Geoserver y Realidad Aumentada : extensión para la publicación de los repositorios cartográficos en los navegadores de Realidad Aumentada

En la actualidad existen gran variedad de productos que emplean la Realidad Aumentada (RA) en diversos campos y aplicaciones. Algunos de los que cuentan con mayor difusión son las aplicaciones para dispositivos móviles que combinan la cámara del dispositivo con la localización y la orientación obtenida con GPS, servicios de red inalámbrica y brújulas de estado sólido. Algunas de las aplicaciones con mayor difusión entre los usuarios son Layar, Wikitude, Juanio y Mixare. Sin embargo, no existe un estándar para los servicios de contenidos de RA; al contrario, cada aplicación emplea sus propios formatos de obligado cumplimiento, con sus propias características y especificaciones. Por otra parte la información cartográfica, objeto de publicación en las distintas plataformas de RA, reside tradicionalmente en los servidores de cartografía que gracias al cumplimiento de los estándares OGC garantizan su consulta y acceso. Este proyecto establece los interfaces de comunicación necesarios para proporcionar las fuentes de datos cartográficas tradicionales a través de los distintos formatos empleados en los navegadores de RA. Gracias a las características de extensibilidad de Geoserver y a sus características de configuración dinámica propias del framework Spring en el que se desarrolla, se han generado los servicios capaces de aprovechar las fuentes de datos gestionadas desde Geoserver para su difusión a través de los distintos navegadores de RA. Esta extensión modular de Geoserver permitirá aprovechar los repositorios de datos actuales para su difusión a través de las múltiples plataformas de Realidad Aumentada disponibles

Efficient 3D scene modeling and mosaicing

El modelat d'escenes és clau en un gran ventall d'aplicacions que van des de la generació mapes fins a la realitat augmentada. Aquesta tesis presenta una solució completa per a la creació de models 3D amb textura. En primer lloc es presenta un mètode de Structure from Motion seqüencial, a on el model 3D de l'entorn s'actualitza a mesura que s'adquireix nova informació visual. La proposta és més precisa i robusta que l'estat de l'art. També s'ha desenvolupat un mètode online, basat en visual bag-of-words, per a la detecció eficient de llaços. Essent una tècnica completament seqüencial i automàtica, permet la reducció de deriva, millorant la navegació i construcció de mapes. Per tal de construir mapes en àrees extenses, es proposa un algorisme de simplificació de models 3D, orientat a aplicacions online. L'eficiència de les propostes s'ha comparat amb altres mètodes utilitzant diversos conjunts de dades submarines i terrestres.

Efficient topology estimation for large scale optical mapping

Large scale image mosaicing methods are in great demand among scientists who study different aspects of the seabed, and have been fostered by impressive advances in the capabilities of underwater robots in gathering optical data from the seafloor. Cost and weight constraints mean that lowcost Remotely operated vehicles (ROVs) usually have a very limited number of sensors. When a low-cost robot carries out a seafloor survey using a down-looking camera, it usually follows a predetermined trajectory that provides several non time-consecutive overlapping image pairs. Finding these pairs (a process known as topology estimation) is indispensable to obtaining globally consistent mosaics and accurate trajectory estimates, which are necessary for a global view of the surveyed area, especially when optical sensors are the only data source. This thesis presents a set of consistent methods aimed at creating large area image mosaics from optical data obtained during surveys with low-cost underwater vehicles. First, a global alignment method developed within a Feature-based image mosaicing (FIM) framework, where nonlinear minimisation is substituted by two linear steps, is discussed. Then, a simple four-point mosaic rectifying method is proposed to reduce distortions that might occur due to lens distortions, error accumulation and the difficulties of optical imaging in an underwater medium. The topology estimation problem is addressed by means of an augmented state and extended Kalman filter combined framework, aimed at minimising the total number of matching attempts and simultaneously obtaining the best possible trajectory. Potential image pairs are predicted by taking into account the uncertainty in the trajectory. The contribution of matching an image pair is investigated using information theory principles. Lastly, a different solution to the topology estimation problem is proposed in a bundle adjustment framework. Innovative aspects include the use of fast image similarity criterion combined with a Minimum spanning tree (MST) solution, to obtain a tentative topology. This topology is improved by attempting image matching with the pairs for which there is the most overlap evidence. Unlike previous approaches for large-area mosaicing, our framework is able to deal naturally with cases where time-consecutive images cannot be matched successfully, such as completely unordered sets. Finally, the efficiency of the proposed methods is discussed and a comparison made with other state-of-the-art approaches, using a series of challenging datasets in underwater scenarios