Structura din mișcare

De la Wikipedia, enciclopedia liberă.
Salt la navigare Salt la căutare
Model digital de suprafață al unui șantier de construcție a unei intersecții eșalonate a unei autostrăzi

Structura din mișcare sau SfM (în italiană: Structura din mișcare ) este o tehnică de imagistică de gamă a viziunii computerizate și a percepției vizuale , cu care procesul de estimare a structurilor tridimensionale din secvențe de imagine bidimensionale care pot fi cuplate cu semnale locale de mișcare. Din punct de vedere biologic, SfM se referă la fenomenul prin care oamenii (și alte creaturi vii) pot reconstrui structuri 3D dintr-un câmp în mișcare în proiecția 2D (retiniană) a unui obiect sau a unei scene în mișcare.

Obțineți informații 3D din imagini 2D

Ființele umane primesc o mulțime de informații despre structura tridimensională din mediul lor prin mișcare. Când observatorul se mișcă și obiectele din jurul său se mișcă, informațiile sunt obținute din imagini în timp [1] . Găsirea structurilor din mișcare prezintă probleme similare cu găsirea structurilor din viziunea stereoscopică. În ambele cazuri, trebuie găsită corespondența dintre imagini și reconstrucția obiectelor 3D.

Pentru a se potrivi imaginilor, caracteristici precum punctele de colț (laturile cu gradiente în mai multe direcții) sunt reprezentate de la o imagine la alta. Unul dintre cele mai utilizate detectoare de caracteristici este transformarea caracteristicii invariante la scară ( SIFT ). Folosiți maximul unei piramide a diferențelor Gauss (DOG) ca caracteristici Primul pas în SIFT este de a găsi o direcție de gradient dominantă. Pentru a-l face invariant la rotație, descriptorul este rotit pentru a se potrivi orientării sale [2] . Un alt detector de caracteristici foarte frecvent este SURF ( Speeded Up Robust Features ). În SURF, DOG-ul este înlocuit cu un detector de blob bazat pe matrice Hessian [3] . Mai mult, în loc să evalueze gradientul histogramelor, SURF calculează sumele componentelor gradientului și sumele valorilor lor absolute [4] . Caracteristicile detectate de toate imaginile vor fi apoi încrucișate. Unul dintre algoritmii de potrivire (pentru încrucișarea datelor) care trasează caracteristici de la o imagine la alta este plotterul Lukas-Kanade [5] .

SfM pentru analiza structurii patrimoniului cultural

Notă

  1. ^ Linda G. Shapiro, George C. Stockman, Computer Vision , Prentice Hall, 2001, ISBN 0-13-030796-3 .
  2. ^ DG Lowe, Caracteristici ale imaginii distincte din punctele cheie invariante la scară , în Jurnalul internațional de viziune computerizată , 2004.
  3. ^ H. Bay, T. Tuytelaars și L. Van Gool, Surf: Accelerat caracteristici robuste , în cea de-a 9-a Conferință europeană privind viziunea computerizată , 2006.
  4. ^ K. Häming și G. Peters, conducta de reconstrucție structură-din-mișcare - un sondaj cu accent pe secvențe de imagini scurte , în Kybernetika , 2010.
  5. ^ BD Lucas și T. Kanade, O tehnică iterativă de înregistrare a imaginii cu o aplicație pentru viziunea stereo , în IJCAI81 .

Bibliografie

  • Richard Hartley și Andrew Zisserman, Geometrie cu vedere multiplă în viziunea computerizată , Cambridge University Press, 2003, ISBN 0-521-54051-8 .
  • Olivier Faugeras și Quang-Tuan Luong și Theodore Papadopoulo, Geometria imaginilor multiple , MIT Press, 2001, ISBN 0-262-06220-8 .
  • Yi Ma, S. Shankar Sastry, Jana Kosecka, Stefano Soatto, Jana Kosecka, O invitație la viziunea 3D: de la imagini la modele geometrice , Seria de matematică aplicată interdisciplinară, # 26, Springer-Verlag New York, LLC, noiembrie 2003, ISBN 0-387-00893-4 .

Elemente conexe

linkuri externe

Structura din software-ul Motion

Soluții open source

C ++

Matlab

Piton

Alte programe software

Informatică Portal IT : accesați intrările Wikipedia care se ocupă cu IT