cloud is continuously supplemented with points and / or points are corrected. This increases the server-side point cloud
  • the quality of the individual points of the point cloud can be optimized through bundle adjustment, feature matching and outlier removal.
  • descriptors can be used to evaluate the image information in an optimized way and to convert it into points of the point cloud.
  • the method in question thus creates a point cloud on the server side, which has an essentially global validity and can be acquired via a plurality of devices and made available to a plurality of devices.

Abstract

The invention relates to a method for determining an area map, comprising server-side receiving of movement data of a mobile device, server-side receiving of orientation data of a camera of the mobile device and server-side receiving of the relevant image of the camera which is associated with the received movement data and orientation data, server-side evaluating of the received image together with the movement data and the orientation data in order to create a server-side point cloud, wherein the server-side point cloud forms, at least in parts, the area map.

Description

Verfahren und Vorrichtung zur Bestimmung einer Umgebungskarte  Method and device for determining an area map
Der Gegenstand betrifft ein Verfahren sowie einen Server zur Bestimmung einer Umgebungskarte. The subject relates to a method and a server for determining an environment map.
Die Vermessung und Auswertung von einer Umgebung eines mobilen Geräts ist aufgrund der guten Qualität von Kamerabildern von mobilen Geräten als auch guter Sensorwerte möglich. Dabei ist es möglich, dass anhand von Orientierungsdaten (Pose) einer Kamera eines mobilen Gerätes sowie eines jeweiligen Bilder (Frame) einer Kamera des mobilen Gerätes, Merkmale in dem Bild detektiert werden und diesen Merkmalen Punkte einer Punktwolke zugeordnet werden. The measurement and evaluation of an environment of a mobile device is possible due to the good quality of camera images from mobile devices as well as good sensor values. It is possible for features in the image to be detected on the basis of orientation data (pose) from a camera of a mobile device and a respective image (frame) from a camera of the mobile device and points of a point cloud to be assigned to these features.
Merkmale in einem Bild haben eine relative Position in dem Bild und abhängig von einer Position und einer Ausrichtung bzw. Orientierung einer Kamera (Pose Features in an image have a relative position in the image and depending on a position and an orientation or orientation of a camera (pose
Transform) kann hieraus eine Position des Merkmals in einem globalen Transform) can be a position of the feature in a global
Koordinatensystem bestimmt werden. Insbesondere ist es möglich, zu fest definierten Referenzpunkten jeweils ein Koordinatensystem zu bestimmen, in dem die Coordinate system can be determined. In particular, it is possible to determine a coordinate system for fixedly defined reference points, in which the
Punktkoordinaten der Punkte der Punktwolke bestimmt werden. Point coordinates of the points of the point cloud can be determined.
Das Bestimmen von charakteristischen Merkmalen und das Berechnen von Determining characteristic features and calculating
Punktwolken hieraus ist hinlänglich bekannt und wird beispielsweise in sogenannten Augmented Reality (AR) Anwendungen eingesetzt. Bekannte Beispiele solcher Augmented Reality Anwendungen ist das ARKit von Apple® sowie ARCore von Google®. Beides sind anwendungsspezifische Programmierschnittstellen, die es ermöglichen, durch das Mobilgerät mobilstationsseitige Punktwolken für Augmented Reality Anwendungen zu erstellen und zu nutzen. Nachteilig an der Bestimmung der Punktwolke in dem Mobilgerät ist, dass einerseits die Rechenleistung begrenzt ist und andererseits aufgrund von fehlerhaften Point clouds from this are well known and are used, for example, in so-called augmented reality (AR) applications. Well-known examples of such augmented reality applications are the ARKit from Apple ® and ARCore from Google®. Both are application-specific programming interfaces that make it possible to use the mobile device to create and use point clouds on the mobile station for augmented reality applications. A disadvantage of determining the point cloud in the mobile device is that on the one hand the computing power is limited and on the other hand due to faulty ones
Sensordaten eine Drift in den Punktkoordinaten in dem globalen Koordinatensystem auftreten kann. So ist es bekannt, dass die Drift 1% bis 10% beträgt, was insbesondere an einer unzureichenden Auswertung der verfügbaren Sensordaten liegen kann.  Sensor data a drift in the point coordinates can occur in the global coordinate system. It is known, for example, that the drift is 1% to 10%, which can be due in particular to an insufficient evaluation of the available sensor data.
Dem Gegenstand liegt daher die Aufgabe zugrunde, eine auf Punkten und The object is therefore based on the task, one on points and
Punktkoordinaten basierende Umgebungskarte zu optimieren. To optimize the point map based environment map.
Diese Aufgabe wird durch ein Verfahren nach Anspruch 1 sowie einen Server nach Anspruch 20 gelöst. This object is achieved by a method according to claim 1 and a server according to claim 20.
Gegenständlich wird vorgeschlagen, dass serverseitig Bewegungsdaten eines mobilen Gerätes empfangen werden. Ein mobiles Gerät kann insbesondere ein Mobiltelefon, ein Tablet-Computer, Smart Glasses, Wearables oder dergleichen sein. It is objectively proposed that movement data of a mobile device be received on the server side. A mobile device can in particular be a cell phone, a tablet computer, smart glasses, wearables or the like.
Bewegungsdaten können insbesondere Neigungs- und Beschleunigungsinformationen sein, die in dem mobilen Gerät mittels geeigneter Sensoren, beispielsweise Movement data can be, in particular, inclination and acceleration information that is stored in the mobile device by means of suitable sensors, for example
N eigungssensoren und/oder Beschleunigungssensoren erfasst werden können. Mit Hilfe der Bewegungsdaten ist eine Bewegung des mobilen Gerätes im Raum Inclination sensors and / or acceleration sensors can be detected. With the help of the movement data, a movement of the mobile device is in the room
detektierbar. Insbesondere ist mit Hilfe der B e wegungs daten eine detectable. In particular, with the help of the movement data
Positionsbestimmung des mobilen Gerätes relativ zu einem Bezugspunkt möglich. Bewegungsdaten werden insbesondere zwischen zwei Bilder ausgewertet, um die Veränderung der Position des Gerätes relativ zu dem realen Objekt welches in dem Bild erfasst wurde, zu bestimmten. The mobile device can be positioned relative to a reference point. Motion data are evaluated in particular between two images in order to determine the change in the position of the device relative to the real object which was recorded in the image.
Darüber hinaus wird vorgeschlagen, dass serverseitig Orientierungsdaten einer Kamera des mobilen Gerätes empfangen werden. Orientierungsdaten (Pose) einer Kamera können durch eine Richtung eines Vektors in einem Koordinatensystem ausgedrückt werden, wobei der Vektor insbesondere in der optischen Achse der Kamera liegt. Das Koordinatensystem ist insbesondere ein globales In addition, it is proposed that orientation data of a camera of the mobile device be received on the server side. Orientation data (pose) of a camera can be expressed by a direction of a vector in a coordinate system, the vector lying in particular in the optical axis of the camera. The coordinate system is in particular a global one
Koordinatensystem, bei dem eine erste Achse parallel zur Gravitation verläuft, eine zweite Achse parallel zur Waagerechten verläuft und eine dritte Achse senkrecht zu der durch die ersten beiden Achsen aufgespannte Ebene verläuft. Hiermit kann die Ausrichtung der optischen Achse der Kamera im dreidimensionalen Raum bestimmt werden. Coordinate system in which a first axis runs parallel to gravity, one second axis runs parallel to the horizontal and a third axis runs perpendicular to the plane spanned by the first two axes. With this, the alignment of the optical axis of the camera in three-dimensional space can be determined.
Schließlich wird durch die Kamera des mobilen Gerätes eine Abfolge von Bildern, insbesondere in einem Video erfasst. Wenn ein Bild der Kamera erfasst wurde, kann zusammen hiermit die Orientierungsinformation im Sinne von Orientierungsdaten in dem mobilen Gerät erfasst werden und es kann erfasst werden, welche Finally, a sequence of images, in particular in a video, is recorded by the camera of the mobile device. If an image of the camera has been captured, the orientation information in the sense of orientation data can be captured in the mobile device and which can be captured
Bewegungsinformationen zwischen einem der vorhergehenden Bilder und dem aktuellen Bild anhand der Bewegungsdaten erfasst wurden. Diese Information, also die Bewegungsdaten und Orientierungsdaten, zusammen mit dem zugeordneten Bild der Kamera, können serverseitig empfangen werden. Motion information between one of the previous images and the current image was recorded based on the motion data. This information, that is to say the movement data and orientation data, together with the assigned image of the camera, can be received on the server side.
Ein Bild der Kamera kann ein sogenannter„Frame" eines Bewegtbildes sein. An image of the camera can be a so-called "frame" of a moving image.
Gegenständlich ist es möglich, dass serverseitig jedes Einzelbild oder auch nur zeitlich nicht unmittelbar benachbarte Bilder der Kamera empfangen werden. So ist es beispielsweise möglich, dass nur jedes 5te, jedes lOte, jedes n-te (n>10) Bild der Kamera serverseitig empfangen wird. It is objectively possible for each individual image to be received on the server side, or even images of the camera that are not immediately adjacent in terms of time. For example, it is possible that only every 5th, every 10th, every nth (n> 10) image of the camera is received on the server side.
