Estimation Methodology

El seguimiento sigue siendo un problema abierto. El rendimiento del seguimiento basa- do en visi´on por computadora puede mejorarse al combinarse con otro tipo de sensores, tales como de movimiento, magn´eticos, o GPS. Cuando hay informaci´on del GPS dispo- nible, el espacio de b´usqueda puede reducirse en gran manera, restringiendo la b´usqueda en la base de datos a los objetos que se encuentran en un rango predefinido (Gassmann, 2010). En la actualidad, los enfoques de seguimiento h´ıbrido son la forma m´as promete- dora para lidiar con las dificultades planteadas por la realidad aumentada m´ovil, tanto en interiores como en exteriores.

Las tecnolog´ıas b´asicas disponibles para el sensado de orientaci´on son las br´ujulas electromagn´eticas, sensores de inclinaci´on, y giroscopios. Los sistemas de seguimiento visual tienen un mejor desempe˜no con movimientos de baja frecuencia y son propensos a errores, especialmente con movimientos r´apidos de c´amara. Los sensores de inercia se adaptan mejor a esta situaci´on.

Lang et al. (2002) presentan una combinaci´on de aceler´ometros y giroscopios mon- tados en un sistema de seguimiento inercial 6DoF. Este seguidor inercial se utiliza en combinaci´on con un sistema de seguimiento basado en visi´on. De esta forma, la fusi´on de los sensores aprovecha las virtudes de ambas tecnolog´ıas y compensa sus respectivas desventajas.

Klinkeret al.(2000) proponen una herramienta para interiores que combina m´etodos de seguimiento visual locales, portados por el usuario, con esquemas de seguimiento global, basados en sensores colocados en paredes. Mediante una red inal´ambrica el sistema portado por el usuario se puede comunicar con la infraestructura de sensado disponible.

Para abordar eficientemente la movilidad y robustez de un sistema de realidad au- mentada m´ovil para interiores, Newman et al. (2006) proponen combinar m´etodos y sensores de seguimiento, como aceler´ometros y sensores ultras´onicos, con marcadores artificiales.

Azuma et al.(2006) presentan un m´etodo para mejorar la precisi´on del seguimiento de posici´on del GPS, obteniendo un registro m´as preciso y cre´ıble. Proponen un sistema de seguimiento h´ıbrido para operaciones militares, donde un casco tiene tres giroscopios, dos sensores de inclinaci´on, un sensor GPS y una c´amara infrarroja que ocasionalmente observa ciertas se˜nales infrarrojas m´oviles que ayudan a corregir, de forma significativa, los errores de sensado.

DiVerdi y Hollerer (2007) presentan GroundCam, que consta de una c´amara y un se- guidor de orientaci´on. La c´amara enfoca el suelo y el sistema determina los movimientos del usuario. De forma similar al funcionamiento de los sensores inerciales. Al agregar un receptor GPS al sistema, es posible dar un seguimiento preciso y continuo en entornos exteriores. Si se desea utilizar GroundCam en interiores, es necesaria la combinaci´on con otro m´etodo de seguimiento, dado que el GPS no funciona correctamente en estos ambientes.

Google Goggles6 _{es una aplicaci´on para dispositivos con sistema operativo Android}

o iOS que permite realizar una b´usqueda mediante im´agenes en lugar de palabras.

Figura 4: Ejemplo del funcionamiento de Google Goggles. Izquierda: El usuario apunta con la c´amara de un tel´efono m´ovil hacia el puente Golden Gate. Derecha: La aplicaci´on Google Goggles reconoce el puente y presenta informaci´on asociada a ´este.

Cuando se toma una fotograf´ıa de un objeto con la c´amara de un tel´efono m´ovil, se intenta reconocer el objeto de inter´es y mostrar informaci´on relevante. Esta aplicaci´on realiza una b´usqueda en las bases de datos de la compa˜n´ıa Google; actualmente, se pueden reconocer miles de objetos, incluyendo edificios, obras de arte, logotipos, libros, empresas, etiquetas de alimentos o bebidas, etc. Adicionalmente, Google Goggles puede utilizar el GPS y la br´ujula del dispositivo m´ovil para ubicar al usuario y restringir el espacio de b´usqueda. En la Figura 4 se muestra un ejemplo de la funcionalidad de Google Goggles; al tomar una fotograf´ıa del puente Golden Gate, la aplicaci´on proporciona informaci´on adicional sobre ´este.

Google Goggles sigue en desarrollo. Por el momento no identifica plantas, animales, autom´oviles, muebles u otros objetos comunes, por lo que no est´a dirigido a entornos interiores.

Takacs et al. (2008) presentan un sistema de localizaci´on e informaci´on para exte- riores. Se capturan fotograf´ıas con la c´amara de un tel´efono m´ovil, equipado con GPS, y se realiza un proceso de comparaci´on en una base de datos de im´agenes geoetiquetadas.

Posteriormente, se despliegan hiperv´ınculos o informaci´on asociada a un objeto cuan- do ´este se reconoce en una imagen capturada. En caso de que no se encuentre alguna coincidencia, la aplicaci´on permite al usuario asociarle una anotaci´on y guardar estos datos en el servidor. El m´odulo de reconocimiento de objetos est´a implementado com- pletamente en el dispositivo m´ovil y se ejecuta casi en tiempo real. Los investigadores adaptaron el algoritmo SURF para su ejecuci´on en dispositivos m´oviles.

El aspecto m´as relevante de este proyecto es que la ubicaci´on del usuario se utiliza para limitar el espacio de b´usqueda, considerando solamente la informaci´on de celdas de localizaci´on (denominadasloxels) cercanas. Cuando el usuario cambia de ubicaci´on, un servidor env´ıa al dispositivo m´ovil el repositorio de anotaciones existentes en los loxels correspondientes. Por este motivo, el sistema es altamente escalable, ya que solamente puede existir un n´umero fijo y finito de ubicaciones de inter´es en un loxel.

(a) (b)

Figura 5: Ejemplo del funcionamiento de Sekai Camera. (a) Muestra el men´u de un restau- rante. (b) Presenta diversas Air Tags encontradas en el entorno del usuario.

La empresa japonesa Tonchidot desarroll´o una aplicaci´on de realidad aumentada llamada Sekai Camera7, compatible con iPhone y Android. Permite crear y visualizar anotaciones con informaci´on acerca de productos y lugares. Utiliza el GPS y los sen-

sores del dispositivo m´ovil para determinar d´onde est´a el usuario y en qu´e direcci´on est´a apuntando el dispositivo.

Sekai Camera combina las ideas del sensado participativo, el servicio basado en ubi- caci´on y la realidad aumentada. Permite a los usuarios crear anotaciones, denominadas Air Tags. Estas anotaciones pueden contener texto, fotos y/o mensajes de voz. En la Figura 5a se muestra un ejemplo del funcionamiento de la aplicaci´on; un usuario enfoca su iPhone hacia un establecimiento de comida y se le presenta el men´u, adicionalmente, puede revisar comentarios colocados por otros clientes. Puesto que en una ubicaci´on es- pecifica pueden existir muchas Air Tags (ver Figura 5b), Sekai Camera implementa un filtro de b´usqueda para especificar par´ametros de tiempo, distancia y tipo, permitiendo al usuario organizar todas las anotaciones mostradas en una ubicaci´on determinada.