Anwendung einer Filtermatrix auf ein Zielbild. Die Filtermatrix hat dabei oft eine kleine und ungerade Größe (bspw. 3×3, 5×5, …) und wird mit jedem Pixel des Zielbildes verknüpft. Hierbei wird eine gewichtete Summe des jeweiligen Pixels und seiner Nachbarschaft durchgeführt, was schließlich das entsprechende Pixel im Ergebnisbild darstellt. Das Ergebnisbild wird dabei häufig auch als gefaltetes Bild bezeichnet. Die Werte in der Filtermatrix, oft auch Gewichte genannt, entscheiden darüber, welche Effekte im Ergebnisbild hervorgerufen werden. Dies kann beispielsweise eine Weichzeichnung, Schärfung oder auch die Extraktion von Merkmalen wie bspw. Kanten sein. 

Eine Matrix, welches bestimmte Bereiche in einem Zielbild markiert. Die Matrix ist dabei in der Regel genauso groß wie das Zielbild und jeder Wert in der Matrix korrespondiert mit dem Pixel an der gleichen Position im Zielbild. Bei der Segmentierung (s.o.) von Bildern können Bildmasken eingesetzt werden, um den Pixeln des Zielbildes eine bestimmte Gruppe zuzuweisen (durch die Zuweisung eines Wertes für eine bestimmte Klasse an der entsprechenden Position in der Matrix).

Verhältnis von Kamerakonstante (Objektivbrennweite) zur Aufnahmeentfernung. Der Bildmaßstab beeinflusst maßgeblich die erzielbare Messgenauigkeit und sollte möglichst groß sein.

Mit der Bildorientierung wird die Aufnahmesituation mathematisch rekonstruiert. D.h. die Positionen und Rotationen (Drehungen) der Kamera zum Zeitpunkt der Aufnahme (die sog. Posen) werden nachträglich rechnerisch bestimmt. Die Bildorientierung ist elementare Voraussetzung dafür, dass in den Aufnahmen des Bildverbandes gemessen werden bzw. die Auswertung stattfinden kann. Das Ergebnis der Bildorientierung sind die Daten der Inneren Orientierung (Kameradaten) und Äußeren Orientierung (Posen).

Die photogrammetrischen 3D-Messungen basieren auf dem Triangulationsprinzip (s.u.). Hierzu müssen Aufnahmen von unterschiedlichen Standorten mit überlappenden Bildbereichen vorliegen, die in ihrer Gesamtheit den Bildverband formen. Zwei Aufnahmen bilden ein Bildpaar; sind die Aufnahmen in Stereoanordnung erstellt, sind die Voraussetzungen für Stereoauswertungen (unter räumlicher Betrachtung der Szene) gegeben.

Die Bildrate wird beim Echtzeitrendering häufig auch als Bilder pro Sekunde (engl. Frames per Second, FPS) angegeben und definiert die Anzahl der ausgegebenen Einzelbilder in einem Zeitintervall. Für AR-Anwendungen werden mindestens 60 FPS empfohlen.

Lokalisierung und Klassifizierung von Objekten. In den Bildern werden Objekte gesucht, die durch umgrenzende Rechtecke lokalisiert werden. Zusätzlich wird jedem gefundenen Objekt eine Klasse zugewiesen.

Der Emissionsgrad ist ein Maß für die Fähigkeit eines Materials, Strahlung auszusenden. Der Wertebereich für den Emissionsgrad liegt zwischen 0 und 1, wobei ein Emissionsgrad von 1 (100%) in der Realität nie auftritt, da reale Körper zusätzlich reflektieren und eventuell transmittieren. Die Ausprägung des Emissionsgrades ist stets in Abhängigkeit der Wellenlänge zu betrachten und maßgeblich von der Oberflächenbeschaffenheit des Körpers abhängig. Nichtmetallische und nichttransparente Objekte strahlen in der Regel viel Wärme aus und weisen einen Emissionsgrad von über 80% auf. Bei metallischen Oberflächen kann der Emissionsgrad hingegen stark variieren. Hierbei gilt, dass je glänzender ein Metall ist, desto niedriger ist der Emissionsgrad.

Die erweiterte Realität (engl. Augmented Reality, AR) ist die interaktive Erweiterung der physischen Umgebung durch die Integration zusätzlicher virtueller Informationen. Es zeichnet sich durch drei Hauptmerkmale aus: (1) Es kombiniert reale und virtuelle Elemente, (2) Es vereint virtuelle und reale Objekte im dreidimensionalen Raum, (3) Es ist in Echtzeit interaktiv.

Eine spezielle Art des Neuronalen Netzes, welche häufig bei zwei- oder auch dreidimensional und in einer geordneten Reihenfolge vorliegenden Daten verwendet wird. Bei dem „Standardmodell“ eines Neuronalen Netzes (dem Multi-layer Perceptron) durchlaufen die Eingabevariablen das Netz unabhängig voneinander. Insbesondere bei der Bilderkennung spielt die Nachbarschaft von Pixeln jedoch eine entscheidende Rolle. Bei Bildern werden daher aufgrund der zweidimensionalen und geordneten Struktur von Pixeln fast ausschließlich faltende Neuronale Netze (engl. Convolutional Neural Networks, CNN) verwendet. Diese beinhalten in einem ersten Schritt eine Abfolge von sogenannten Faltungsoperatoren (Bildfaltung (s.u.)) und Pooling (s.u.), um aus einem Zielbild relevante Merkmale zu extrahieren. Diese Merkmale durchlaufen anschließend den restlichen Teil des Netzes, welches der Eingabe schließlich bspw. eine bestimmte Klasse zuordnet.