Zur Erstellung der Umgebungskarte wird nun vorgeschlagen, dass serverseitig das empfangene Bild zusammen mit den Bewegungsdaten und den Orientierungsdaten ausgewertet wird, um eine serverseitige Punktwolke zu erstellen. Die serverseitige Punktwolke wird insbesondere mittels eines SLAM (Simultaneous Localization and Mapping) -Algorithmus im Server erstellt. Das Erstellen einer Punktwolke anhand von Bildern ist an sich bekannt, nicht jedoch, dass hierzu die Bewegungsdaten und die Orientierungsdaten des mobilen Gerätes genutzt werden. Aufgrund der Tatsache, dass serverseitig zum einen größere Rechenleistung zur Verfügung steht und zum anderen zur Erstellung der Punktwolke eine Latenz zulässig ist, wird die serverseitig erstellte Punktwolke in der Regel die Umgebung besser abbilden, als eine mobilstationsseitig erstellte Punktwolke. Mit Hilfe der serverseitigen Punktwolke wird eine Umgebungskarte zumindest in Teilen erstellt. To create the environment map, it is now proposed that the received image is evaluated on the server side together with the movement data and the orientation data in order to create a point cloud on the server side. The server-side point cloud is created in particular in the server by means of a SLAM (simultaneous localization and mapping) algorithm. The creation of a point cloud on the basis of images is known per se, but not that the movement data and the orientation data of the mobile device are used for this. Due to the fact that on the server side there is greater computing power available and on the other hand latency is permitted to create the point cloud, the point cloud created on the server side will generally map the environment better than a mobile station side created point cloud. With the help of the server-side point cloud, a map of the surroundings is at least partially created.
Bei der serverseitigen Auswertung des empfangenen Bildes werden sowohl die Bewegungsdaten als auch die Orientierungsdaten verwendet» insbesondere kann hiermit eine Transformation der erfassten Punkte in dem Bild in Punktkoordinaten in einem globalen Koordinatensystem errechnet werden. In the server-side evaluation of the received image both the transaction data and the orientation data used "in particular can herewith a transformation of the detected points are calculated in the image point coordinates in a global coordinate system.
Die Bewegungsdaten können auch als IMU-Daten (inertial measurement data) verstanden werden. Die Orientierungsdaten können auch als pose-transform-Daten verstanden werden. The movement data can also be understood as IMU data (inertial measurement data). The orientation data can also be understood as pose transform data.
Die serverseitig erstellte serverseitige Punktwolke ist höher aufgelöst und weist eine höhere Genauigkeit auf, als eine mobilstationsseitig erstellte Punktwolke. Die höhere Auflösung ist insbesondere durch mehr Rechenleistung und größere The server-side point cloud created has a higher resolution and is more accurate than a point cloud created on the mobile station. The higher resolution is particularly due to more computing power and larger
Rechengenauigkeit begründet, sowie der Tatsache, dass serverseitig Daten von einer Vielzahl an Bildern aus ganz unterschiedlichen Zeitpunkten, die auch Stunden, Tage oder Wochen auseinander liegen, genutzt werden können, um die Punktwolke laufend zu ergänzen und/oder anzupassen. Die größere Genauigkeit ist damit begründet, dass Merkmale in Bildern mit serverseitig verschiedensten Algorithmen detektiert werden können, um so eine dreidimensionale Struktur innerhalb des Raumes anhand einer Abfolge von Bildern durch Punktkoordinaten beschreiben zu können. Computational accuracy, as well as the fact that server-side data from a large number of images from very different times, which are also hours, days or weeks apart, can be used to continuously add and / or adapt the point cloud. The greater accuracy is due to the fact that features in images can be detected using a wide variety of algorithms on the server side, in order to be able to describe a three-dimensional structure within the space using a sequence of images using point coordinates.
Gemäß einem Ausführungsbeispiel wird vorgeschlagen, dass zusätzlich serverseitig eine durch das mobile Gerät erstellte mobilstationsseitige Punktwolke empfangen wird und diese mobilstationsseitige Punktwolke mit der serverseitigen Punktwolke vereint wird, um eine neue serverseitige Punktwolke zu bestimmen. Da in dem Mobilgerät bereits mit Hilfe von entsprechenden Rechenverfahren eine Punktwolke erstellt wurde, kann diese dazu genutzt werden, die serverseitig errechnete According to one exemplary embodiment, it is proposed that a point cloud created on the mobile station side by the mobile device is additionally received on the server side and this point cloud on the mobile station side is combined with the server-side point cloud in order to determine a new server-side point cloud. Since a point cloud has already been created in the mobile device with the aid of appropriate computing methods, this can be used to calculate the point calculated on the server side
Punktwolke anzureichen. Durch ein Vereinen der mobilstationsseitig errechneten Punktwolke mit der serverseitigen Punktwolke wird die neue serverseitige Submit point cloud. Calculated by combining the mobile station side Point cloud with the server-side point cloud becomes the new server-side
Punktwolke robuster und genauer.  Point cloud more robust and precise.
Gemäß einem Ausführungsbeispiel wird vorgeschlagen, dass Punktkoordinaten eine Punktwolke repräsentieren, wobei Punkte der Punktwolke jeweils einer der According to one exemplary embodiment, it is proposed that point coordinates represent a point cloud, points of the point cloud each being one of the
Punktkoordinaten entsprechen. Mit Hilfe der Punkte bzw. der Punktkoordinaten können Objekte, respektive besondere Merkmale von Objekten, hinsichtlich ihrer Position im Raum beschrieben werden.  Correspond to point coordinates. With the help of the points or the point coordinates, objects, or rather special features of objects, can be described with regard to their position in space.
Dabei wird vorgeschlagen, dass Punktkoordinaten durch Vektoren repräsentiert werden. Der Ursprung des Vektors kann einerseits ein globalgültiger Ursprung sein und andererseits ist es möglich, dass abhängig von erkannten Punkten oder definierten Ankern jeweils Vektoren zu Punktkoordinaten bestimmt werden. Hierbei ist es möglich, dass beispielsweise GPS-Koordinaten genutzt werden, um den It is proposed that point coordinates are represented by vectors. The origin of the vector can, on the one hand, be a globally valid origin and, on the other hand, it is possible for vectors to be determined in each case as point coordinates depending on recognized points or defined anchors. It is possible that, for example, GPS coordinates are used to the
Ursprung eines Vektors zu repräsentieren. Die Punktkoordinaten stellen in einem global gültigen Raum Punkte dar, die reale Objekte repräsentieren. To represent the origin of a vector. In a globally valid space, the point coordinates represent points that represent real objects.
Eine Oberfläche eines realen Objekts kann mit einer Mehrzahl von Punkten im dreidimensionalen Raum beschrieben werden. Abhängig vom A surface of a real object can be described with a plurality of points in three-dimensional space. Depending on the
Auswertungsalgorithmus ist die Positionierung der Punkte mehr oder minder genau. Durch eine serverseitige Auswertung der Orientierungsdaten als auch der Evaluation algorithm is the positioning of the points more or less accurate. Through a server-side evaluation of the orientation data as well as the
Bewegungsdaten zusammen mit den Bildern der Kamera können die Punkte mit einer höheren Genauigkeit und einer größeren Dichte bestimmt werden als dies Motion data along with the images from the camera can determine the points with greater accuracy and greater density than this
mobilstationsseitig möglich ist, um so die serverseitige Punktwolke zur Bestimmung der U mgebungskarte robuster und genauer zu gestalten. is possible on the mobile station side in order to make the server-side point cloud for determining the environment map more robust and precise.
Gemäß einem Ausführungsbeispiel wird vorgeschlagen, dass beim Vereinen der mobilstationsseitigen Punktwolke mit der serverseitigen Punktwolke die Punkte der serverseitigen Punktwolke um die Punkte der mobilstationsseitigen Punkte zumindest teilweise ergänzen werden. Hierbei ist es möglich, die Punkte der mobilstationsseitigen Punktwolke serverseitig zu Wichten und nur Punkte mit einer Wichtung über einem Grenzwert der serverseitigen Punkte hinzuzufügen. Dabei kann eine Dichte der Punkte in einem Bereich relevant sein für die Wichtung der einzelnenAccording to one exemplary embodiment, it is proposed that when the point cloud on the mobile station side is combined with the point cloud on the server side, the points on the server side point cloud are at least partially supplemented by the points on the mobile station side points. It is possible to weight the points of the point cloud on the server side and only points with one Add weighting above a threshold of server-side points. A density of the points in an area can be relevant for the weighting of the individual
Punkte in diesem Bereich. Points in this area.
Auch ist es möglich, dass die Punktkoordinaten der Punkte der serverseitigen It is also possible that the point coordinates of the points of the server side
Punktwolke mit Hilfe der Punktkoordinaten der Punkte der mobilstationsseitigen Punktwolke und/oder umgekehrt zumindest teilweise umgerechnet werden. So ist es beispielsweise möglich, dass ein Merkmal in einem Bild serverseitig durch einen Punkt mit Punktkoordinaten repräsentiert wird, dass mobilstationsseitig durch einen Punkt mit Punktkoordinaten referenziert wurde, welche nur marginal von den Punktko or di naten des serverseitigen Punktes abweichen. In einem solchen Fall kann beispielsweise durch Interpolation, Mittelung oder anderer Rechenverfahren aus zwei Punkten ein neuer Punkt berechnet werden und dessen Punktkoordinaten können für die neue serverseitige Punktwolke verwendet werden.  Point cloud can be at least partially converted using the point coordinates of the points of the point cloud on the mobile station side and / or vice versa. For example, it is possible that a feature in an image is represented on the server side by a point with point coordinates, that on the mobile station side it was referenced by a point with point coordinates that differ only marginally from the point coordinates of the server-side point. In such a case, a new point can be calculated from two points, for example by interpolation, averaging or other calculation methods, and its point coordinates can be used for the new server-side point cloud.
