Merge branch 'master' of ssh://git.breab.org:2223/kai/MasterArbeit

Ausarbeitung/07Evaluation.tex

@@ -4,16 +4,25 @@ Das grundlegende Szenario, das evaluiert wird, spielt zwischen einem lokalen Nut
 Der lokale Nutzer hat ein Hardwareproblem und der Experte das Fachwissen, um das Problem zu lösen.
 Der allgemeine Ablauf bei so einem Szenario ist, dass der lokale Nutzer zunächst Daten aufnimmt und dem Experten zur Vorbereitung sendet. 
 Anschließend lösen die beiden gemeinsam das Problem.
-Als Vorbereitung kann der lokale Nutzer eine Punktwolke aufnehmen und diese dem Experten senden.
+Im VR Szenario kann der lokale Nutzer eine Punktwolke aufnehmen und diese dem Experten senden.
 Dieser kann sich die Punktwolke in einer VR Umgebung anschauen und mit seinem Controller und dem daran befestigten Laser auf die Punktwolke zeigen.
 Der lokale Nutzer bekommt in seiner AR Brille den Laser an der zugehörigen realen Position visualisiert.
 So kann der Experte auf die Punktwolkenrepräsentation des Objekts zeigen und der lokale Nutzer sieht diese Zeigegeste am echten Objekt.
 
-Als Referenzszenario wurde ein Videostream gewählt. Als Vorbereitung sendet der lokale Nutzer Bilder an den Experten und bei der Zusammenarbeit stand ein Videostream zur Verfügung. 
+Als Referenzszenario, das Video Szenario, wurde ein Videostream gewählt.
+Als Vorbereitung sendet der lokale Nutzer Bilder an den Experten.
+Für die Zusammenarbeit erhält der lokale Nutzer ein Handy mit dem er das Objekt filmen kann.
+Dieser Videostream kann sich der Experte anschauen und diesen als zusätzliches Kommunikationsmittel zur Sprache benutzen um das Problem zu lösen
 
 \section{Versuchsaufbau}
 Das Hardwareproblem wurde in der Evaluation mit Duplosteinen simuliert.
-Aus den Steinen wurde insgesamt 2 Turmpaare aus 2 relativ ähnlichen Türmen gebaut (Siehe Abb. \ref{img:tuerme}). 
+Aus den Steinen wurden insgesamt 2 Turmpaare aus 2 relativ ähnlichen Türmen gebaut (Siehe Abb. \ref{img:tuerme}). 
+In den Türmen wurden verschiedene Farben benutzt, sodass jeder Turm insgesamt 13 farbige Ebenen hat. 
+Jede Farbe wurde mit einer eindeutigen kleinen Beschriftung versehen, bestehend aus einem Buchstaben und einer Zahl.
+Diese Beschriftung kann dazu verwendet werden, um die Korrektheit bei einem Durchlauf des Experiments zu überprüfen. 
+Des weiteren wurde darauf geachtet, dass in jedem Turmpaar eine Farbsequenz von 4 aneinander grenzenden Farben eindeutig ist. 
+Hierbei sollten sich die Türme aber möglichst ähnlich sein, um die Aufgabe zu erschweren.
+Auf einem fahrbaren Tisch wurden für beide Turmpaare Markierungen angebracht, damit diese immer an der gleichen Position auf dem Tisch stehen.
 
 \begin{figure} 
   \label{img:tuerme}
@@ -23,28 +32,24 @@ Aus den Steinen wurde insgesamt 2 Turmpaare aus 2 relativ ähnlichen Türmen geb
 \caption{Die beiden Duplotürme, die in der Evaluation verwendet wurden. Die Markierung auf dem Tisch hilft bei der exakten Positionierung. } 
 
 \end{figure}
-\todo{Todo Bilder von beiden Turmpaaren auf dem Tisch}
-In den Türmen wurden verschiedene Farben benutzt, sodass jeder Turm insgesamt 13 farbige Ebenen hat. 
-Jede Farbe wurde mit einer eindeutigen kleinen Beschriftung versehen, bestehend aus einem Buchstaben und einer Zahl.
-Diese Beschriftung kann dazu verwendet werden, um die Korrektheit bei einem Durchlauf des Experiments zu überprüfen. 
-Des weiterem wurde darauf geachtet, dass in jedem Turmpaar eine Farbsequenz von 4 aneinander grenzenden Farben eindeutig ist. 
-Hierbei sollten sich die Türme aber möglichst ähnlich sein, um die Aufgabe zu erschweren.
-
-Auf einem fahrbaren Tisch wurden für beide Turmpaare Markierungen angebracht, damit diese immer an der gleichen Position auf dem Tisch stehen.
 
-Für das VR Szenario wurde zusätzlich ein Vive Tracker auf dem Tisch platziert.
+Für das VR Szenario wurde zusätzlich ein Vive Tracker auf dem Tisch der Türme platziert.
 Damit ist es möglich, das Objekt auch in der virtuellen Welt zu tracken und richtig zu positionieren. 
 Hierfür wurde zunächst beim Aufnehmen der Punktwolke diese in das lokale Koordinatensystem des Trackers transformiert, und beim Visualisieren die aktuelle Transformation des Trackers hinzugefügt.
-Damit bei der Durchführung die echte Welt nicht komplett mit der virtuellen synchronisiert ist, wird die virtuelle Welt um einen konstanten Vektor verschoben. %@@@ Was soll das?
-Stehen lokaler Nutzer und Experte an demselben Objekt, könnte der lokale Nutzer zum Beispiel aus der Handbewegung Rückschlüsse ziehen, die das Ergebnis verfälschen.
+Damit bei der Durchführung die echte Welt nicht komplett mit der virtuellen synchronisiert ist, wird die virtuelle Welt um einen konstanten Vektor verschoben. 
+So wird eine räumliche Trennung erzwungen sodass der Experte nicht vor Ort ist.
+Der Experte ist zwar in einer komplett neuen virtuellen Welt und kann den lokalen Nutzer nicht sehen, aber ohne Verschiebung sieht der lokale Nutzer den Experten mit der VR Brille.
+Zeigt dieser auf einen der Türme könnte der Lokale Nutzer aus der Handbewegung Rückschlüsse ziehen.
+Es wäre somit kein Szenario bei dem Fernunterstützung untersucht wird.
 Diese Verschiebung wird vor dem Senden der Daten an die HoloLens wieder heraus gerechnet.
 In der Evaluation wurde dafür eine Verschiebung um 1,5m entlang der negativen X-Achse des Trackers  gewählt. 
 Diese Distanz wurde möglichst klein gehalten, um Trackingungenauigkeiten nicht zu verstärken.
 
