Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО
Петерсон, Максим Владимирович
05.13.01
Кандидатская
2013
Санкт-Петербург
123 с. : ил.
Стоимость:
499 руб.
Оглавление
Введение
Глава 1. Методы восстановления относительной ориентации камеры и трехмерной структуры сцены
1.1 Использование локальных признаков в мобильных системах компьютерного зрения
1.2 Модель формирования изображений на основе центральной перспективной проекции
1.3 Методы калибровки камеры
1.4 Методы восстановления относительного положения камеры и трехмерных координат точек сцены
Выводы по главе
Глава 2. Разработка информационных критериев для выбора моделей пространственных преобразований
2.1 Априорная информация о геометрической модели камеры
2.2 Критерии выбора геометрических моделей из семейств со сложной структурой
2.3 Определение внутренних параметров камеры
2.4 Определение смещения камеры и восстановление структуры сцены
Выводы по главе
Глава 3. Разработка алгоритмов получения исходных данных для методов оценки трехмерной структуры сцены и
относительного смещения камеры
3.1 Получение исходных данных для определения внутренних параметров камеры
3.2 Сопоставление изображений по набору ключевых точек
3.3 Алгоритм кластеризации точечных соответствий на изображениях динамических сцен
Выводы по главе
Глава 4. Экспериментальная проверка
4.1 Инкрементный метод сопоставления изображений
4.2 Проверка критериев для выбора типа межкадрового преобразования
4.3 Реконструкция моделей динамических сцен
Выводы по главе
Заключение
Литература
Введение
Актуальность темы
Использование методов компьютерного зрения в целях визуальной локализации мобильных систем в окружающем пространстве, в том числе автономных роботов, транспортных средств и т.д., является востребованным в областях навигации, картографирования [1, 2], создания систем дополненной реальности [3, 4] и в других приложениях. Актуальность тематики визуальной навигации подтверждается тем, что она соответствует таким пунктам перечня критических технологий Российской Федерации, как «8. Нано-, био-, информационные, когнитивные технологии» и «Технологии информационных, управляющих, навигационных систем», а также приоритетному направлению развития науки, технологий и техники Российской Федерации «3. Информационно-телекоммуникационные системы».
В связи с сегодняшней доступностью цифровых камер, их удешевлением, повышением разрешения, а также увеличением производительности вычислительных элементов, как на стационарных, так и на портативных платформах, методы компьютерного зрения интенсивно используются при построении мобильных систем, решающих задачи автоматической локализации и навигации в окружающем пространстве. Использование методов компьютерного зрения в указанных целях может быть весьма эффективным в связи с тем, что изображения несут большой объем информации о среде. В то же время использование изображений для решения задач сенсорной локализации и навигации связано и с определенными трудностями, к основным из которых относится априорная неопределенность в содержании визуально воспринимаемых сцен, ракурса съемки, а также, возможно, внутренних параметров камер, в связи с чем задача определения относительной ориентации камер одновременно с реконструкцией трехмерной организации сцены может
после начальной оценки структуры сцены проекционные матрицы для новых положений камеры вычисляются через решение системы линейных уравнений, которая составляется на основе координат проекций уже сопоставленных и восстановленных ключевых точек на новом изображении [55].
При разработке мобильной системы компьютерного зрения, которая осуществляет автоматическую визуальную навигацию, локализацию и построение карты среды, где она перемещается, необходимо применять методы, позволяющие восстанавливать относительные перемещения камеры в режиме реального времени. Классические алгоритмы факторизации [62], которые одновременно обрабатывают всю информацию из базы изображений и используют как предыдущие, так и последующие кадры для вычисления всех проекционных матриц камеры одновременно в данном случае малоприменимы. В отличие от инкрементного подхода, когда каждое новое изображение обрабатывается только в паре с предыдущим, здесь предполагается, что определенный набор отождествленных ключевых точек присутствует на всей серии изображений, к тому же данные методы неустойчивы к ложным сопоставлениям.
В частных случаях, для визуальной навигации мобильных систем компьютерного зрения, так же как и для автокалибровки, можно использовать априорные знания о вероятной структуре окружающего пространства и возможных видах перемещения камеры, например, если мобильный робот перемещается внутри помещения, тогда вероятнее всего, что камера будет двигаться в некоторой плоскости, параллельной полу. Помимо этого, наблюдаемые объекты также могут иметь априорно заданную структуру. Имеются работы, в которых относительное перемещение камеры определяется через разложение гомографии на матрицу поворота, вектор переноса и вектор нормали к плоскости, относительно которой рассчитывается гомография [63, 64]. В стандартных методах разложения гомографии [65] получают набор решений с помощью численных алгоритмов, таких как разложение по
Название работы | Автор | Дата защиты |
---|---|---|
Методика формирования агрегированных требований к реализации информационной системы комплекса автоматизированного проектирования концерна радиостроения | Пушина, Анна Александровна | 2012 |
Управление односекторной экономикой в случае конечного временного горизонта : принцип магистрали, золотое правило накопления, экономический рост | Кулешова, Елена Викторовна | 2009 |
Системный анализ и многокритериальная оптимизация процессов профилактического восстановления в системах с отказами каналов обслуживания | Коваленко, Анна Игоревна | 2017 |