Gemäß einem Ausführungsbeispiel wird vorgeschlagen, dass die Punktkoordinaten der Punkte der mobilstationsseitigen Punktwolke mit Hilfe der serverseitig According to one exemplary embodiment, it is proposed that the point coordinates of the points of the point cloud on the mobile station side be used with the help of the server side
ausgewerteten Bewegungsdaten korrigiert werden. Die Bewegungsdaten können serverseitig mit größerer Genauigkeit ausgewertet werden, als dies evaluated movement data can be corrected. The movement data can be evaluated on the server side with greater accuracy than this
mobilstationsseitig möglich ist. Insbesondere kann durch einen Abgleich der Daten der Bewegungssensoren mit Bilddaten, eine Korrektur der Bewegungsdaten serverseitig erfolgen. Die so optimierten Bewegungsdaten können verwendet werden, um die Punktkoordinaten der Punkte der mobilstationsseitigen Punktwolke zu korrigieren. Die Punktkoordinaten der Punkt der mobilstationsseitigen Punktwolke wurden mobilstationsseitig anhand der mobilstationsseitig erfassten und is possible on the mobile station side. In particular, the movement data can be corrected on the server side by comparing the data of the movement sensors with image data. The movement data optimized in this way can be used to correct the point coordinates of the points of the point cloud on the mobile station side. The point coordinates of the point of the point cloud on the mobile station side were recorded on the mobile station side using the and
ausgewählten Bewegungsdaten als auch der mobilstationsseitig erfassten und ausgewählten Orientierungsdaten mobilstationsseitig berechnet. Durch Rechenfehler kann hierbei eine Drift entstehen, aufgrund derer die Punktkoordinaten mit zunehmender Dauer der Erfassung der Punkte relativ zueinander und/oder zu einem gemeinsamen Ursprung ungenauer werden. Das heißt, dass in einem globalen selected movement data and the orientation data acquired and selected orientation data on the mobile station side are calculated. Computational errors can result in a drift, due to which the point coordinates become inaccurate with increasing duration of the acquisition of the points relative to one another and / or to a common origin. That means that in a global
Koordinatensystem die Punktkoordinaten mit zunehmender Dauer der Erfassung der Punkte weniger exakt sind. Durch ein Anpassen anhand der serverseitig ausgewerteten Bewegungsdaten kann dieser Drift entgegen gewirkt werden. Coordinate system the point coordinates with increasing duration of the acquisition of the Points are less exact. This drift can be counteracted by adapting on the basis of the movement data evaluated on the server side.
Selbes gilt für Orientierungsdaten, welche serverseitig empfangen werden und serverseitig ausgewertet werden. Anhand dieser serverseitig ausgewerteten The same applies to orientation data, which are received on the server side and evaluated on the server side. Based on this evaluated on the server side
Orientierungsdaten können die mobilstationsseitig erfassten Punktkoordinaten ebenfalls korrigiert werden.  Orientation data can also be used to correct the point coordinates recorded on the mobile station side.
Gemäß einem Ausführungsbeispiel wird vorgeschlagen, dass die serverseitig empfangenen Orientierungsdaten serverseitig mit Hilfe der empfangenen According to one exemplary embodiment, it is proposed that the orientation data received on the server side be used on the server side with the aid of the received
Bewegungsdaten korrigiert werden. Durch die Bewegungsdaten ist es möglich, Fehler in den Orientierungsdaten auszugleichen und umgekehrt. Movement data are corrected. The movement data make it possible to compensate for errors in the orientation data and vice versa.
Gemäß einem Ausführungsbeispiel wird vorgeschlagen, dass in dem empfangenen Bild eine Merkmalserkennung und/oder eine Merkmalsbeschreibung durchgeführt wird. Sogenannte„feature detection" und„feature description" ist an sich bekannt. Insbesondere werden MOPS- oder SIFT-Verfahren hierfür eingesetzt. Durch die serverseitige Auswertung des Bildes ist es möglich, Merkmalsbeschreibungen zu optimieren. Sogenannte Deskriptoren„descriptors" (Merkmalsbeschreibungen] können durch Lernalgorithmen optimiert werden. Zur Merkmalsbeschreibung ist es möglich, die Punktkoordinaten serverseitig auszuwerten und anhand der Auswertung, insbesondere mittels deep-learning-Algorithmen, optimale Deskriptoren zu finden. Merkmalsbeschreibungen sind insbesondere solche Merkmale, die invariant sind, insbesondere gegenüber Rotation, Translation, Panning, Zooming, Lichtveränderung und/oder dergleichen. According to one exemplary embodiment, it is proposed that feature recognition and / or feature description be carried out in the received image. So-called "feature detection" and "feature description" are known per se. In particular, MOPS or SIFT processes are used for this. By evaluating the image on the server side, it is possible to optimize feature descriptions. So-called descriptors "descriptors" (feature descriptions) can be optimized by learning algorithms. To describe the features, it is possible to evaluate the point coordinates on the server side and to find optimal descriptors on the basis of the evaluation, in particular by means of deep-learning algorithms. Feature descriptions are in particular those features that are invariant are, in particular with respect to rotation, translation, panning, zooming, light change and / or the like.
Gemäß einem Ausführungsbeispiel wird vorgeschlagen, dass serverseitig in dem empfangen Bild ein bündle adjustment durchgeführt wird. According to one embodiment, it is proposed that a bundle adjustment is carried out on the server side in the received image.
Dadurch, dass die Punktwolke serverseitig gespeichert wird und insbesondere persistent ist, kann sie mit Punktwolken weiterer mobiler Geräte verglichen werden. Auch ist es möglich, umfangreiche Analysen der Punktwolke durchzuführen, um gegebenenfalls in der empfangenen mobilstationsseitigen Punktwolke eine Because the point cloud is stored on the server side and is particularly persistent, it can be compared with point clouds of other mobile devices. It is also possible to carry out extensive analyzes of the point cloud, in order to possibly find a point cloud in the received mobile station-side point cloud
Ausreisserentfernung durchzuführen. Hier ist es möglich, derartige Punkte zu identifizieren, die mit einer hohen Wahrscheinlichkeit fehlerhaft erkannt wurden. Insbesondere kann eine statistische Auswertung erfolgen, sodass Ausreisser detektiert werden, welche aufgrund fehlerhafter Bildauswertung entstanden sind und nicht durch Objekte im Raum bedingt sind.  Perform outlier removal. Here it is possible to identify such points that have a high probability of being incorrectly identified. In particular, a statistical evaluation can take place, so that outliers are detected which have arisen due to incorrect image evaluation and are not caused by objects in the room.
Die mobilstationsseitige Punktwolke wird mittels visueller bewegungsgebundener Odometrie (visual-inertia odometry) erstellt. The point cloud on the mobile station side is created by means of visual motion-bound odometry (visual-inertia odometry).
Problematisch bei rein mobilstationsgebundenen Punktwolken ist das sogenannte „loop closure", das heißt, das Wiedererkennen von zuvor detektierten Punkten und zuvor besuchten Orten innerhalb einer AR Sitzung. Durch eine serverseitige The problem with purely point cloud-bound point clouds is the so-called "loop closure", that is, the recognition of previously detected points and previously visited locations within an AR session
Punktwolke kann ein loop closure bestimmt werden. Insbesondere ist es möglich, bereits zuvor detektierte Bilder und/oder Punkte zu erkennen und hieraus zu schließen, dass ein sogenanntes„loop closure" erfolgt ist. Point cloud, a loop closure can be determined. In particular, it is possible to recognize previously detected images and / or points and to conclude from this that a so-called “loop closure” has taken place.
Ist ein loop closure serverseitig berechnet worden, kann eine Drift an If a loop closure has been calculated on the server side, a drift can occur
Punktkoordinaten und Punkten der mobilstationsseitig bestimmten Punktwolke korrigiert werden. Hierbei ist es möglich, die Gesamtdrift eines geschlossenen Ringes (loop closure) zu bestimmen und hieraus rückwirkend einzelne Punktkoordinaten der Punkte der Punktwolke um die Drift oder einen Bruchteil der Drift zu verschieben. Die Verschiebung kann abhängig von einem Verschiebungsvektor sein, der durch die Drift bestimmt ist. Der Betrag des Verschiebungsvektors kann mit zunehmendem Point coordinates and points of the point cloud determined on the mobile station side are corrected. It is possible to determine the total drift of a closed ring (loop closure) and to use this to retroactively shift individual point coordinates of the points of the point cloud by the drift or a fraction of the drift. The shift can be dependent on a shift vector which is determined by the drift. The amount of the displacement vector can increase with increasing
zeitlichem Abstand zu dem Bild, in dem das loop closure detektiert wurde, abnehmen. decrease the time interval to the image in which the loop closure was detected.
Auch ist es möglich, dass serverseitig das Bild ausgewertet wird. Hierbei können insbesondere Kontrast, Helligkeit, Schärfe, Tiefenschärfe und dergleichen serverseitig ausgewertet werden und Einstellungsdaten abhängig davon für die mobilstationsseitige Kamera bestimmt werden. Solche Einstellungsdaten können dann an das mobile Gerät übermittelt werden, um dort die Kamera einzustellen, so dass die Bildinformationen für das Berechnen der Punktwolke optimiert sind. It is also possible that the image is evaluated on the server side. In particular, contrast, brightness, sharpness, depth of field and the like can be evaluated on the server side and setting data depending on this for the be determined on the mobile station side camera. Such setting data can then be transmitted to the mobile device in order to set the camera there, so that the image information is optimized for calculating the point cloud.