-Für das Videoszenario wurde die Handy-App IP Webcam genutzt. Diese stellt den Videostream einer Handykamera als Webstream zur Verfügung. 
-Der Experte kann diesen dann am PC anschauen.
+Für das Videoszenario wurde die Handy-App IP Webcam genutzt.
+Diese stellt den Videostream einer Handykamera als Webstream zur Verfügung. 
+Für den Experten wurde für das Referenzszenario das Unreal Projekt angepasst.
+Der Experte sitzt am Computer und der Videostream wird in der Unreal Engine visualisiert.
 
-\subsection{Punktwolken}
 Für die Evaluation wurde auf das Aufnehmen von Punktwolken durch die Probanden verzichtet.
 Die Methode, die Kinect mit dem Lighthouse Tracking zu verbinden, liefert zu ungenaue Wolken.
 Deshalb wurden nur statische Punktwolken verwendet, die vorher aufgenommen wurden und per Hand nachbearbeitet wurden. 
@@ -57,22 +62,21 @@ In einem echten Szenario hat der Experte bereits alles benötigte Wissen im Vorf
 Bei der Evaluation müssen aber alle Probanden in beiden Szenarien das gleiche Wissen erhalten.
 Das Vorwissen wurde durch die eindeutigen Farbsequenzen simuliert.
 
+\todo{hoppea:Das hier ist die Aufgabenerklärung und gehört nicht in den Ablauf, sondern in den Versuchsaufbau}
 Ein Test in beiden Szenarien besteht aus 15 Durchläufen der gleichen Aufgabenstellung.
 Bei einem Durchlauf erhält der Experte eine Aufgabe.
-Diese Aufgabe ist eine eine Farbsequenz von oben nach unten von 4 aufeinanderfolgenden Farben. %@@@ Eine Aufgabe braucht ein Verb. Ohne das ist es mir nicht klar
+Diese Aufgabe ist eine Farbsequenz von oben nach unten von 4 aufeinanderfolgenden Farben gegeben.
 Am Anfang oder Ende der Farbsequenz ist ein zusätzlicher gesuchter Stein markiert. 
-Beispiel: Aufgabe aus dem Turmpaar 1:  $XXX, Blau, Rot, Grün, Blau$.
+Beispiel: Aufgabe aus dem Turmpaar 1:  $XXX, Blau, Rot, Gr\ddot{u}n, Blau$.
 Im ersten Schritt sucht der Experte damit den mit XXX markierten Stein.
 Im VR Szenario kann er dieses direkt in der Punktwolke, die der lokale Nutzer vorher aufgenommen hat. 
-Für das Nicht VR Szenario stehen dem Experten dafür 6 Bilder aus verschieden Perspektiven zur Vorbereitung zur Verfügung.
+Für das Vidoe Szenario stehen dem Experten dafür 6 Bilder aus verschieden Perspektiven zur Vorbereitung zur Verfügung.
 
 Nachdem der Experte den gesuchten Stein und dessen Farbe gefunden hat, soll er diesen dem lokalen Nutzer beschreiben. 
 In beiden Szenarios dürfen die beiden Probanden miteinander sprechen, aber keinesfalls die ursprüngliche Farbsequenz verraten. 
 Erlaubt ist damit unter anderem die Farbe des gesuchten Steins oder auch die Position im Turm mitzuteilen.
-
 Im VR Szenario wird dem Experten zusätzlich der Beam angeschaltet, mit dem er auf die entsprechende Stelle zeigen kann.
 Im Video Szenario wird der Videostream angeschaltet, sodass dieser als Interaktionsmöglichkeit zur Verfügung steht.
-
 Nachdem der lokale Nutzer den gesuchten Stein erkannt hat, liest dieser die Beschriftung vor.
 
 Der Experte bestimmt selbst, wann er zum nächsten Aufgabenteil voranschreitet.
@@ -82,22 +86,17 @@ Bei jedem Tastendruck wird die aktuelle Uhrzeit gespeichert. Damit können die Z
 
 Der Gesamtablauf der Evaluation erfolge immer im ähnlichen Ablauf.
 Vor dem Test wurden der allgemeine Fragebogen ausgefüllt, das grundlegende Szenario erklärt und eine Beispielaufgabe an einem separaten Turm erklärt.
-
 Anschließend wurden die beiden Szenarien evaluiert.
 Ein Team startet hierbei entweder mit dem Video Szenario oder dem VR Szanario und einem Turmpaar.
 Beim 2. Szenario wurden dann Rollen getauscht und das andere Turmpaar genutzt, um die Ergebnisse nicht zu verfälschen.
 Außerdem wurde darauf geachtet, dass beide Turmpaare in VR und Video verwendet wurden.
-
 Vor dem VR Szenario wurde kurz die Kalibrierung überprüft.
 Der Experte sollte auf die Turmspitzen zeigen und der lokale Nutzer sollte kurz überprüfen, ob der Laserstrahl auch in der HoloLens den Turm an der gleichen Stelle schneidet.
 War die Versatz zu groß, wurde neu kalibriert.
-
 Nach jedem Szenario wurden die Fragebögen zu dem Test ausgefüllt. Hierbei wurden eigene Fragen, NASA-TLX und der User Experience Questionnaire (UEQ) verwendet.
-
 Abschließend gab es noch einen weiteren Fragebogen mit einer allgemeine Frage und freien Kommentaren.
-
-Um anfängliche Probleme und den Lerneffekt in der Evaluation nicht mit einzubeziehen, wurden bei jedem Testlauf die ersten 5 Aufgaben verworfen.
-Das heißt, es wurden nur die letzten 10 Durchläufe der jeweiligen Szenarien ausgewertet und auf Fehler und Zeitunterschiede untersucht.
+Es gab 15 Aufgaben pro Versuch. Um anfängliche Probleme und den Lerneffekt in der Evaluation nicht mit einzubeziehen, wurden bei jedem Testlauf die ersten fünf Aufgaben verworfen.
+Das heißt, es wurden nur die letzten zehn Durchläufe der jeweiligen Szenarien ausgewertet und auf Fehler und Zeitunterschiede untersucht.
 
