A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Visão computacional.

Apresentações semelhantes


Apresentação em tema: "Visão computacional."— Transcrição da apresentação:

1 Visão computacional

2 Imagens de profundidade (Range images)
Codifica a forma e a distância

3 Sensor ativo de luz e distância
Single sensing element scans scene – only one viewpoint Laser light reflected off surface and returned Phase shift codes distance Brightness change codes albedo

4 Sensor com luz estruturada

5 Forma a partir de tons (shape from shading)
Tianzi Jiang, 1999

6 Reconstrução por imagens de intensidada de cor

7 O problema de calibração de câmera
Ache [K] e [R T] Dados pares de pontos [P] e [p] Padrões com pontos em posições conhecidas

8 Formulação Matemática:
Pontos da cena Pontos da imagem. Função de projeção (não-linear) TSAI, Roger Y. An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, Miami Beach, FL, pp , 1986. TSAI, Roger Y. A Versatile Camera Calibration Technique for High-Accuracy 3D Machine Vision Cameras and Lenses. IEEE Journal, Vol. RA-3, No. 4, pp , 1987. ZHANG, Zhengyou. A Flexible New Technique for Camera Calibration. Microsoft Research. Technical Report MSR-TR-98-71, dezembro (http://research.microsoft.com/~zhang)

9 Correspondência Com características -

10 Problema: oclusão -

11 Problema: Falta de características
- Ovo de avestruz num tabuleiro 

12 1 camera que move e1 projetor
Sistema utilizado 2 cameras e 1 projector (rápido) 1 camera que move e1 projetor (lento)

13 Imagens capturadas para correspondência
slide positivo slide negativo esquerda direita

14 Onde está o ponto na outra imagem?

15 Uma solução: (u,v) 2 coordinadas
O dobro de fotos!

16 Geometria epipolar P Pl Linha Epipolar Pr ycr ycl pl pr xcr xcl er el
zcr xcl el er eyer eyel zcl

17 Correspondencia epipolar

18 Reconstrução: idéia

19 Dados capturados

20 Modelo do cilindro covariance matrix: centroid: axis of the points pi:

21 Medidas

22 Quais são os problemas? 2D: 3D
Capturar e reconhecer feições (extração de arestas e cantos) Ajustar modelos a estas feições (ajuste de linhas) 3D Determinhar a posição das câmeras (calibração) Reconhecer nas imagens os pixels correspondentes ao mesmo ponto da cena (correspondencia) Calcular a posição 3D dos pontos correspondentes (estéreo) Reconstruir o modelo a partir de uma nuvem de pontos.


Carregar ppt "Visão computacional."

Apresentações semelhantes


Anúncios Google