Auch wird vorgeschlagen, dass die serverseitige Punktwolke, insbesondere die neue serverseitige Punktwolke an das mobile Gerät übermittelt wird. Hierdurch ist es möglich, die in dem Mobilgerät vorhandene Punktwolke zu ersetzen oder zu optimieren. Auch ist es möglich, dass eine solche Punktwolke an Geräte übermittelt wird, in denen mobilstationsseitig überhaupt keine Punktwolke berechnet werden kann. Nur anhand der Bildinformationen sowie der Bewegungs- und It is also proposed that the server-side point cloud, in particular the new server-side point cloud, be transmitted to the mobile device. This makes it possible to replace or optimize the point cloud present in the mobile device. It is also possible for such a point cloud to be transmitted to devices in which no point cloud can be calculated at all on the mobile station side. Only based on the image information as well as the movement and
Orientierungsdaten kann ein mobiles Gerät zur Bestimmung von Punktwolken beitragen und Punktwolken empfangen.  A mobile device can contribute to the determination of point clouds and receive point clouds.
Eine Lokalisierung des mobilen Geräts im Raum kann dann durch Abgleich der aktuellen Punkte in einem Bild mit Punkten in der Punktwolke erfolgen. Liegt eine Übereinstimmung vor, kann daraus die Position des Gerätes bestimmt werden, ohne dass das Gerät selber Positionsinformationen erfassen muss. The mobile device can then be located in space by comparing the current points in an image with points in the point cloud. If there is a match, the position of the device can be determined therefrom without the device itself having to record position information.
Zur Bestimmung von Vektorursprüngen ist es möglich, die serverseitige Punktwolke mit Ankern anzureichern. Anker können relativ zu Punkten in der Punktwolke gesetzt werden. To determine vector origins, it is possible to anchor the server-side point cloud with anchors. Anchors can be placed relative to points in the point cloud.
Gemäß einem Ausführungsbeispiel wird vorgeschlagen, dass die serverseitige According to one embodiment, it is proposed that the server side
Punktwolke von einem mobilen Gerät empfangen wird und dass in dem mobilen Gerät eine Augmented Reality Anwendung mit der empfangenen Punktwolke initialisiert wird. Somit liegt zu Beginn einer AR-Anwendung bereits eine Information zu der Umgebung in Form einer Punktwolke vor. Point cloud is received by a mobile device and that an augmented reality application is initialized with the received point cloud in the mobile device. At the beginning of an AR application, information about the environment is already available in the form of a point cloud.
Auch ist es möglich, dass serverseitig von einer Mehrzahl von mobilen Geräten mobilstationsseitige Punktwolken empfangen werden und dass die empfangenen mobilstationsseitigen Punktwolken verwendet werden, um die serverseitige Punktwolke anzupassen. Hierbei wird ausgenutzt, dass von einer Vielzahl von GerätenIt is also possible for server-side point clouds to be received by a plurality of mobile devices on the server side and for the point-point clouds received on the mobile station side to be used for the server side Adjust point cloud. This takes advantage of a variety of devices
Punktwolken von einer bestimmten Umgebung bestimmt werden. Diese Vielzahl der Punktwolken können serverseitig in die serverseitige Punktwolke integriert werden, um diese robuster und genauer zu machen. Point clouds can be determined from a specific environment. This large number of point clouds can be integrated on the server side into the server-side point cloud in order to make them more robust and precise.
Auch ist es möglich, Merkmale abhängig von einem semantischen Umfeld der It is also possible to depend on a semantic environment of the characteristics
Anwendung zu detektieren. So ist es möglich, serverseitig zumindest zwei Instanzen der Punktwolken zu bestimmen und in jeder Instanz zumindest ein Merkmal durch Merkmalserkennung und/oder Merkmalsbeschreibung anzulernen. Einer jeweiligen Instanz samt der angelernten Merkmale kann an ein mobiles Gerät übermittelt werden. Detect application. It is thus possible to determine at least two instances of the point clouds on the server side and to learn at least one feature in each instance by means of feature recognition and / or feature description. A respective instance together with the learned features can be transmitted to a mobile device.
Durch die serverseitig bestimmte Punktwolke ist es möglich, die Position eines mobilen Gerätes zu bestimmen. Hierbei kann eine Punktwolke eines mobilen Gerätes mit der serverseitigen Punktwolke verglichen werden. Insbesondere können die in einem aktuellen Bild erfassten Punkte mit Punkten der Punktwolke verglichen werden und bei einer Übereinstimmung kann eine Positionierung des mobilen Gerätes in der durch die Punktwolke bestimmten virtuellen Umgebung erfolgen. The point cloud determined on the server side makes it possible to determine the position of a mobile device. A point cloud of a mobile device can be compared with the server-side point cloud. In particular, the points recorded in a current image can be compared with points of the point cloud, and if there is a match, the mobile device can be positioned in the virtual environment determined by the point cloud.
Nachfolgend wird der Gegenstand anhand einer Ausführungsbeispiele zeigenden Zeichnung näher erläutert. In der Zeichnung zeigen: The subject is explained in more detail below with reference to a drawing showing exemplary embodiments. The drawing shows:
Fig. 1 ein System zur Bestimmung einer Umgebungskarte; 1 shows a system for determining an area map;
Fig.2 eine Darstellung von Merkmalen und deren Erkennung in Bildern sowie einer Zuordnung zu Punkten/Punktkoordinaten; 2 shows a representation of features and their recognition in images and an assignment to points / point coordinates;
Fig. 3 eine Anordnung zur Erfassung von Bewegungsdaten, Orientierungsdaten und/oder Punktwolken eines mobilen Gerätes; 3 shows an arrangement for recording movement data, orientation data and / or point clouds of a mobile device;
Flg. 4 ein Ablauf zu Bestimmung einer serverseitigen Punktwolke; Fig. 5 ein Ablauf einer loop closure; Flg. 4 shows a process for determining a server-side point cloud; 5 shows a sequence of a loop closure;
Fig. 5a, b ein Anpassen mobilstationsseitiger Punktkoordinaten abhängig von einer 5a, b an adaptation of point coordinates on the mobile station as a function of one
Drift;  Drift;
Fig. 6 ein Ablauf zur Optimierung einer mobilstationsseitigen Punktwolke; 6 shows a process for optimizing a point cloud on the mobile station side;
Fig. 7 ein Ablauf zur Erstellung von Einstelldaten für ein Mobilgerät; 7 shows a sequence for creating setting data for a mobile device;
Fig. 8 ein Verfahren zur Übermittlung einer Punktwolke an ein Mobilgerät; 8 shows a method for transmitting a point cloud to a mobile device;
Fig. 9 ein Verfahren zur Positionsbestimmung eines mobilen Gerätes. 9 shows a method for determining the position of a mobile device.
Mit Hilfe des gegenständlichen Verfahrens ist es möglich, basierend auf With the help of the objective method it is possible to based on
mobilstationsseitig erfassten Bewegungsdaten, Orientierungsdaten und/oder Punktwolken eine zentrale Punktwolke zu erstellen, um somit Movement data, orientation data and / or point clouds recorded on the mobile station side in order to create a central point cloud
Positionierungsaufgaben optimiert zu lösen. Solving positioning tasks in an optimized manner.
Auf einem mobilen Gerät kann eine visuelle und regressgestützte Odometrie zur Erstellung einer mobilstationsseitigen Punktwolke durchgeführt werden. Dies ist hinlänglich bekannt und wird beispielsweise durch Programmierschnittstellen, wie beispielsweise ARKit von Apple® sowie ARCore von Google® unterstützt. Nachteilig an den lokalen Verfahren ist, dass diese zwar ein gutes relatives Positioniervermögen haben, jedoch in großräumigen Umgebungen fehlerhafte Positionierungen Visual and regress-based odometry can be carried out on a mobile device to create a point cloud on the mobile station side. This is well known and is supported, for example, by programming interfaces such as ARKit from Apple ® and ARCore from Google®. A disadvantage of the local methods is that although they have a good relative positioning ability, they do not position correctly in large-scale environments
durchführen und weder robust noch akkurat genug sind, um diese industriellen Anwendungen zuführen zu können. Außerdem sind die mobilstationsseitigen and are neither robust nor accurate enough to deliver these industrial applications. In addition, the mobile station side
Punktwolken limitiert, insbesondere aufgrund eines limitierten Speichers als auch aufgrund limitierter Rechenleistung. Daher liegt dem Gegenstand der Gedanke zugrunde, die mobilstationsseitig erfassten Informationen serverseitig so aufzubereiten, dass eine Umgebungskarte und eine Positionierung darin auch in großen Umgebungen über eine Vielzahl von Point clouds limited, in particular due to a limited memory and also due to limited computing power. Therefore, the object of the idea is to prepare the information acquired on the mobile station side on the server side in such a way that an environment map and a positioning therein, even in large environments, over a large number of
Mobilgeräten mit einer hohen Genauigkeit und großen Robustheit möglich ist.  Mobile devices with high accuracy and great robustness is possible.
Es wird vorgeschlagen, dass serverseitig die von einer mobilstationsseitig It is proposed that the server side of a mobile station side
durchgeführten Odometrie verfügbaren Daten genutzt und angereichert werden. Hierzu sind Mobilstationen 2 über ein Weitverkehrsnetz 4 mit einem zentralen Server 6 verbunden, wie in Fig. 1 gezeigt. Eine bidirektionale Kommunikation ist möglich.  available odometry can be used and enriched. For this purpose, mobile stations 2 are connected to a central server 6 via a wide area network 4, as shown in FIG. 1. Bi-directional communication is possible.
Gegenständlich werden von den Mobilstationen 2 an den Server 6 über das Subject are from the mobile stations 2 to the server 6 via the
Weitverkehrsnetz 4 zumindest Bewegungsdaten und Orientierungsdaten übermittelt. Darüber hinaus kann auch eine Übermittlung der Punktwolke, insbesondere der sogenannten„raw feature points" übermittelt werden. Die Bewegungsdaten werden auch als IMU (inertial measurement stater) beschrieben und die Orientierungsdaten werden auch als pose transform Daten beschrieben. Wide area network 4 transmits at least movement data and orientation data. In addition, a transmission of the point cloud, in particular the so-called “raw feature points”, can also be transmitted. The movement data are also described as IMU (inertial measurement stater) and the orientation data are also described as pose transform data.