 
 \section{Statistische Verfahren}
@@ -126,10 +125,13 @@ Für die Evaluation wurde deshalb ebenfalls 5\% gewählt.
 
 In dieser Arbeit wurde der t-Test für die Signifikanzanalyse verwendet.
 Dieser bietet Verfahren für abhängige (gepaarte) und unabhängige Stichproben.
-Abhängige Stichproben liegen vor, wenn Messwiederholung vorliegt, zum Beispiel, falls die Messwerte  von der gleichen Person stammen oder bei natürlichen Paaren, d.h. die Messwerte stammen von unterschiedlichen Personen, die zusammengehören. %@@@ ich verstehe die Definition für natürliche Person nicht.
+Abhängige Stichproben liegen vor, wenn Messwiederholung vorliegt, zum Beispiel, falls die Messwerte von der gleichen Person stammen.
+Auch bei natürlichen Paaren liegt eine Abhängigkeit vor, d.h. die Messwerte stammen von unterschiedlichen Personen, die zusammengehören (Ehemann und Ehefrau, oder Versuchspartnern).
+
 In dieser Evaluation liegt eine Abhängigkeit zwischen dem Experten und dem lokalen Benutzer vor.
 Unabhängige Stichproben sind zum Beispiel der Vergleich der beiden Experten zwischen dem VR und Video Szenario.
-Die Rollen werden zwischen den Tests gewechselt und damit nimmt jeder Teilnehmer jede Rolle nur einmal an. %@@@ was genau ist hier unabhängig?
+Die Rollen werden zwischen den Tests gewechselt und damit nimmt jeder Teilnehmer jede Rolle nur einmal an.
+Damit ist der Vergleich der Experten in unterschiedlichen Szenarien unabhängig.
 
 In dieser Arbeit wird die Nullhypothese verwendet, dass sich die 2 Stichproben nicht unterscheiden. 
 Das ist keine gerichtete Hypothese, deshalb wurde der zweiseitige t-Test verwendet.
@@ -141,16 +143,16 @@ Insgesamt wurden die Evaluation mit 13 Teams mit jeweils 2 Personen durchgeführ
 Bei den Versuchen 2 und 5 gab es technische Probleme mit dem VR /AR Setup (große tracking Ungenauigkeiten und Abbrüche). Deshalb wurden diese Testläufe komplett aus den Daten gestrichen.
 Für die folgende Evaluation werden nur die Daten der verbleibenden 11 Teams mit insgesamt 22 Personen betrachtet.
 An der Studie nahmen 19 männlich und 3 weibliche Probanden teil. Für die Evaluation wird nur die männliche Sprachform verwendet. Alle Aussagen beziehen sich aber auf beiden Geschlechter.
-In der Altersgruppe bis 20 Jahren waren 2 Teilnehmer, von 20 bis 30 Jahren 17 Teilnehmer und in der Altersgruppe von 30 bis 40 Probanden. %@@ Wieviele in der letzten Altersgruppe?
+In der Altersgruppe bis 20 Jahren waren 2 Teilnehmer, von 20 bis 30 Jahren 17 Teilnehmer und in der Altersgruppe von 30 bis 40 3 Probanden.
 6 der Probanden nutzten eine Sehhilfe und 2 gaben an, an einer Rot-Grün Schwäche zu leiden.
 Aus den freien Antworten geht hervor, dass eine Rot-Grün Schwäche in dem Versuchsaufbau keine Einschränkungen mit sich brachte. 
 Die rote und grüne Farbe der Duplosteine sei kräftig und unterschiedlich genug, sodass diese trotzdem erkennbar waren.
 
-Jeder Proband wurde nach Erfahrung zu Virtaul Reality und Augmented Realtiy und die dabei verwendeten Systeme gefragt (siehe Box Plot \ref{plot:Erfahrung}).
-Dabei ist zu erkennen, dass viele Personen schon ausgeprägte Erfahrungen gesammelt habe. %@@@ gilt nur für VR, oder? Dann muss man das hier einschränken.
+Jeder Proband wurde nach Erfahrung zu Virtaul Reality und Augmented Realtiy und die dabei verwendeten Systeme gefragt (siehe Abb. \ref{plot:Erfahrung}).
+Dabei ist zu erkennen, dass viele Personen schon ausgeprägte Erfahrungen mit VR gesammelt haben.
 Der Median der Befragten lag bei 1 wobei -3 für keine Erfahrung und 3 für sehr viel Erfahrung steht.
 Verwendete Systeme waren hierbei Vive (13), Playstation VR (6), Oculus Rift (6) und verschiedenen Systeme, die ein Handy nutzen (8; Cardboard, Daydream, Gear VR, etc.).
-Augmented Reality ist hingegen noch nicht bei der Allgemeinheit angekommen. %@@@ Diene Stichprobe ist vermutlich nicht repräsentativ für die Allgemeinheit...
+Augmented Reality ist hingegen noch nicht stark verbreitet.
 14 der 22 Probanden gaben an, noch keine AR Erfahrung zu haben (Median -3).
 Die restlichen gaben Erfahrungen mit der HoloLens und mit Pokemon Go an.
 