Der Begriff Field of View (Sichtfeld) beschreibt die mit einer (Thermal)Kamera erfassbare Fläche. Das Sichtfeld ist von der Entfernung zwischen Messobjekt und Kamera sowie von dem verwendeten Objektiv abhängig. Während sich Weitwinkelobjektive für große Sichtfelder eignen, dienen Teleobjektive für eine strukturiertere räumliche Auflösung.

Etablierte Fortbewegungsmethoden in VR-Umgebungen sind Flug-Modi und Teleportationen. Beide Fortbewegungsarten erfolgen durch Eingaben an einem physischen Controller. Für Flüge werden die Gravitationseigenschaften der virtuellen Welt deaktiviert, so dass frei durch die Welt navigiert werden kann. Teleportationen werden durch Auswahl von Zielpositionen, zu denen gesprungen werden kann, realisiert.

HomePlug AV ist eine Spezifikation für ein Computernetzwerk via Stromleitung (Trägerfrequenzanlage), also so genannte Powerline Communication. Dabei ist eine Datenübertragungsrate von bis zu 200 Mbit/s möglich. Es ist die Nachfolgerspezifikation zu HomePlug.

Der ICP-Algorithmus (engl. Iterative Closest Point) ist ein Verfahren um Punktwolken optimal aufeinander einzupassen. Bei der Durchführung des Algorithmus wird versucht, die überlappenden Punktwolken mittels Rotation und Translation möglichst gut miteinander in Deckung zu bringen.

Für die Streckenmessung wird bei jedem Laserschuss die Laufzeit des zurückkommenden Signals gemessen. Zusammen mit der Ausbreitungsgeschwindigkeit kann auf der Grundlage des Weg-Zeit-Gesetzes die Strecke berechnet werden.  Aufgrund der hohen Anforderungen an die Zeitmessung ist die Genauigkeit i.a. geringer als beim Phasenvergleichsverfahren, allerdings sind damit größere Reichweiten erzielbar.

Eine Inertialmesseinheit kombiniert verschiedene Inertialsensoren wie Accelerometer, Gyroskop und Magnetometer in einem Sensorsystem. Benutzt werden Inertialsensoren für die Trägheitsnavigation, d.h. die Positions- und Orientierungsbestimmung von bewegten Objekten (z.B. Fahrzeugen), und häufig in Kombination mit globalen Navigationssatellitensystemen (GNSS), um bspw. bei GNSS-Ausfall die Positionsbestimmung nahtlos fortführen zu können.

Einteilung eines Objekts zu einer bestimmten Klasse aus einer vordefinierten Menge von Klassen.

 Beim Laserscanning werden Laserstrahlen verwendet, um Oberflächen zeilen- und/oder rasterartig abzutasten und diese in Form von 2D-Punktprofilen (Profilscanner) oder 3D-Punktwolken abzubilden.

PACM (engl. Phased Array Corrosion Mapping) ist eine zerstörungsfreie Inspektionstechnik zur Materialstärkemessung auf Grundlage von Ultraschall. Es können Unterschiede in der Materialstärke aufgrund von Korrosion detektiert und grafisch dargestellt werden.

Beim Phasenvergleichsverfahren arbeitet der Laserscanner mit einer sinusförmigen Welle, die eine feste, definierte Länge besitzt. Die Strecke setzt sich aus der Anzahl ganzer Schwingungen sowie einem Wellenreststück zusammen. Das Reststück wird durch den Vergleich der Phasenlage mit einem geräteinternen Referenzsignal ermittelt. Im Unterschied zum Impulslaufzeitverfahren ist die Streckenmessung tendenziell genauer und es können deutlich höhere Scanraten (> 1 Mio. Punkte/sec) erzielt werden. Die maximalen Messdistanzen sind jedoch durch die Wellenlängen limitiert (max. 100-200 m).

Unterabtastung eines gefalteten Bildes. Hierbei wird das (gefaltete) Bild verkleinert, indem relevante Informationen des Bildes zusammengefasst werden. Auf diese Weise werden überschüssige Informationen im Bild verworfen, was zu einer besseren Generalisierfähigkeit des Neuronalen Netz führt. Außerdem führt die Reduzierung der Bildgröße zu einer Verringerung des Speicherbedarfs und des Rechenaufwands. 

Als Pose wird die Position und Rotation, d.h. der Standpunkt und die Ausrichtung, eines Systems im Raum bezeichnet. Die Pose bezieht sich i.d.R. auf ein übergeordnetes Koordinatensystem (z.B. Bauwerkskoordinatensystem).

Das Pose-Trackingsystem bestimmt die Pose des AR-Gerätes (Smartphone, Tablet, Headset) in Echtzeit in einem vom Trackingsystem aufgespannten Koordinatensystem und überträgt diese auf die virtuelle Kamera, so dass Bewegungen im physischen Raum 1:1 in den virtuellen Raum übertragen werden, um die reale Umgebung mit der virtuellen Umgebung zu verknüpfen.

Eine Punktwolke ist eine Menge an räumlich (=3D) erfasster (Mess)Punkte. Einzelne Punkte können neben ihren dreidimensionalen Koordinatenwerte noch weitere Attribute, wie bspw. Farbwerte oder Rückstrahlintensitäten, enthalten.

Die Punktwolken werden originär in dem Sensorkoordinatensystem des Laserscanners erfasst. Die einzelnen Scans werden im Zuge der Registrierung durch räumliche Transformationen zu einer Gesamtpunktwolke in einem lokalen oder übergeordneten Koordinatensystem zusammengebracht.