Shared Augmented Reality (AR) enables users to interact with digital elements within the physical world. This technology enables interactive applications that could be utilized in the medical field, rehabilitation, and sports contexts. This study examines how such a system can be constructed using conventional materials. A prototype for gait analysis was developed. A standard webcam is used as input to capture a user’s footstep while a projector visualizes the detected footsteps on the floor. Through computer vision, the input data is analyzed to determine when a footstep has occurred. Using ArUco markers as a reference point on the floor, a homography-based top-down view was generated to determine footstep position. 

Tests were conducted to evaluate the system’s ability to detect foot landings, the accuracy of visualizations relative to the actual footstep and identify potential latency issues. The results indicate that such a system is feasible; however, a consistent displacement of the renderings in the y-axis and a noticeable delay in rendering were observed. Furthermore, the positioning of the camera has an impact on the system’s performance in terms of motion detection and detection of the ArUco markers. 

To achieve precise footstep renderings, further improvements in system performance and optimization of machine learning model parameters for detection and accuracy are required. The study suggests that hybrid calibration has potential to enhance both usability and efficiency, thereby contributing to a more effective and reliable solution.

Delad förstärkt verklighet (Augmented Reality, AR) låter användare interagera med digitala element i den fysiska världen. Tekniken möjliggör interaktiva applikationer som kan användas i exempelvis medicinska, rehabilitering eller sportliga sammanhang. Detta arbete undersöker hur ett sådant system kan byggas upp med konventionella material. En prototyp för gånganalys togs fram där en vanlig webkamera används för indata, för att registrera en användares fotnedtramp, samt en projektor som visualiserar fotstegen på marken. Med datorseende analyseras indata för att determinera när ett fotnedtramp har skett. ArUco markörer på golvet användes som referenspunkter för att skapa en homografi baserad vy över golvet för att bestämma positionen av ett nedtramp. 

Tester utfördes för att utvärdera systemets förmåga att detektera fotnedtramp, renderingarnas noggrannhet i förhållande till det faktiska nedtrampet samt ett test på fördröjning. Resultaten visade att det är möjligt att bygga upp ett sådant men att det däremot fanns en konstant förskjutning i renderingarna i y-led samt en viss fördröjning. Vidare har kamerans placering haft en inverkan för systemets prestanda gällande avläsning av rörelse- och objektdetektion samt avläsning av ArUco-markörer. 

För att uppnå exakta renderingar av fotnedtramp krävs däremot förbättringar av prestanda samt optimering av maskininlärningsmodellernas parametrar för detektion och noggrannhet. Studien indikerar att det finns god potential att förbättra användarvänligheten och effektivitet genom att implementera hybridkalibrering.