@@ -164,18 +166,20 @@ Die restlichen gaben Erfahrungen mit der HoloLens und mit Pokemon Go an.
 Zunächst betrachten wir die Vorbereitung des Experten.
 In beiden Szenarien bekam der Experte ein Farbsequenz und sollte den gesuchten Stein in den Turmpaaren erkennen.
 Im VR Szenario hatte er dazu die Punktwolke gesehen und im Video Szenario standen dem Experte 6 Bilder aus unterschiedlichen Perspektiven zur Verfügung.
-Im Fragebogen wurde gefragt, wie einfach es sei, den Stein zu finden (Plot \ref{plot:Finden}).
-Hierbei gaben die Experten im Video Szenario an, dass das Auffinden des Steins sehr einfach sei (Median 3), wobei der VR Experte dieses als signifikant \todo{check} schwerer einstufte (Median 1).
+Im Fragebogen wurde die Experten gefragt, wie einfach es sei, den Stein zu finden (Plot \ref{plot:Finden}).
+Hierbei gaben die Experten im Video Szenario an, dass das Auffinden des Steins sehr einfach sei (Median 3), wobei der VR Experte dieses als signifikant  schwerer einstufte (Median 1).
 Diese Einstufung ging zusätzlich auch aus den freien Kommentaren hervor. 
 6 der Experten fanden die Punktwolke ``schwer sichtbar'',  ``pixelig'' und ``ungenau'' und haben vermutlich deshalb das Finden als schwieriger eingestuft.
+Kommentare zu den Bildern gab es nicht.
 Während des Versuchs wurde auch die Zeit für die Vorbereitung gemessen. 
-In der Abbildung \ref{plot:Vorberitung} sind die Zeiten eingezeichnet.
-Bei 4 Gruppen war der Video Experte schneller als der VR Experte, bei Gruppe 1 auch signifikant schneller.
-In den restlichen 7 Gruppen war der VR Experte schneller bei den Gruppen 10 und 13 auch hier signifikant.
+In der Abbildung \ref{plot:Vorberitung} sind die Zeiten als mit Mittelwert und Standartabweichung eingezeichnet.
+Bei 4 unterschiedlichen Gruppen war der Video Experte schneller als der VR Experte. In Gruppe 1 war der Video Experte Signifikant schneller.
+In den restlichen 7 Gruppen war der VR Experte schneller. Signifikaten Unterschiede gab es aber nur bei den Gruppen 10 und 13.
 Im Durchschnitt über alle Versuche hat der VR Experte 9,9 Sekunden und der Video Experte 11 Sekunden gebraucht. 
-Damit ist das Steinfinden im VR Szenario im Durchschnitt 1,1s schneller, aber es konnte keine statistische Signifikanz festgestellt werden.\todo{Check}
+Damit ist das Steinfinden im VR Szenario im Durchschnitt 1,1s schneller, aber es konnte keine statistische Signifikanz festgestellt werden.
 Bemerkenswert ist, dass 5 von 6 Probanden in der Expertenrolle, die die Punktwolke kritisiert haben, im VR Szenario schneller waren als ihr Partner als Experte im Video Szenario.
-Ein Aspekt auf dem in diesem Test nicht eingegangen wurde, sind die persönlichen Qualifikationen der jeweilige Experte. %@@@ richtig korrigiert?
+Ein Aspekt auf dem in diesem Test nicht eingegangen wurde, sind die persönlichen Qualifikationen der jeweilige Experten.
+Experten mit besserem Räumlichen Vorstellungsvermögen oder einer besseren Strategie zum Finden der Steine könnten das Ergebnis beeinflussen.
 Dieser könnte Einfluss auf das Messergebnis haben.
 
 \input{Charts/SteinFinden}
@@ -187,31 +191,30 @@ Die nächste Aufgabe des Experten war es, den gesuchten Stein an de lokalen Nutz
 Im VR Szanario stand hierfür der Laser Strahl zur Verfügung, und im Video Szenario ein Livestream.
 
 
-\subsubsection{Videostream}
 Der Videostream wurde teilweise als verwirrend wahrgenommen und dann von dem Experten fast vollständig ignoriert.
 Die meisten Teams haben sich bei den ersten Versuchsdurchläufen direkt oder indirekt auf eine gemeinsame Bezeichnung der Türme geeinigt.
 Häufig wurde links und rechts verwendet, aber auch unterscheidende Merkmale in den Türmen, wie der Turm mit der blauen Spitze oder der Turm mit der Deutschlandflagge.
 Links und rechts funktionieren insbesondere dann sehr gut, wenn der Nutzer nach jedem vorgelesenen Label an seine Ausgangsposition zurückkehrt.
-Ansonsten ist diese Bezeichnung teilweise verwirrend für den Experten.
+Ansonsten ist diese Bezeichnung teilweise verwirrend für den Experten, da dieser jedes Mal erkennen muss wie der Lokale Nutzer am Objekt steht.
 Ändert sich die Ansicht des lokalen Nutzers ständig, können sich auch die Bezeichner für jeweiligen Türme ändern.
 Außerdem wackelt die Kamera stark, wenn sich der lokalen Nutzer bewegt, zum Beispiel, um die Beschriftung vorzulesen.
-Deshalb haben einige Teams nach dem initialen Einigen über die Bezeichnungen der Türme, den Videostream nicht für die Lösung der Aufgabenstellung verwendet. %@@@ richtig verändert?
+Deshalb haben einige Teams nach dem initialen Einigen über die Bezeichnungen der Türme, den Videostream nicht für die Lösung der Aufgabenstellung verwendet.
+Eine viel stärkere Nutzung der sprachlichen Kommunikation konnte dabei aber nicht beobachtet werden.
 
-bei anderen Teams wurde der Videostream zum direkten Feedback benutzt.
+Bei anderen Teams wurde der Videostream zum direkten Feedback benutzt.
 Der lokale Nutzer hat zum Beispiel mit einem Finger auf einen Turm oder Stein gezeigt und nachgefragt, ob er das richtig verstanden hat.
 Diese Info kann der Experte im Video sehen und die Kontrollfrage direkt beantworten.
 
-\subsubsection{VR/AR Strahl}
+
 Bei funktionierendem Tracking hat der Beam gute Ergebnisse geliefert.
 Einige Teams konnte durch Zeigen und zusätzliches Sagen der Farbe den Stein eindeutig beschreiben.
 Damit ist der Beam zumindest ein gute Grundorientierung für den lokalen Nutzer.
 Ein großes Problem mit dem tracking waren kleine konstante Verschiebungen in eine globale Richtung (Kalibrierfehler, \bzw{} Längenuntreue).
-Bei kleine Verschiebungen wurde dieses als störend empfunden, aber wenn bekannt ist, wie die Verschreibung ist, dann kann diese im Kopf ausgeglichen werden. %@@@ Konnte man das bei den Probanden auch beobachten?
+Bei kleine Verschiebungen wurde dieses als störend empfunden, aber wenn bekannt ist, wie die Verschreibung ist, dann kann diese im Kopf ausgeglichen werden.
 
-Ein weites Problem, das in den freien Texten genannt wurde, waren zittrige Hände.  % @@@ hattest du Parkinsonpatienten ;-)
-Diese kleinen Bewegungen werden mitübertragen und können dem lokalen Nutzer das Erkennen erschweren. 
+Ein weites Problem, das in den freien Texten genannt wurde, waren zittrige Hände.  
+Diese kleinen Bewegungen die teilweise durch das Tracking verstärkt werde, werden mitübertragen und können dem lokalen Nutzer das Erkennen erschweren. 
 
