Advances in the Use of Fiducial Markers for Positioning Tasks with Cameras

Abstract

Camera pose estimation involves determining the spatial position and orientation of a camera with respect to a reference coordinate system. This capability is fundamental for applications such as robotics, augmented reality, 3D reconstruction, and autonomous navigation, where precise spatial positioning enables effective interaction with the environment. While existing approaches, including feature-based methods and fiducial markers, have proven effective in specific conditions, they also present significant drawbacks. Fiducial markers, although dependable in controlled settings, encounter issues such as pose ambiguity, restricted angular coverage, and reduced accuracy when viewed from oblique angles. Furthermore, in large-scale scenarios, particularly those with non-overlapping camera views or complex spatial layouts, current techniques often fall short in providing consistent and robust pose estimation, highlighting the need for advancements. This doctoral dissertation tackles these challenges through three key contributions. First, it introduces fiducial objects, three-dimensional structures composed of multiple markers, designed to improve pose estimation accuracy and robustness in close-range and overlapping view scenarios. Second, it proposes a methodology for large-scale indoor camera positioning, leveraging reusable fiducial markers integrated with graph-based optimization techniques to achieve precise and consistent pose estimation in overlapping environments. Third, a novel approach is presented for sparse camera configurations with non-overlapping fields of view, combining iterative marker placement and mobile camera strategies to ensure effective calibration and pose determination. These contributions collectively advance the field of camera pose estimation, offering scalable, versatile, and reliable solutions for diverse practical applications.

La estimación de la pose de la cámara consiste en determinar la posición y orientación espacial de una cámara con respecto a un sistema de coordenadas de referencia. Esta capacidad es fundamental para aplicaciones como la robótica, la realidad aumentada, la reconstrucción 3D y la navegación autónoma, donde un posicionamiento espacial preciso permite una interacción efectiva con el entorno. Aunque los enfoques existentes, incluidos los métodos basados en características y los marcadores fiduciales, han demostrado ser eficaces en condiciones específicas, también presentan importantes inconvenientes. Los marcadores fiduciales, aunque confiables en entornos controlados, enfrentan problemas como ambigüedad de pose, cobertura angular limitada y precisión reducida cuando se observan desde ángulos oblicuos. Además, en escenarios a gran escala, particularmente aquellos con vistas de cámara no superpuestas o distribuciones espaciales complejas, las técnicas actuales a menudo no logran proporcionar una estimación de pose coherente y robusta, destacando la necesidad de avances. Esta tesis doctoral aborda estos desafíos a través de tres contribuciones clave. Primero, introduce los objetos fiduciales, estructuras tridimensionales compuestas por múltiples marcadores, diseñadas para mejorar la precisión y la robustez en la estimación de pose en escenarios de rango cercano y vistas superpuestas. Segundo, propone una metodología para el posicionamiento de cámaras en interiores a gran escala, aprovechando marcadores fiduciales reutilizables integrados con técnicas de optimización basadas en grafos para lograr una estimación de pose precisa y consistente en entornos con vistas superpuestas. Tercero, se presenta un enfoque novedoso para configuraciones de cámaras dispersas con campos de visión no superpuestos, combinando la colocación iterativa de marcadores y estrategias de cámaras móviles para garantizar una calibración y determinación de pose efectivas. Estas contribuciones avanzan en el campo de la estimación de pose de cámaras, ofreciendo soluciones escalables, versátiles y confiables para diversas aplicaciones prácticas.