Serverseitig wird mit den empfangenen Daten in einem SLAM-System (Simultaneous Localization and Mapping] eine serverseitige Punktwolke errechnet. Zur Erstellung der Punktwolke ist es notwendig, Punkten Punktkoordinaten über Vektoren zuzuordnen. Hierzu wird eine Auswertung der Bildinformationen, der A server-side point cloud is calculated on the server side with the received data in a SLAM system (Simultaneous Localization and Mapping). To create the point cloud, it is necessary to assign point coordinates to points via vectors
Orientierungsinformationen und der Bewegungsinformationen durchgeführt. Dies ist schematisch in der Figur 2 dargestellt. Orientation information and movement information performed. This is shown schematically in FIG. 2.
Fig. 2 zeigt eine Szene, bei der drei markante Punkte 8 detektierbar sind. Solche markante Punkte 8 können durch Merkmale beschrieben werden, die über geeignete Merkmalsbeschreibung (descriptors) detektierbar sind. Die Merkmale der Punkte 8 sind insbesondere invariant gegenüber Veränderungen, wie beispielsweise Bewegung, Lichtveränderung, Panning, Zoom oder dergleichen. Auch ist es möglich, solche Merkmalsdeskriptoren zu definieren, die eine höherrangige Invarianz aufweisen. In einem ersten Bild 10 sind die Punkte 8 in einer bestimmten Anordnung zueinander dargestellt. Anhand der Orientierungsdaten 12 ist es möglich, den Punkten nicht nur2 shows a scene in which three striking points 8 can be detected. Such striking points 8 can be described by features that can be detected via a suitable description of the features (descriptors). The features of points 8 are, in particular, invariant to changes such as movement, light change, panning, zoom or the like. It is also possible to define those feature descriptors that have a higher-ranking invariance. In a first image 10, the points 8 are shown in a specific arrangement to one another. On the basis of the orientation data 12, it is possible not only to score the points
Koordinaten innerhalb des Bildes 10 zuzuordnen, sondern gegebenenfalls auch Koordinaten, die durch Vektoren 14 mit zumindest einem gemeinsamen Ursprung 16 beschrieben werden können. Dies ist insbesondere dann möglich, wenn neben den Orientierungsdaten 12 auch Bewegungsdaten 16 erfasst werden und beispielsweise in einem zweiten Bild 10 mit anderen Orientierungsdaten 12 die gleichen Punkte 8 in einer anderen Zuordnung zueinander detektiert werden. Die Veränderung der Punkte 8, insbesondere deren relative Zuordnung zueinander in den Bildern 10, zusammen mit den Orientierungsinformationen 12 und den Bewegungsinformationen 16 ermöglicht es, mobilstationsseitig und/oder serverseitig die Vektoren 14 der Assign coordinates within the image 10, but possibly also coordinates that can be described by vectors 14 with at least one common origin 16. This is possible in particular if, in addition to the orientation data 12, movement data 16 are also recorded and, for example, the same points 8 are detected in a different association with one another in a second image 10 with other orientation data 12. The change of the points 8, in particular their relative allocation to one another in the images 10, together with the orientation information 12 and the movement information 16 makes it possible to use the vectors 14 of the mobile station and / or server side
Punktkoordinaten der Punkte 8 zu errechnen. To calculate point coordinates of points 8.
Hierbei wird insbesondere ein kartesisches Koordinatensystem 18 eingesetzt, wobei die y-Achse parallel zur Gravitation, die x-Achse parallel zur Waagerechten und die z- Achse senkrecht auf der durch die x- und y-Achse aufgespannten Ebene steht. Die Vektoren 14 sind insbesondere dreidimensionale Vektoren. Über die In this case, a Cartesian coordinate system 18 is used in particular, the y axis being parallel to gravity, the x axis being parallel to the horizontal and the z axis being perpendicular to the plane spanned by the x and y axes. The vectors 14 are in particular three-dimensional vectors. About the
Orientierungsinformation 12 und die Bewegungsinformation 16 kann ein Orientation information 12 and the movement information 16 can be one
Transformationstensor, mit dem aus den lokalen in dem Bild erfassten Positionen der Punkte die global gültigen Vektoren 14 errechnet werden können, bestimmt werden. Transformation tensor with which the globally valid vectors 14 can be calculated from the local positions of the points recorded in the image.
Gegenständlich wird von einer Mobilstation 2 zunächst jeweils ein Bild 10, die dazugehörige Orientierungsdaten 12 und die zwischen zwei Bildern 10 erfassten Bewegungsdaten 16, wie in Fig. 3 gezeigt, an den Server 6 übermittelt. In dem Server 6 wird der so erhaltende Bilddatenstrom ausgewertet und mittels eines SLAM-Systems eine serverseitige Punktwolke berechnet. Objectively, a mobile station 2 first transmits an image 10, the associated orientation data 12 and the movement data 16 captured between two images 10, as shown in FIG. 3, to the server 6. The image data stream thus obtained is evaluated in the server 6 and a server-side point cloud is calculated using a SLAM system.
Da serverseitig zum einen eine höhere Rechenleistung zur Verfügung steht und auch die Speicherkapazität im Grunde unbegrenzt ist, kann die Anzahl der Punkte einer Punktwolke ebenso nahezu unbegrenzt sein. Dies ermöglicht es, eine Punktwolke für eine große Umgebung basierend auf Informationen von einem oder mehreren mobilen Geräten 2 zu bestimmen. Dabei wird beispielsweise vorgeschlagen, dass in einem Schritt 20 von zumindest einem mobilen Gerät 2 Orientierungsdaten 12, Bewegungsdaten 16 und Bilder 10 empfangen werden. Nach dem Empfang wird beispielsweise eine Merkmalserkennung durchgeführt und Punkte anhand von Merkmalsbeschreibungen detektiert. Die so detektierten Punkte werden extrahiert 22. Since a higher computing power is available on the server side and the storage capacity is basically unlimited, the number of points in a point cloud can also be almost unlimited. This enables a point cloud for a large environment based on information from one or more to determine mobile devices 2. It is proposed, for example, that orientation data 12, movement data 16 and images 10 are received in at least one mobile device 2 in step 20. After receiving, for example, feature recognition is carried out and points are detected on the basis of feature descriptions. The points thus detected are extracted 22.
Anschließend kann eine Bewertung der Merkmalsbeschreibungen im Schritt 24 durchgeführt werden. Schließlich wird aus den extrahierten Punkten eine Punktwolke 30 im Schritt 26 bestimmt. Diese Punktwolke 30 wird serverseitig in einem Speicher abgelegt. Die Punktwolke 30 ist gebildet aus einer Mehrzahl von Punkten, die einen eindeutigen Kenner und zumindest Punktkoordinaten aufweisen. An evaluation of the feature descriptions can then be carried out in step 24. Finally, a point cloud 30 is determined in step 26 from the extracted points. This point cloud 30 is stored on the server side in a memory. The point cloud 30 is formed from a plurality of points which have a unique identifier and at least point coordinates.
Die serverseitig errechnete Punktwolke 30 basiert insbesondere auf einer Mehrzahl von Informationen von beispielsweise einer Mehrzahl verschiedener Mobilgeräte. Zur Positionserkennung ist es nun möglich, mobilstationsseitig erkannte Punkte mit den Punkten der Punktwolke zu vergleichen. Bei einer Übereinstimmung kann dann eine Positionsbestimmung des mobilen Gerätes erfolgen, indem wiederum über die Orientierungsdaten 12 ausgehend von den erkannten Punkten, die Position des Mobilgeräts 2 in der Punktwolke und mithin der realen Umgebung bestimmt werden kann. The point cloud 30 calculated on the server side is based in particular on a plurality of information from, for example, a plurality of different mobile devices. For position detection, it is now possible to compare points detected on the mobile station side with the points of the point cloud. If there is a match, the position of the mobile device can then be determined by again using the orientation data 12, based on the recognized points, to determine the position of the mobile device 2 in the point cloud and thus the real environment.
Da die serverseitige Punktwolke 30 robuster und genauer ist, ist die Since the server-side point cloud 30 is more robust and precise, it is
Positionsbestimmung ebenfalls genauer. An den Schritt 20 kann bei der Auswertung, wie in der Fig. 5a dargestellt ein Schritt 32 anschließen. In diesem Schritt 32 erfolgt ein Vergleich bisher erfasster Bilder 10 und Punkte 8 mit solchen der serverseitigen Punktwolke, um beispielsweise ein loop closure durchzuführen. Mit Hilfe dieses loop closures ist es möglich, festzustellen, ob sich ein Mobilgerät 2 nach einer bestimmten Zeit an einer gleichen Position befindet und/oder gleiche Merkmale in einem Bild zu erkennen sind. Dies ist insbesondere von Interesse, um eine Drift, die sich nach einer Weile einstellt, zu korrigieren. Die nach der Erfassung der loop closure (32) erfassten Punkte werden im Schritt 34 zu der Punktwolke 30 hinzugefügt. Position determination also more accurate. Step 20 can be followed by step 32 during the evaluation, as shown in FIG. 5a. In this step 32, images 10 and points 8 recorded so far are compared with those of the server-side point cloud, for example in order to carry out a loop closure. With the help of this loop closures it is possible to determine whether a mobile device 2 is in a same position after a certain time and / or the same features can be recognized in an image. This is of particular interest to a drift that occurs after a Set a while to correct. The points recorded after the detection of the loop closure (32) are added to the point cloud 30 in step 34.
Wird ein loop closure detektiert, so ist es möglich, diese serverseitig detektierte Information zu verwenden, um eine mobilstationsseitige Drift in den Punkten der mobilstationsseitigen Punktwolke zu eliminieren. Hierzu wird in einem Schritt 36 zunächst festgestellt, um welchen Betrag sich die mobilstationsseitig errechnete Position des mobilen Gerätes 2, welche anhand der Bewegungsdaten 16 und If a loop closure is detected, it is possible to use this information detected on the server side in order to eliminate a drift on the mobile station side in the points of the point cloud on the mobile station side. For this purpose, a step 36 first determines the amount by which the position of the mobile device 2 calculated on the mobile station side, which is based on the movement data 16 and