-\subsubsection{Sprachliche Kommunikation}
 \input{Charts/wichtigKommunikation}
 
 In beiden Szenarien war es erlaubt, frei zu reden und zu kommunizieren.
@@ -221,8 +224,7 @@ Zwischen den lokalen Nutzern ist in AR und Video  hierbei ein signifikanter Unte
 Die Person in AR findet die Sprache zwar wichtig (Median 2), jedoch unwichtiger als der lokale Nutzer im Videoszenario.
 Zwischen den Experten ließ sich kein signifikanter Unterschied feststellen, jedoch ist der Durchschnitt im VR Szenario geringer.
 
-
-Außerdem wurden die Probanden gefragt, wie einfach es war, den beschriebenen Stein zu finden (siehe Abbildung\ref{plot:Finden}).
+Außerdem wurden auch die lokalen Nutzer gefragt, wie einfach es war, den beschriebenen Stein zu finden (siehe Abbildung\ref{plot:Finden}).
 Zwischen den lokalen Nutzern ist kein Unterschied feststellbar.
 Das heißt, die sprachliche Kommunikation war unwichtiger, aber das eigentliche Auffinden wurde in beiden Szenarien gleich leicht bewertet. 
 
@@ -231,17 +233,18 @@ Das heißt, die sprachliche Kommunikation war unwichtiger, aber das eigentliche
 
 \input{Charts/Fehler}
 
-Wie in der Statistik \ref{plot:Fehler} zu sehen ist, wurden kaum Fehler in den letzten 10 Durchläufen gemacht (VR: 8 von 11 Teams fehlerfrei, Video: 6 von 11 Teams fehlerfrei)
+Wie in der Statistik \ref{plot:Fehler} zu sehen ist, wurden kaum Fehler in den letzten 10 Durchläufen gemacht.
+Im VR Szenario waren 8 von 11 Teams fehlerfrei, im Video Szenario 6 von 11.
 In den nicht gewerteten ersten 5 Trainingsdurchläufen waren mehr Fehler zu finden.
 Im Video Szenario wurde 2 mal 3 Fehler gemacht, was auf eine größere Fehleranfälligkeit hinweist.
 
 In beiden Szenarien sind allgemeine Fehler bei dem Versuch häufig beim Experten passiert.
 Zum Beispiel wurde der letzte Stein der Sequenz beschreiben und nicht der eigentlich gesuchte.
 Sprachliche Ungenauigkeiten haben auch zu Fehlern geführt.
-``Der zweite schwarze Stein'' und ``der zweite Stein, der Schwarze'' klingen ähnlich, bedeuten aber unterschiedliche Steine. %@@@ richtig korrigiert?
+``Der zweite schwarze Stein'' und ``der zweite Stein, der Schwarze'' klingen ähnlich, bedeuten aber unterschiedliche Steine.
 
 Eine zusätzliche Fehlerquelle im VR Szenario ist ein globaler Versatz des Strahls. 
-Ist zum Beispiel der Strahl um 1 bis 2 Steine verschoben, dann zeigt dieser in der AR Umgebung andere Steine an, als der Experte in seiner VR Umgebung sieht. %@@@ richtig korrigiert?
+Ist zum Beispiel der Strahl um 1 bis 2 Steine verschoben, dann zeigt dieser in der AR Umgebung andere Steine an, als der Experte in seiner VR Umgebung sieht.
 
 Im Video Szenario war das Verwechseln von rechts und links ein häufiger Fehler.
 Teilweise wurden die Steine richtig beschreiben, aber dann die Beschriftung auf dem anderen Turm vorgelesen. 
@@ -256,14 +259,14 @@ Während der Kommunikation zwischen dem Experten und dem lokalen Nutzer wurde eb
 Die Messung beginnt, sobald der Experte anfängt zu kommunizieren und endet sobald die Beschriftung vorgelesen wurde.
 In Abbildung \ref{plot:KommunikationsZeit} sind die Zeiten abgebildet.
 Wie bei der Vorbereitung gab es 6 Gruppen, die in VR schneller waren und 5, die in dem Video Szenario schneller waren. 
-Signifikant schneller war nur Gruppe 13 im Videoszenario.\todo{überprüfen}
+Signifikant schneller war nur Gruppe 13 im Videoszenario.
 Insgesamt war das VR Szenario mit 12s Durchschnittszeit 700ms schneller.
 Ein großer Faktor, warum bei dieser Messung keine Unterscheide festgestellt werden können, ist, dass der lokale Nutzer, nachdem er den Stein erkannt hat, noch die zugehörige Beschriftung finden musste.
 Dieser Vorgang hat je nach Positionierung der Beschriftung länger gedauert als die eigentliche Kommunikation.
 
 			
 \subsection{NASA TLX und UEQ}
-\todo{NASA: legende statt vr und ar drunterzuschrieben, zusätzliche Achsenbeschriftung mit gering und hoch}
+\todo{NASA: zusätzliche Achsenbeschriftung mit gering und hoch}
 
 \input{Charts/NASATLX}
 
@@ -272,35 +275,40 @@ In der Evaluierung wurden 2 standardisierte Tests verwendet: NASA-TLX und der Us
 Beim NASA TLX \cite{doi:10.1177/154193120605000909} werden 6 Kategorien auf einer Skala von 0 bis 100 in 5er Schritten bewertet.
 Auf die anschließende Gewichtung der Kategorien wurde verzichtet. 
 Die Ergebnisse wurden als Box-Whisker Plot \ref{plot:TLX} dargestellt.
-Zunächst hat der Video Experte eine signifikant geringere körperliche Anforderung angegeben als der VR Experte.
-Dies ist nicht verwunderlich, da der Video Experte am PC sitzt, während der VR Experte steht und sich frei in der virtuellen Welt bewegen konnte.
-Vergleicht man den VR Experten mit dem lokalen Nutzer in AR, dann gibt es bei Leistung und Frustration einen signifikanten Unterschied.
-Der AR Benutzer hat die eigene Leistung am besten bewertet und gleichzeitig die geringste Frustration angegeben. 
-Zusätzlich ist in Augmented Reality im Durchschnitt die geringste geistige Anforderung zu sehen. %ist das ein Ergenbis aus den Daten oder deine Erfahrung?
 
