Combining geometric and appearance priors for pose recovery
Visualitza/Obre
Memòria (9,696Mb) (Accés restringit)
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2099.1/16335
Tipus de documentProjecte Final de Màster Oficial
Data2009-09
Condicions d'accésAccés restringit per decisió de l'autor
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
Estimar la pose (rotació i translació) de la càmera a partir dels punts d'interés de l'escena 3D i punts de la imatge 2D és un problema ben resolt en el cas que es coneguin les correspondències entre ells. No obstant, quan aquestes correspondències no poden ser establertes a priori, s'han d'anar calculant al mateix temps que la posició de la càmera. Aquest és un problema que ha estat abordat d'una manera interessant per l'algoritme BlindPnP [27]. Aquest mètode és basa en el fet que a la pràctica, podem disposar d'alguns priors sobre la pose de la càmera. Es modelen per mitjà d'un model de suma de gaussianes que es va refinant progressivament, al mateix temps que s'hipotetitzen noves correspondències. Així, es redueix ràpidament el nombre de correspondències materials per a cada punt 3D i ens permet explorar l'espai de pose d'una manera prou eficient. Els problemes apareixen quan el nombre de punts d'interés de l'escena és elevat, tal i com pot succeir si es pretén aplicar l'algoritme en models de grans ciutats o d'escenes 3D tretes de grans bases de dades (internet). En aquest projecte demostrem que introduint la informació de la textura sobre el model i combinant priors tant geomètrics com d'aparença, és possible millorar el cost computacional del BlindPnP, aconseguint uns resultats similars. A més, si amb el BlindPnP podíem utilitzar models 3D fins a M = 100 punts, ara aconseguim treballar amb xifres de M' = 100000 punts, una millora de tres ordres de magnitud. Ens permetem doncs, imaginar l'aplicació de l'algoritme en escenes reals.
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
memoria_eserradell.pdf | Memòria | 9,696Mb | Accés restringit |