AR-Tracking-Methoden: Navigieren in digital erweiterten Räumen

Die Effektivität eines immersiven Erlebnisses hängt in hohem Maße von der Genauigkeit und Anpassungsfähigkeit des Tracking-Systems ab. Da jedoch mehrere Tracking-Optionen zur Verfügung stehen, kann die Auswahl der richtigen Option entmutigend sein.

Jede Tracking-Methode hat ihre eigenen Stärken und Grenzen, die auf unterschiedliche Umgebungsbedingungen und Anwendungsanforderungen zugeschnitten sind.

Das Verständnis dieser Unterschiede ist nicht nur technischer Natur, es geht auch darum, das Potenzial von AR zu verstehen, um für die Entwicklung die beste Lösung zu finden.

Was ist Tracking?

AR-Tracking oder Augmented-Reality-Tracking ist eine Technologie, die es ermöglicht, digitale Inhalte präzise in die reale Welt zu überlagern, wenn diese durch ein Gerät wie ein Smartphone oder eine AR-Brille betrachtet werden. Dies wird durch die kontinuierliche Bestimmung der Position und Ausrichtung des Geräts des Nutzers in Bezug auf seine Umgebung erreicht. Tracking ist entscheidend, um den Realismus des AR-Erlebnisses zu erhalten und sicherzustellen, dass virtuelle Objekte in der physischen Welt verankert erscheinen, auch wenn sich der Benutzer bewegt oder die Perspektive ändert.

Der Prozess umfasst die Verwendung verschiedener Sensoren im Gerät, darunter Beschleunigungsmesser, Gyroskope und manchmal GPS, um Bewegung und Ausrichtung zu bewerten. Zudem nimmt die Kamera des Geräts Bilder oder Videos in Echtzeit auf, die von der Software analysiert werden, um Merkmale der Umgebung oder bestimmte Markierungen zu erkennen. Diese Daten werden mit fortgeschrittenen maschinellen Bildverarbeitungstechniken verarbeitet, wobei häufig Methoden wie simultane Lokalisierung und Kartierung (SLAM) verwendet werden, um die Umgebung zu verstehen und digitale Inhalte präzise zu überlagern.

Die verschiedenen Tracking-Methoden in Augmented Reality

Nachfolgend sind die wichtigsten Tracking-Techniken aufgeführt, die in AR-Systemen verwendet werden:

Markerbasiertes Tracking

• Funktionsweise: Beim markerbasierten Tracking werden visuelle Marker (oft einfache Schwarz-Weiß-Muster) verwendet, die das AR-Gerät mit seiner Kamera leicht erkennen kann. Wird der Marker erkannt, überlagert das System ihn mit digitalen Informationen.
• Anwendungen: Diese Methode wird häufig in Bildungseinrichtungen, in der Werbung und bei Promotion-Aktionen eingesetzt, bei denen die genaue Standortbestimmung eines bekannten Markers bestimmte AR-Erlebnisse auslösen kann.
• Vorteile: Hohe Genauigkeit, geringer Rechenaufwand, einfache Implementierung
• Nachteile: Eingeschränkte Flexibilität, umgebungsabhängig

Markerlose Verfolgung (SLAM)

• Funktionsweise: Bei der simultanen Lokalisierung und Kartierung (Simultaneous Localization and Mapping, SLAM) scannt das Gerät mithilfe seiner Kamera und gegebenenfalls weiterer Sensoren kontinuierlich die Umgebung, erstellt eine Karte und bestimmt gleichzeitig seine eigene Position innerhalb dieses Bereichs. Vordefinierte Marker sind nicht erforderlich.
• Anwendungen: Häufige Anwendungen sind mobile AR-Spiele, Anwendungen für die Inneneinrichtung und Navigationshilfen, bei denen die Umgebung selbst als Bezugspunkt dient.
• Vorteile: Vielseitigkeit, dynamisches Mapping Nachteile: Höherer Rechenaufwand, Fehleranfälligkeit

Bilderkennung

• Funktionsweise: Mit Image Recognition werden Algorithmen verwendet, um Objekte, Orte oder Merkmale im Sichtfeld der Kamera zu identifizieren. Einmal erkannt, kann das AR-System digitale Objekte an diesen Elementen verankern.
• Anwendungen: Nützlich in Museen oder pädagogischen Anwendungen, wo das Scannen eines Objekts oder Kunstwerks interaktive Informationen oder Visualisierungen erzeugen kann.
• Vorteile: Interaktive Erlebnisse, breite Anwendungsmöglichkeiten
• Nachteile: Abhängigkeit von Bildqualität, begrenzte Reichweite

Objektverfolgung

• Funktionsweise: Die Position und Orientierung von dreidimensionalen Objekten wird mit Object Recognition in Echtzeit verfolgt. Das AR-Gerät erkennt und verfolgt Objekte anhand ihrer Form und ihres Aussehens.
• Anwendungen: Häufig in industriellen AR-Anwendungen, z. B. in der Fließbandarbeit, in der Arbeiter freihändig und in Echtzeit Zugang zu Informationen über die Komponenten haben müssen, die sie gerade bearbeiten.
• Vorteile: Detaillierte Interaktion, praktische Anwendungen
• Nachteile: Komplexe Einrichtung, Performance-Probleme