-Zusammenfassend lässt sich also sagen, dass das System für den lokalen Benutzer mit der HoloLens eine Verbesserung darstellt, obwohl der Strahl tracking-bedingt nicht immer ganz korrekt war und diese Fehler vom lokalen Nutzer ausgeglichen werden mussten. %@@@ gibt es für den Experten keine Zusammenfassung?
+Bei der Geistigen Anforderung ist zu erkenne das der Lokale Nutzer um Durchschnitt leicht geringere Werte angegeben hat als der Experte.
+Dies läst sich durch die Farbsequenz die der Experte erkenne musste erklären.
+Der AR Benutzer hat im Durchschnitt die Niedrigsten Werte angegeben.
+Bei der Körperlichen Anforderung hat der Video Experte eine signifikant geringere WErte angegeben als der VR Experte.
+Dies ist nicht verwunderlich, da der Video Experte am PC sitzt, während der VR Experte steht und sich frei in der virtuellen Welt bewegen konnte.
+wischen den Lokalen Benutzern ist kein signifikanter Unterschied erkennbar.
+Bei der Zeitlichen Anforderung gibt es keine signifikanten Unterscheide , jedoch bewertet der Benutzer in AR leicht besser.
+Beim Vergleich der selbst eingeschätzten Leistung gibt es einen Signifikanten Unterschied zwischen dem VR Experten und AR Benutzer.
+Der AR Benutzer gibt hier die beste Leistung an.
+Bei der Anstrengung gab es keine signifikanten Unterschiede, aber auch hier hat der AR Benutzer leicht besser bewertet
+Signifikante Unterscheide gabe es aber bei der Frustration. Diese wurde auch beim AR Benutzer am geringsten bewertet.
+Dieser Trend ist auch im Gesamtscore zu erkennen.
+Hier ist der Durchschnitt beim Lokalen Ar Benutzer am geringsten aber nicht Signifikant.
+Bei Betrachtung der gesamten Werte hat der AR Benutzer die Höchste Leistung angegeben aber dabei die geringste Frustration gehabt.
 
 
 \input{Charts/UEQ}
 
-\todo{cite UEQ}
-Der  User Experience Questionnaire (UEQ) ist dazu gedacht, die Nutzererfahrung zu messen.
+Der  User Experience Questionnaire (UEQ \cite{UEQ} ist dazu gedacht, die Nutzererfahrung zu messen.
 Der Nutzer beantwortet hierzu 26 Gegensatzpaare von Eigenschaften auf einer Skala von -3 bis 3.
 Die 26 Paare werden dann 6 Skalen zugeordnet und ein darüber ein Mittelwert gebildet. 
-In dem Grafen sind die Werte der einzelnen Personen zu sehen.
+In der Abbildung \ref{plot:UEQ} sind die Mittelwerte und die Standartabweichung der einzelnen Rollen  zu sehen.
 Hier gibt es einige signifikante Unterscheide zwischen dem VR Szenario und dem Video Szenario zu erkennen.
-Die Attraktivität, Stimulation und Originalität schneidet beim VR Szenario Szenario wesentlich besser ab, wenn man die Experten und die lokalen Nutzer miteinander vergleicht. %@@@ was hast du hier verglichen?
-
-Auch zwischen den Experten und dem zugehörigen Technikern gibt es Unterscheide. 
-Im VR Test unterscheiden sich die Werte bei Durchschaubarkeit, Steuerbarkeit Stimulation, und Originalität.
-Der lokale Nutzer bewertet diese besser als der Partner in der VR Umgebung. % @@@ ist das ein sinnvoller Vergleich. Du musst doch VR/AR mit Video vergleichen.
+Vergleicht man die Experten miteinander und auch die lokalen Nutzer miteinander so sind die gleichen Signifikanten Unterscheide zu erkenne
+Die Attraktivität, Stimulation und Originalität ist bei beiden Vergleichen im VR Szenario wesentlich besser.
+Bei Stimulation und Originalität wurde das Video Szenario sehr schlecht bewertet.
+Bei der Durchschaubarkeit, Effizienz  und Steuerbarkeit sind leicht besserer Bewertungen im VR Szenario zu erkennen, jedoch sind diese nicht Signifikant.
 
-
-Im Video g ist nur die Steuerbarkeit von dem Techniker besser bewertet worden. 
-
-Zusammenfassend ist hier wie beim Nasa TLX zu sehen, dass der lokale Nutzer in der AR Umgebung am meisten von einem VR/AR Setup profitiert.
+Zusammenfassend wird das VR Szenario von den Benutzern besser bewertet.
 Das System wird generell als attraktiver und origineller bewertet als ein herkömmlicher Videostream.
-		
+Gleichzeitig gibt der Lokale Nutzer in einer AR Umgebung eine besser Leistung und eine geringere Frustration an obwohl die Kalibrierungs- und Trackingprobleme hauptsächlich den AR Benutzer betreffen.
+Bei dem Vergleich der Experten ist abgesehen von der Körperlichen Anforderung nur bei der Nutzererfahrung eine Unterschied zu erkenne.
+Diese wird in VR besser bewertet.
 			
 \subsection{Unabhängigkeit}
 
@@ -316,21 +324,50 @@ Die Kamera bewegt sich und zeigt nicht immer den richtigen Bildausschnitt.
 
