An Adaptive Gyro-aided Feature Tracking Method for Distorted Cameras

Abstract

Denne oppgaven legger frem den matematiske utledningen, implementasjonen og evalueringen av en robust gyro-assistert bildesporingsmetode for kameraer med forvrengning. Ved å bruke gyroskopmålinger til å forutsi forflytningen til elementer i et bilde, oppnås økt robusthet under store kamerabevegelser. Ved å håndtere kameraforvrengning presist, kan mer nøyaktige forutsigelser oppnås, noe som resulterer i bedre sporing. En adaptiv versjon av metoden blir også introdusert, som maksimerer robusthet under store systemrotasjoner og prioriterer hastighet under mindre rotasjoner. Den foreslåtte løsningen evalueres på en egensamlet serie med datasett og et offentlig tilgjengelig datasett for dronekappløp.

This thesis presents the mathematical derivation, implementation, and evaluation of a robust gyro-aided feature tracking method for cameras with distortion. Using gyroscope measurements to predict features gives increased tracking robustness during large camera motions. By precisely handling camera distortion, more accurate predictions can be achieved which results in better tracking performance. An adaptive version of the method is also introduced which maximizes robustness during large system rotations and prioritizes speed during smaller rotations. The proposed solution is evaluated on a custom series of datasets and a publicly accessible drone racing dataset.