Ortsbasiertes Tracking

• Funktionsweise: Verwendet GPS, digitale Kompasse, Geschwindigkeitsmesser und manchmal Beschleunigungsmesser, um Daten über den Standort und die Ausrichtung des Geräts zu liefern. Dadurch können AR-Inhalte mit bestimmten geografischen Koordinaten verknüpft werden.
• Anwendungen: Weit verbreitet bei Navigationsanwendungen und Outdoor-Spielen (wie Pokémon Go), bei denen AR-Inhalte mit bestimmten physischen Orten verknüpft werden.
• Vorteile: Globale Skalierbarkeit, verbesserte Nutzerbindung
• Nachteile: GPS-Einschränkungen, Datenschutzbedenken

Gesichtsverfolgung

• Funktionsweise: Hochentwickelte Algorithmen erkennen und verfolgen Gesichtsmerkmale. Sobald ein Gesicht erkannt wurde, können AR-Effekte in Echtzeit darauf angewendet werden.
• Anwendungen: Beliebt in Social-Media-Filtern und Anwendungen, mit denen Nutzer virtuelles Make-up ausprobieren oder sehen können, wie eine neue Frisur aussehen würde.
• Vorteile: Personalisierung, unmittelbares Feedback
• Nachteile: Datenschutzprobleme, unterschiedliche Performance

Sensorbasierte Verfolgung

• So funktioniert's: Es werden Hardware-Sensoren wie GPS, IMUs (Trägheitsmesseinheiten) und Tiefensensoren genutzt, um Position und Ausrichtung zu ermitteln. GPS wird für AR im Freien und in großem Maßstab verwendet, während IMUs schnelle Aktualisierungen der Ausrichtung liefern.
• Vorteile: Es ist nur minimale Vorbereitung der Umgebung erforderlich. Geeignet für großflächige Anwendungen oder im Freien.
• Nachteile: Geringere Genauigkeit (die GPS-Genauigkeit liegt normalerweise im Meterbereich). IMUs können ohne Korrektur durch andere Sensoren mit der Zeit driften. Hybridsysteme, die Sensoren mit Bildverarbeitung kombinieren, können die Genauigkeit verbessern, aber die Komplexität und den Stromverbrauch erhöhen.
• Typische Anwendungsfälle: Pokémon Go (GPS), AR-Navigations-Apps und AR-Erlebnisse im Außenbereich.

Ebenen-Erkennung

• So funktioniert's: Horizontale oder vertikale Flächen (Böden, Tische, Wände) werden mithilfe von Computervisionsalgorithmen erkannt, sodass virtuelle Inhalte auf diesen Flächen platziert werden können.
• Vorteile: Ermöglicht die präzise Platzierung auf erkannten Flächen, was besonders bei großen Modellen oder benutzergesteuerten Inhalten von Vorteil ist.
• Nachteile: Ist auf sichtbare Oberflächenmerkmale angewiesen und kann in Umgebungen ohne Merkmale Probleme bereiten.
• Typische Anwendungsfälle: Platzierung von AR-Möbeln, interaktiver Einzelhandel und räumliche AR-Erlebnisse.

Modellbasiertes Tracking

• So funktioniert es: Es werden 3D-Modelle realer Objekte verwendet, um diese in der Umgebung zu erkennen und zu verfolgen. Das AR-System gleicht das Modell mit dem Kamerabild ab, um Position und Ausrichtung zu bestimmen.
• Vorteile: Kann komplexe, spezifische Objekte ohne Marker verfolgen.
• Nachteile: Es benötigt genaue 3D-Modelle und kann rechenintensiv sein.
• Typische Anwendungsfälle sind: Verfolgung von Industrieanlagen, interaktives Spielzeug, Produktvisualisierung.

Jede dieser Methoden hat ihre Vorteile und wird auf der Grundlage der spezifischen Anforderungen der AR-Anwendung ausgewählt, einschließlich der Umgebung, in der sie eingesetzt werden soll, der erforderlichen Genauigkeit und der verfügbaren Rechenressourcen.

Hybride und fortschrittliche Ansätze

Moderne AR-Systeme kombinieren oft mehrere Tracking-Methoden, um deren jeweilige Stärken zu nutzen und Schwächen auszugleichen. ARCore und ARKit verwenden beispielsweise visuell-inertiales SLAM, bei dem Kameradaten mit IMU-Eingaben kombiniert werden, um ein robustes Tracking in Echtzeit zu ermöglichen.

Auch Machine-Learning-Techniken werden immer häufiger eingesetzt, um die Objekterkennung zu verbessern und das Tracking in dynamischen oder unübersichtlichen Umgebungen zu stabilisieren.

Fazit

Marker sind nach wie vor ein grundlegender Bestandteil des Werkzeugkastens der Extended-Reality-Technologien. Trotz des Aufkommens fortschrittlicher markerloser Trackingmethoden ist das markerbasierte Tracking aufgrund seiner Einfachheit, Kosteneffizienz und Zuverlässigkeit für eine Vielzahl von Anwendungen relevant.

Ob es darum geht, Bildungserfahrungen zu leiten, Marketingstrategien zu verbessern oder komplexe industrielle Aufgaben zu unterstützen, bieten Marker ein praktisches und präzises Mittel, um die Lücke zwischen der digitalen und der physischen Welt zu schließen.

Mit Blick auf die Zukunft von XR wird sich die Integration traditioneller und innovativer Tracking-Methoden wahrscheinlich weiterentwickeln, aber die Rolle von Markern wird bestehen bleiben und sich an neue Herausforderungen und Möglichkeiten immersiver Technologieerfahrungen anpassen.