 Aber es gibt auch Bewertungen, die diese Unabhängigkeit als sehr schlecht eingestuft haben.
 Dieses hat 2 in den Bemerkungen genannte Gründe. 
-Zum einen wird der Strahl in der HoloLens nicht mit der Geometrie geschnitten und endet damit am ersten Schnittpunkt, sondern geht durch das Objekt hindurch.
+Zum einen wird der Strahl in der HoloLens nicht mit der Geometrie geschnitten und endet damit nicht am ersten Schnittpunkt, sondern geht durch das Objekt hindurch.
 Stehen Experte und lokaler Nutzer auf unterschiedlichen Seiten des Objekts und der Strahl geht schräg durch das Modell, so zeigt er auf der Austrittsseite einen falschen Schnittpunkt.
 Dieser kann zu Verwirrungen frühen.
 Ein zweiter Grund ist, dass wir die gleiche Perspektive gewöhnt sind.
 Wenn wir entlang des Strahls schauen, ist es einfach er zu erkennen, wo er aktuell schneidet. 
 Steht man senkrecht dazu, ist es schwerer zu erkennen, wo die genauen Schnittpunkte sind.
+Eine neue Positionierung des lokalen Nutzers löst dieses Problem.
+
+	
+			
+\subsection{Zusammenfassung}
+Betrachtet man die Evaluation als Ganzes dann spricht diese für die Weiterentwicklung und Erforschung der Zusammenarbeit mit VR und AR Technologien.
+Das vorgestellte System erreicht trotz technischer Probleme eine leicht bessere Bewertung in fast allen untersuchten Punkten.
+Die Vorbereitung des Experten in VR anhand einer Punktwolke wurde als schwieriger bewertet, liefert aber im Durchschnitt eine leicht bessere Vorbereitungszeit.
+Bei der Kommunikation konnte ebenfalls eine leicht bessere Kommunikationszeit gemessen werden,wobei die benutzte sprachliche Kommunikation weniger wurde.
+Im VR Szenario wurden weniger Fehler gemacht und die Nutzer haben das System besser bewertet.
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
 
 
 
 
 
 
-\subsection{Allgemeines}
-	HoloLens
-		kliense FOV
-		schwer
-		schlechte Auflösung
 			
\ No newline at end of file

Ausarbeitung/08Ausblick.tex

 \chapter{Fazit und Ausblick}
 \label{chapter:08Ausblick}
+In der heutigen hochtechnisierten Zeit wird immer häufiger das Fahchwisseneines Experten benötigt.
+Experten sind aber häugi nicht vor Ort und müsseten erst anreisen.
 In dieser Arbeit wurde eine Möglichkeit vorgestellt, um das Zusammenarbeiten eines lokalen Benutzers mit einem nicht anwesenden Experten an einem Objekt zu realisieren.
-Verwendet wurde dabei die Vive, die Kinect und die HoloLens.
-Hierzu wurde zunächst eine Methode vorgestellt, mit einer Kinect und dem Lighthaus Tracking der Vive einen Punktwolkenscan des Objektes anzufertigen.
+Verwendet wurde dabei eine Vive, die Kinect und die HoloLens.
+Zunächst müssern hierfür alle Benötigten Inforamtionen aufgenommen und an den Expernte übermittelt werden.
+Es wurde zunächst eine Methode vorgestellt, mit einer Kinect und dem Lighthouse Tracking der Vive einen Punktwolkenscan des Objektes anzufertigen.
 Der Experte und der lokale Nutzer können dann gemeinsam mit einer Zeigegeste an demselben Objekt arbeiten.
 Der Experte sieht die 3D Punktwolke und den Beam, wobei der lokale Nutzer den Beam in einer AR Umgebung am echten Objekt eingeblendet bekommt.
 
-Dieses Verfahren und die noch relativ neue Hardware bringt einige Problem mit, jedoch zeigt die Nutzerstudie, dass ein Zusammenspiel in VR und AR attraktiver, im Durchschnitt schneller und weniger fehleranfällig ist.
+Dieses Verfahren und die noch relativ neue Hardware bringt einige Probleme mit, wie zum Beispiel Ungenauigkeiten im Tracking und die Synchronisation der verschiedenen Systeme zueinander.
+Für den jeweiligen Anwendungszweck sind die Vive und die HoloLens gut geigten und die Fehler im Tracking fallen kaum auf, jedoch werden diese in Verbindung mit andern Systemen sichtbar.
+Die Nutzerstudie Zeigt trotz der Probleme mit der Hardware einige Verbesserungen gegenüber dem Videostream Referenzszenario.
+Das VR/AR System von den Nutzern als Attraktiver bewertet und und zeigen geringe Frustration und eine bessere selbst eingeschätzte Leistung beim lokalen Benutzer.
+Außerdem waren die Benutzer im VR Szenario durchschnittlich schneller und es wurden weniger Fehler gemacht.
 
 
-Das vorgestellte Aufnehmen der Punktwolke mit Kinect und Lighthouse Tracking bietet eine gute und schnelle Grundlage für einen 3D Scan, ist aber zum direkten Verwenden noch zu ungenau.
-Durch Verbesserung der Kalibrierung des Controllers zu Kinect und das Tracking des Controllers könnte dieses Verfahren eine ideale Grundlage für schnelle Aufnahmen bieten. %@@@ was meinst du mit Aufnahmen?
+Das vorgestellte Aufnehmen der Punktwolke mit Kinect und Lighthouse Tracking bietet eine gute und schnelle Grundlage für einen 3D Scan, ist aber zum unbearbeiten Verwenden noch zu ungenau.
+Durch Verbesserung der Kalibrierung des Controllers zu Kinect und das Tracking des Controllers könnte dieses Verfahren eine ideale Grundlage für schnelle 3D Scans bieten.
 Bei der Kalibrierung zueinander könnte man einen andern Sensor verwenden, bei dem die Position im Gehäuse besser dokumentiert ist. 
-Außerdem könnte ein Vive Tracker anstellte des Controllers besserer Ergebnisse bringen, da der Ursprung des Tackers geschickter liegt.
-In praktischen Anwendungen sollten die Punktwolkenaufnahmen nachbearbeitet werden. %@@@ automatisch oder von Hand? Im zweiten Fall funktioniert dein Use Case nicht.
+Außerdem könnte ein Vive Tracker anstellte des Controllers besserer Ergebnisse bringen, da der Ursprung des Tackers genau spezifiziert ist und für den Anwendungsfall des Objekt Trackings gedacht ist.
+In praktischen Anwendungen sollten die Punktwolkenaufnahmen automatisch nachbearbeitet werden. 
 Die einzelnen Teile der Punktwolke haben vergleichsweise kleine Verschiebungen und besitzen häufig gemeinsame Flächen. 
 An diesen könnte im Nachhinein die exakte Punktwolke berechnet werden.
 
 Ein weiterer Kritikpunk aus der Evaluation sind die zu ungenauen Punktwolken und das normale Nutzer es nicht gewöhnt sind mit Punktwolken zu arbeiten.
 Generiert man ein Mesh aus der Wolke, dann könnte dieses eine verbesserte Darstellung ergeben.
 