Orientierungsdaten 12 ermittelt wurde, abweicht von der tatsächlichen Position des mobilen Gerätes 2. Da serverseitig erkannt wurde, dass das mobile Gerät 2 wieder in seiner Ursprungsposition angelangt ist, ist die Position relativ zum Anfang einer AR- Session eindeutig definiert. Weicht die mobilstationsseitig errechnete Position davon ab, liegt eine Drift vor, deren Betrag bestimmt werden kann (36). Mit Hilfe dieses serverseitig bestimmten Betrags der Drift ist es möglich, die Punkte der Orientation data 12 was determined, deviates from the actual position of the mobile device 2. Since it was recognized on the server side that the mobile device 2 has returned to its original position, the position relative to the start of an AR session is clearly defined. If the position calculated on the mobile station side deviates from this, there is a drift, the amount of which can be determined (36). With the help of this amount of drift determined on the server side, it is possible to determine the points of the
mobilstationsseitig berechneten Punktwolke anzupassen (38). adapt point cloud calculated on the mobile station side (38).
Dabei erfolgt eine Korrektur der Punktkoordinaten bzw. Vektoren 14 einzelner Punkte 8. Auch ist es möglich, eine mobilstationsseitig errechnete Punktwolke um serverseitig errechnete Punkte einer Punktwolke zu ergänzen. Hierzu wird die zwischen den Schritten 20 und 26 erstellte Punktwolke 30 erfasst. Darüber hinaus wird in einem Schritt 40 eine mobilstationsseitige Punktwolke empfangen. Die Punkte der mobilstationsseitig empfangenen Punktwolke können ergänzt, korrigiert oder in einer sonstigen Weise durch die serverseitig bestimmte Punktwolke 30 verändert werden. Die so optimierte Punktwolke 30 kann dann in einem Schritt 42 von dem Server 6 an das mobile Gerät 2 übermittelt werden. In this case, the point coordinates or vectors 14 of individual points 8 are corrected. It is also possible to supplement a point cloud calculated on the mobile station side with points of a point cloud calculated on the server side. For this purpose, the point cloud 30 created between steps 20 and 26 is recorded. In addition, a point cloud on the mobile station side is received in a step 40. The points of the point cloud received on the mobile station side can be supplemented, corrected or changed in some other way by the point cloud 30 determined on the server side. The point cloud 30 thus optimized can then be transmitted from the server 6 to the mobile device 2 in a step 42.
Da serverseitig eine Auswertung des Bildes 10 durchgeführt wird, wird nach dem Empfangen des Bildes 10 (20) im Schritt 24 eine Merkmalserkennung durchgeführt. Bei dieser Merkmalserkennung wird die Invarianz der Merkmale überprüft und insbesondere können Merkmale anhand von deep learning-Strategien definiert werden. Anschließend kann überprüft werden, ob die Merkmalserkennung in einem Bild 10 gut oder schlecht war (44) und hieraus abgeleitet werden, ob das erfasste Bild 10 in seiner Qualität für die Merkmalserkennung ausreichend gut war. Abhängig von dieser Auswertung kann in einem Schritt 46 zumindest ein Einstellparameter für die Kamera (Belichtung, Kontrast, Farbe und dergleichen) bestimmt werden und an das mobile Gerät 2 übermittelt werden. Dort kann die Kamera entsprechend eingestellt werden. Since the image 10 is evaluated on the server side, a feature recognition is carried out in step 24 after the image 10 (20) has been received. With this feature recognition, the invariance of the features is checked and, in particular, features can be defined using deep learning strategies. It can then be checked whether the feature recognition in an image 10 was good or bad (44) and from this it can be derived whether the quality of the captured image 10 was sufficiently good for the feature recognition. Depending on this evaluation, at least one setting parameter for the camera (exposure, contrast, color and the like) can be determined in a step 46 and transmitted to the mobile device 2. There the camera can be adjusted accordingly.
Auch ist es möglich, die mobilstationsseitig erfasste Orientierung zu optimieren. Hierzu wird nach dem Empfangen 20 eine Berechnung der Orientierungsdaten 12 in einem Schritt 48 serverseitig durchgeführt. Die Berechnung der Orientierungsdaten 12 kann dabei zum einen die von dem mobilen Gerät 2 empfangenen Bewegungsdaten 16 und Orientierungsdaten 12 nutzen und zum anderen kann einen Abgleich zwischen den mobilstationsseitig erfassten Punkten und den serverseitig vorhandenen Punkte der Punktwolke 30 erfolgen. So ist es beispielsweise möglich, dass die It is also possible to optimize the orientation detected on the mobile station side. For this purpose, after receiving 20, the orientation data 12 is calculated in a step 48 on the server side. The calculation of the orientation data 12 can, on the one hand, use the movement data 16 and orientation data 12 received from the mobile device 2, and, on the other hand, a comparison can be made between the points detected on the mobile station side and the points of the point cloud 30 on the server side. For example, it is possible that the
mobilstationsseitige Punktwolke bzw. die Punkte eines Bildes 10 in der serverseitigen Punktwolke 30 vorhanden sind, jedoch die Punktkoordinaten voneinander point cloud on the mobile station side or the points of an image 10 are present in the server-side point cloud 30, but the point coordinates from one another
abweichen. Es kann festgestellt werden, dass diese Abweichung der Punktkoordinaten aufgrund eines fehlerhaften Umrechnungstensors bestehen, welcher gegebenenfalls aufgrund einer fehlerhaften Orientierungsinformation des mobilen Gerätes 2 bestimmt wurde. Ist dies der Fall, kann in einem Schritt 50 eine Abschätzung der tatsächlichen Orientierung der Kamera des mobilen Geräts 2 berechnet werden. Diese Information kann an das Mobilgerät 2 zurück gesendet werden, welches seine differ. It can be determined that this deviation of the point coordinates exists due to an incorrect conversion tensor, which was possibly determined on the basis of incorrect orientation information of the mobile device 2. If this is the case, an estimate of the actual orientation of the camera of the mobile device 2 can be calculated in a step 50. This information can be sent back to the mobile device 2, which has its
Orientierungsinformation updaten kann. Can update orientation information.
Darüber hinaus ist es möglich, in der Punktwolke 30 im Schritt 52 Anker zu In addition, it is possible to anchor in the point cloud 30 in step 52
bestimmen, welche ebenfalls in Schritt 54 an das Mobilgerät 2 übermittelt werden können. determine which can also be transmitted to the mobile device 2 in step 54.
Eine geräteunabhängige Positionsbestimmung ist ebenfalls möglich. Hierbei können mobilstationsseitig erfasste Punkte in einem Schritt 56 an den Server 6 übermittelt werden. In einem Schritt 58 erfolgt ein Vergleich dieser Punkte mit den Punkten der mobilstationsseitigen Punktwolke 30. Anhand dieses Vergleiches ist eine A device-independent position determination is also possible. In this case, points detected on the mobile station side can be transmitted to the server 6 in a step 56 become. In a step 58, these points are compared with the points of the point cloud 30 on the mobile station
Positionsbestimmung möglich, in dem eine Übereinstimmung in den Punkten festgestellt wird. Basierend hieraus, kann eine Positionsbestimmung (60) erfolgen.  Position determination possible by determining a match in the points. Based on this, a position determination (60) can take place.
Die bestimmte Position sowie gegebenenfalls eine um Punkte der serverseitigen Punktwolke 30 angereicherte Punktwolke kann zurück an das mobile Gerät gesendet werden (62). The determined position and possibly a point cloud enriched with points of the server-side point cloud 30 can be sent back to the mobile device (62).
Die serverseitige Punktwolke wird laufend überprüft und ergänzt. Da laufend von einem oder mehreren mobilen Geräten Informationen serverseitig empfangen werden, wird die Punktwolke ständig um Punkte ergänzt und/oder es werden Punkte korrigiert. Dadurch wird die serverseitige Punktwolke mit zunehmender The server-side point cloud is continuously checked and supplemented. Since information is continuously received from one or more mobile devices on the server side, the point cloud is continuously supplemented with points and / or points are corrected. This increases the server-side point cloud
Betriebsdauer immer genauer und detaillierter. Serverseitig kann durch Bündle Adjustment, Feature Matching und Outlier Removal die Qualität der einzelnen Punkte der Punktwolke optimiert werden. Merkmale bzw. Merkmalsbeschreibung Operating time more and more precise and detailed. On the server side, the quality of the individual points of the point cloud can be optimized through bundle adjustment, feature matching and outlier removal. Features or description of features
(descriptors) können fortlaufend verändert und ergänzt werden. Abhängig von der semantischen Umgebung können unterschiedliche Merkmalsbeschreibungen (descriptors) can be continuously changed and supplemented. Depending on the semantic environment, different feature descriptions can
(descriptors) verwendet werden, um die Bildinformationen optimiert auswerten zu können und diese in Punkte der Punktwolke umrechnen zu können. (descriptors) can be used to evaluate the image information in an optimized way and to convert it into points of the point cloud.
Insbesondere kann überprüft werden, wie gut und wie häufig eine In particular, it can be checked how well and how often one
Positionsbestimmung von mobilen Geräten anhand der dort erfassten Punkte durch Vergleich mit der Punktwolke ist und die jeweiligen Deskriptoren können verändert werden. Position determination of mobile devices based on the points recorded there by comparison with the point cloud and the respective descriptors can be changed.
Das gegenständliche Verfahren erstellt somit serverseitig eine Punktwolke, die eine im Wesentlichen globale Gültigkeit hat und über eine Mehrzahl von Geräten erfasst und einer Mehrzahl von Geräten zur Verfügung gestellt werden kann. The method in question thus creates a point cloud on the server side, which has an essentially global validity and can be acquired via a plurality of devices and made available to a plurality of devices.

