PoseSchätzung

PoseSchätzung bezeichnet in der Computer Vision und Robotik den Prozess der Bestimmung der Position und Orientierung eines Objekts, einer Kamera oder einer Szene relativ zu einem Referenzkoordinatensystem. Typisch wird der Zustand durch eine 6D-Pose beschrieben, bestehend aus einer dreidimensionalen Translation und einer Rotation. Ziel ist es, aus Sensordaten wie Bildern, Tiefeninformationen oder Punktwolken die räumliche Lage zuverlässig abzuleiten.

Zu den gängigen Ansätzen gehören 2D-3D-Punktabgleiche wie das Perspective-n-Point-Verfahren (PnP) zur Bestimmung einer Pose aus bekannten 3D-Modellen und korrespondierenden 2D-Bildpunkten, sowie die Registrierung von 3D-Punktwolken mittels Iterative Closest Point (ICP). Direkte Verfahren minimieren Reprojectionsfehler oder Bildgradienten ohne explizite Merkmalsaufbereitung, während lernbasierte Methoden Pose-Schätzungen aus Datenmustern ableiten.

Abhängig von der Sensorik variieren die Pipelines. Monokulare Kameras liefern 2D-Informationen, während RGB-D-Kameras oder LiDAR zusätzliche Tiefenmessungen beisteuern. In der Robotik wird PoseSchätzung oft im Kontext von Visual Odometry oder SLAM genutzt, um Position und Karte über Zeit konsistent zu schätzen.

Anwendungsgebiete reichen von Roboterführung und Greifen über Navigation in autonomen Systemen bis hin zur Augmented- bzw. Mixed-Reality-Visualisierung, bei der virtuelle Objekte exakt im realen Raum verankert werden.

Typische Leistungskennzahlen umfassen Rotationsfehler (in Grad), Translationsfehler (in Metern) sowie ADD- bzw. ADD-S-Maße für Objekte mit Symmetrien. Zu den Herausforderungen gehören Verdeckung, Symmetrien, Beleuchtung, Bildunordnung und der Bedarf an ausreichender Rechenleistung für Echtzeit-Anwendungen.