-Ein weiterer Nachteil an den in dieser Arbeit verwendeten Punktwolken ist, dass diese statisch sind.
+Die Bisherige Implementierung erlaubt nur das Aufnehmen und Anzeigen von statischen Punktwolken.
 Verändert der lokale Nutzer den betrachteten Bereich, dann erhält der Experte darüber keine Infos.
 Ist die Aufnahmetechnik performant genug, könnte man dem lokalen Nutzer regelmäßig neue Aufnahmen machen lassen.
 Alternativ  positioniert man mehrere Kinects aus verschiedenen Richtungen im Raum, sodass die Area of Interest von allen benötigten Richtungen gescannt wird.
@@ -29,16 +36,16 @@ Mit einer live Punktwolke kann das Objekt in der Evaluation auch verändert werd
 Problematisch könnte die Verdeckung durch den lokalen Nutzer sein.
 
 
-Die Kalibrierung von Vive zu HoloLens un die Ungenauigkeiten im Tracking bringen weiter %@@@ Satz nich vollständig
-Hier gibt es an einigen Stellen Verbesserungspotenzial.
+Die Kalibrierung von Vive zu HoloLens und die Ungenauigkeiten im Tracking bringen weitere Möglichkeiten das System zu verbessern.
 Die einfache Lösung wäre, die HoloLens selber mit einem Tracker zu versehen und man erhält einen dauerhaft sich selber aktualisieren gemeinsamen Punkt.
 Damit eliminiert man die Ungenauigkeit aus dem HoloLens Tracking.
 Das Problem, dass das Lighthouse Tracking nicht längengetreu ist, wird dabei nicht gelöst.
 Eine weitere Möglichkeit wäre es, Vive Tracker mit Markern zu versehen.
 Diese können dann mit der HoloLens erkannt werden und in dem Koordinatensystem der HoloLens platziert werden.
-Damit umgeht man den menschlichen Kalibrierfehler und wenn man mehrere Tracker mit Markern verwendet, erhält man die Längen in der HoloLens und der Vive.
+Damit umgeht man den menschlichen Ungenauigkeiten bei der Kalibrierung und wenn man mehrere Tracker mit Markern verwendet, erhält man die Längen in der HoloLens und der Vive.
 Mit dieser Information kann man die exakte Längenverzerrung ausrechnen und beseitigen.
 
+\todo{hoptea: Ungenauigkeiten im Tracking kann man zwar durch ein größeres Objekt ausgleichen, aber was bringt das einem? Viel sinniger wäre es doch, das Verfahren weiter zu optimieren. Alles groß und klobig zu machen, ist nicht immer möglich/sinnvoll}
 Das verwendete Evaluatiosnzenario war relativ einfach, sehr abhängig vom Tracking, der Kalibrierung und den jeweiligen Probanden.
 Bei weiteren Untersuchungen könnten komplexere Szenarien evaluiert werden, um die Vorteile der VR Umgebung klarer herauszuarbeiten.
 Um Ungenauigkeiten im Tracking auszugleichen, könnte man größere Objekte verwenden als Duplos.
@@ -60,5 +67,3 @@ Allein die Visualisierung der aktuellen Kopfposition (Headsets) des Partners kö
 Eine weitere Interaktionsmöglichkeit wäre das Platzieren von 3D Objekten \bzw{} Hologrammen in der Welt. 
 Der Experte hätte damit z.B. die Möglichkeit, Referenzobjekte direkt darzustellen.
 Bei animierten Hologrammen könnten so direkt Montageschritte visualisiert werden.
-\todo{cite Virtual Proxy}
-

Ausarbeitung/Anhang.tex

@@ -5,32 +5,25 @@ In diesem Anhang finden Sie das verwendete Tileset der 3D Tiles
 \lstinputlisting[language=json,firstnumber=1]{../3_PointCloud/tileset1.json}
 \pagebreak
 
-\section{Evaluations Fragebogen}
-\todo{mäh, und lInk}
-\begin{figure}
-  \begin{center}
-    \label{img:Anfangsfragebogen}
-    \includepdf[page=1,scale=0.75]{../Evaluation/Anfangsfragebogen.pdf}
-    \caption{Der Anfangsfragebogen}
-  \end{center}
-\end{figure}
-
-\begin{figure}
-  \begin{center}
-    \label{img:JedesMal}
-    \includepdf[pages={1-4},scale=0.75]{../Evaluation/PDFsam_merge.pdf}
-    \caption{Der Fragebogen nach jedem Versuchsdurchlauf}
-  \end{center}
-\end{figure}
-
-\begin{figure}
-  \begin{center}
-    \label{img:Abschluss}
-    \includepdf[page=1,scale=0.75]{../Evaluation/Abschluss.pdf}
-    \caption{Der Abschlussfragebogen}
-  \end{center}
-\end{figure}
-
+\section{Evaluations Fragebögen}
+
+\newcommand{\siezpdf}{0.8}
+
+\subsection{Anfangsfragebogen}
+\begin{center}
+\includegraphics[page=1,scale=\siezpdf]{../Evaluation/Anfangsfragebogen.pdf}      
+\end{center}
+\subsection{Fragebogen nach jedem Szenario}
+\begin{center}
+\includegraphics[page=1,scale=\siezpdf]{../Evaluation/PDFsam_merge.pdf}      
+\includegraphics[page=2,scale=\siezpdf,angle=90,origin=c]{../Evaluation/PDFsam_merge.pdf}     
+\includegraphics[page=3,scale=\siezpdf]{../Evaluation/PDFsam_merge.pdf}     
+\includegraphics[page=4,scale=\siezpdf]{../Evaluation/PDFsam_merge.pdf}
+\end{center}
+\subsection{Abschlussfragebogen}
+\begin{center}
+\includegraphics[page=1,scale=\siezpdf]{../Evaluation/Abschluss.pdf}    
+\end{center}
 
 
 \section{Tabellen}

Ausarbeitung/thesis.bib

@@ -166,3 +166,10 @@ eprint = {
   howpublished = {\url{http://www.tomshardware.com/news/microsoft-hololens-components-hpu-28nm,32546.html}},
   note = {Accessed: 2017-11-26}
 }
+
+
+@misc{UEQ,
+  title = {User Experience Questionnaire (UEQ)},
+  howpublished = {\url{http://www.ueq-online.org/}},
+  note = {Accessed: 2017-11-26}
+}