Claims

P a t e n t a n s p r ü c h e Patent claims
1. Verfahren zur Bestimmung einer Umgebungskarte umfassend, 1. A method for determining an environment map comprising
serverseitiges Empfangen von Bewegungsdaten eines mobiles Gerätes, serverseitiges Empfangen von Orientierungsdaten einer Kamera des mobilen Gerätes und  server-side reception of movement data from a mobile device, server-side reception of orientation data from a camera of the mobile device and
serverseitiges Empfangen des jeweiligen den empfangenen Bewegungsdaten und Orientierungsdaten zugeordneten Bildes der Kamera,  server-side reception of the respective image of the camera assigned to the received movement data and orientation data,
serverseitiges Auswerten des empfangenen Bildes zusammen mit den  server-side evaluation of the received image together with the
B e wegungs daten und den Orientierungsdaten zur Erstellung einer serverseitigen Punktwolke, wobei die serverseitige Punktewolke zumindest in Teilen die Umgebungskarte bildet.  Movement data and the orientation data for creating a server-side point cloud, the server-side point cloud forming at least in parts the map of the surroundings.
2. Verfahren nach Anspruch 1, 2. The method according to claim 1,
dadurch gekennzeichnet,  characterized,
dass eine durch das mobile Gerät erstellte mobilstationsseitige Punktewolke serverseitig empfangen wird, und  that a point cloud created by the mobile device is received on the server side, and
dass die serverseitige Punktewolke mit der mobilstationsseitigen Punktewolke zu einer neuen serverseitigen Punktewolke vereint wird.  that the server-side point cloud is combined with the mobile station-side point cloud to form a new server-side point cloud.
3. Verfahren nach Anspruch 1 oder 2, 3. The method according to claim 1 or 2,
dadurch gekennzeichnet,  characterized,
dass Punktkoordinaten eine Punktwolke repräsentieren, wobei Punkte der Punktwolke jeweils einer Punktkoordinate entsprechen.  that point coordinates represent a point cloud, points of the point cloud each corresponding to a point coordinate.
4. Verfahren nach einem der vorangehenden Ansprüche, 4. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass die Punktkoordinaten durch Vektoren repräsentiert werden. that the point coordinates are represented by vectors.
5. Verfahren nach Anspruch 2, 5. The method according to claim 2,
dadurch gekennzeichnet,  characterized,
dass beim Vereinen der der mobilstationsseitigen Punktwolke mit der serverseitigen Punktwolke:  that when the point cloud on the mobile station side is combined with the server-side point cloud:
die Punkte der serverseitigen Punktwolke um die Punkte der  the points of the server side point cloud around the points of the
mobilstationsseitigen Punkte zumindest teilweise ergänzt werden, und/oder die Punktkoordinaten der Punkte der serverseitigen Punktwolke mit Hilfe der Punktkoordinaten der Punkte der mobilstationsseitigen Punktwolke und/oder umgekehrt zumindest teilweise umgerechnet werden.  Points on the mobile station side are at least partially supplemented, and / or the point coordinates of the points of the server-side point cloud are at least partially converted using the point coordinates of the points on the mobile station-side point cloud and / or vice versa.
6. Verfahren nach einem der vorangehenden Ansprüche, 6. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass die Punktkoordinaten der Punkte der mobilstationsseitigen Punktwolke mit Hilfe der serverseitig ausgewerteten Bewegungsdaten und/oder  that the point coordinates of the points of the point cloud on the mobile station side with the aid of the movement data evaluated on the server side and / or
Orientierungsdaten verändert werden, insbesondere dass eine Drift der  Orientation data are changed, in particular that a drift of the
Punktkoordinaten der mobilstationsseitigen Punkte korrigiert wird.  Point coordinates of the points on the mobile station side are corrected.
7. Verfahren nach einem der vorangehenden Ansprüche, 7. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass die Orientierungsdaten serverseitig mit Hilfe der empfangenen  that the orientation data on the server side with the help of the received
Bewegungsdaten korrigiert werden.  Movement data are corrected.
8. Verfahren nach einem der vorangehenden Ansprüche, 8. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass serverseitig in dem empfangenen Bild eine Merkmalserkennung und/oder eine Merkmalsbeschreibung durchgeführt wird, insbesondere mittel MOPS oder SIFT.  that feature recognition and / or feature description is carried out on the server side in the received image, in particular by means of MOPS or SIFT.
9. Verfahren nach einem der vorangehenden Ansprüche, 9. The method according to any one of the preceding claims,
dadurch gekennzeichnet, dass bei der Merkmalserkennung und/oder eine Merkmalsbeschreibung Merkmale serverseitig angelernt werden, insbesondere dass ein deep learning durchgeführt wird. characterized, that features are learned on the server side during feature recognition and / or a feature description, in particular that deep learning is carried out.
10. Verfahren nach einem der vorangehenden Ansprüche, 10. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass serverseitig in dem empfangenen Bild ein Bündle Adjustment durchgeführt wird.  that a bundle adjustment is carried out on the server side in the received image.
11. Verfahren nach einem der vorangehenden Ansprüche, 11. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass serverseitig in der empfangenen mobilstationsseitigen Punktewolke eine Ausreißer-Entfernung, insbesondere mittels statistischer Auswertung durchgeführt wird.  that an outlier removal is carried out in the point cloud received on the mobile station side, in particular by means of statistical evaluation.
12. Verfahren nach einem der vorangehenden Ansprüche, 12. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass die mobilstationsseitige Punktwolke mittels visueller,  that the point cloud on the mobile station side by means of visual,
bewegungsgebundener Odometrie erstellt wird.  motion-based odometry is created.
13. Verfahren nach einem der vorangehenden Ansprüche, 13. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass mit Hilfe der serverseitigen Punktwolke eine Loop-Closure bestimmt wird und dass anhand der bestimmten Loop Closure eine Drift der Punkte der mobilstationsseitigen Punktwolke korrigiert wird, wobei insbesondere eine lineare Anpassung der Drift durchgeführt wird.  that a loop closure is determined with the aid of the server-side point cloud and that a drift of the points of the point cloud on the mobile station side is corrected on the basis of the determined loop closure, in particular a linear adaptation of the drift being carried out.
14. Verfahren nach einem der vorangehenden Ansprüche, 14. The method according to any one of the preceding claims,
dadurch gekennzeichnet, dass abhängig von der serverseitigen Auswertung des Bildes Einstellungsdaten für die mobilstationsseitige Kamera bestimmt werden und an das mobile Gerät übermittelt werden. characterized, that, depending on the server-side evaluation of the image, setting data for the camera on the mobile station are determined and transmitted to the mobile device.
15. Verfahren nach einem der vorangehenden Ansprüche, 15. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass die neue serverseitige Punktwolke an das mobile Gerät übermittelt wird.  that the new server-side point cloud is transmitted to the mobile device.
16. Verfahren nach einem der vorangehenden Ansprüche, 16. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass die serverseitige Punktwolke mit Ankern angereichert wird.  that the server-side point cloud is enriched with anchors.
17. Verfahren nach einem der vorangehenden Ansprüche, 17. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass die serverseitige Punktwolke von einem mobilen Gerät empfangen wird und dass in dem mobilen Gerät eine augmented reality Anwendung mit der empfangenen Punktwolke initialisiert wird.  that the server-side point cloud is received by a mobile device and that an augmented reality application is initialized in the mobile device with the received point cloud.
18. Verfahren nach einem der vorangehenden Ansprüche, 18. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass serverseitig von einer Mehrzahl von mobilen Geräten mobilstationsseitige Punktwolken empfangen werden, dass die empfangenen mobilstationsseitige Punktwolken verwendet werden, um die serverseitige Punktwolke anzupassen.  that server-side point clouds are received by a plurality of mobile devices, that the received mobile station-side point clouds are used to adapt the server-side point cloud.
19. Verfahren nach einem der vorangehenden Ansprüche, 19. The method according to any one of the preceding claims,
dadurch gekennzeichnet,  characterized,
dass für eine serverseitige Punktwolke zumindest zwei Instanzen bestimmt werden, wobei in jeder Instanz zumindest ein Merkmal durch  that at least two instances are determined for a server-side point cloud, with at least one characteristic in each instance
Merkmalserkennung und/oder eine Merkmalsbeschreibung serverseitig angelernt werden und die jeweiligen Instanzen samt Merkmalen an ein mobiles Gerät übermittelt werden. Server eingerichtet zur Bestimmung einer Umgebungskarte umfassend, eine Empfangseinrichtung eingerichtet zum Empfangen von Bewegungsdaten eines mobiles Gerätes, von Orientierungsdaten einer Kamera des mobilen Gerätes und des jeweiligen den empfangenen Bewegungsdaten und Characteristic recognition and / or a characteristic description are learned on the server side and the respective instances including characteristics are transmitted to a mobile device. Server set up for determining an environment map comprising, a receiving device set up for receiving movement data of a mobile device, orientation data of a camera of the mobile device and the respective movement data received and
Orientierungsdaten zugeordneten Bildes der Kamera,  Image of the camera assigned to orientation data,
einer Recheneinrichtung eingerichtet zum Auswerten des empfangenen Bildes zusammen mit den Bewegungsdaten und den Orientierungsdaten zur Erstellung einer serverseitigen Punktwolke, wobei die serverseitige Punktewolke zumindest in Teilen die Umgebungskarte bildet. a computing device is set up to evaluate the received image together with the movement data and the orientation data for creating a server-side point cloud, the server-side point cloud forming at least in parts the area map.
EP19772993.2A 2018-10-15 2019-09-05 Method and device for determining an area map Pending EP3867796A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018125397.4A DE102018125397A1 (en) 2018-10-15 2018-10-15 Method and device for determining an area map
PCT/EP2019/073630 WO2020078615A1 (en) 2018-10-15 2019-09-05 Method and device for determining an area map

Publications (1)

Publication Number Publication Date
EP3867796A1 true EP3867796A1 (en) 2021-08-25

Family

ID=67999604

Family Applications (1)

Application Number Title Priority Date Filing Date
EP19772993.2A Pending EP3867796A1 (en) 2018-10-15 2019-09-05 Method and device for determining an area map

Country Status (5)

Country Link
US (2) US11568598B2 (en)
EP (1) EP3867796A1 (en)
CN (1) CN113039554A (en)
DE (1) DE102018125397A1 (en)
WO (1) WO2020078615A1 (en)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018125397A1 (en) * 2018-10-15 2020-04-16 Visualix GmbH Method and device for determining an area map
DE102020213111A1 (en) 2020-10-16 2022-04-21 FoP Consult GmbH Method and system for determining a pose or position of a mobile device
US20230194301A1 (en) * 2021-12-16 2023-06-22 Univrses Ab High fidelity anchor points for real-time mapping with mobile devices

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10254118B2 (en) * 2013-02-21 2019-04-09 Regents Of The University Of Minnesota Extrinsic parameter calibration of a vision-aided inertial navigation system
US20140323148A1 (en) * 2013-04-30 2014-10-30 Qualcomm Incorporated Wide area localization from slam maps
US9811734B2 (en) * 2015-05-11 2017-11-07 Google Inc. Crowd-sourced creation and updating of area description file for mobile device localization
KR20170081351A (en) * 2016-01-04 2017-07-12 한국전자통신연구원 Providing apparatus for augmented reality service, display apparatus and providing system for augmented reality service comprising thereof
US10203209B2 (en) * 2016-05-25 2019-02-12 Regents Of The University Of Minnesota Resource-aware large-scale cooperative 3D mapping using multiple mobile devices
US10573018B2 (en) * 2016-07-13 2020-02-25 Intel Corporation Three dimensional scene reconstruction based on contextual analysis
GB2554674B (en) * 2016-10-03 2019-08-21 I2O3D Holdings Ltd 3D capture: object extraction
GB201621903D0 (en) * 2016-12-21 2017-02-01 Blue Vision Labs Uk Ltd Localisation
US10282913B2 (en) * 2017-07-24 2019-05-07 Visom Technology, Inc. Markerless augmented reality (AR) system
US11145116B2 (en) * 2017-11-21 2021-10-12 Faro Technologies, Inc. System and method of scanning an environment and generating two dimensional images of the environment
CN111868738B (en) * 2018-01-11 2023-09-26 云游公司 Cross-device monitoring computer vision system
US10482674B1 (en) * 2018-06-27 2019-11-19 Beijing Jingdong Shangke Information Technology Co., Ltd. System and method for mobile augmented reality
US20200090409A1 (en) * 2018-09-14 2020-03-19 Streem, Inc. Location persistent augmented reality object and annotation placement
DE102018125397A1 (en) * 2018-10-15 2020-04-16 Visualix GmbH Method and device for determining an area map

Also Published As

Publication number Publication date
CN113039554A (en) 2021-06-25
US20210327130A1 (en) 2021-10-21
DE102018125397A1 (en) 2020-04-16
US20230298344A1 (en) 2023-09-21
WO2020078615A1 (en) 2020-04-23
US11568598B2 (en) 2023-01-31

Similar Documents

Publication Publication Date Title
DE112018001050T5 (en) SYSTEM AND METHOD FOR VIRTUALLY ENHANCED VISUAL SIMULTANEOUS LOCALIZATION AND CARTOGRAPHY
DE102015011914A1 (en) Contour line measuring device and robot system
DE102015015194A1 (en) Image processing apparatus and method and program
EP3867796A1 (en) Method and device for determining an area map
EP2126840A1 (en) Method, apparatus and computer program for the self-calibration of a surveillance camera
DE102014201271A1 (en) A method and controller for detecting a change in a relative yaw angle within a stereo video system for a vehicle
DE202016008004U1 (en) Automatically associate images using visual property references to related applications
DE112013004103T5 (en) Method and apparatus for generating a disparity card
DE102016208056A1 (en) Method and device for processing image data and driver assistance system for a vehicle
DE102017210798A1 (en) Method and device for generating digital map models
DE102007054950A1 (en) Method for supporting the automatic navigation of a low-flying missile
DE102015003666A1 (en) Method for processing acquired measured data of a sensor
EP2381207A1 (en) 3D targeting and target designation from IR data
DE102018123393A1 (en) Detection of parking areas
DE102015220031A1 (en) Method for confidence estimation for optical-visual pose determination
DE19953063A1 (en) Method for three-dimensional optical measurement of object surfaces
DE112020006935T5 (en) METHOD AND DEVICE FOR PARKING DETECTION, AND DEVICE AND STORAGE MEDIUM
DE102010021221A1 (en) Camera direction determining method for use in vehicle, involves reconstructing vehicle coordination system from points, and determining camera direction from rotation of camera-coordination system relative to vehicle coordination system
EP1145086B1 (en) Method and device for determining a similarity of measure between a first structure and at least one predetermined second structure
DE102010042821B4 (en) Method and apparatus for determining a basic width of a stereo detection system
EP3685352B1 (en) Method and device for evaluating images, operating assistance method, and operating device
DE102013018561A1 (en) Method for data acquisition and data processing for lane identification of vehicle, involves filtering and discarding self-similarities of environment characteristics for non-relevant correspondence in generating road shape hypotheses
EP3518180A1 (en) Method for producing an image stack data structure
WO2012150150A1 (en) Method for estimating the position of an object in a computer-assisted manner
DE102021200197A1 (en) Procedure for calibrating a camera

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20210511

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20230804

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: INPIXON

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: DESIGN REACTOR, INC.