Detecção e identificação de feições

Slides:



Advertisements
Apresentações semelhantes
GRASP Greedy Randomized Adaptative Search Procedure
Advertisements

Introdução ao JavaScript JavaScript 02. Propriedade onMouseOver Observe o SCRIPT abaixo: link O.
Transformações espaciais geométricas
Fundamentos de Geoprocessamento
Geometria Computacional Interseção de Segmentos
Disciplina de Otimização Aluno: Cristhian A. C. Cortez
Estrutura e movimento a partir de imagens
Reconstrução tridimensional. Passos Encontrar correspondência entre pontos das imagens Reconstruir a posição tridimensional de cada ponto, usando os dados.
MELHORANDO A IMAGEM CAPTURADA Gabriel Tavares Malizia Alves
Mapeamento de texturas com redução de aliasing Lorenzo Ridolfi
Padrões GoF - Strategy.
Acompanhamento de Cenas com Calibração Automática de Câmeras
RECONSTRUÇÃO 3D Visão Computacional e Realidade Aumentada
Dissertação de Mestrado
CAPÍTULO Introdução 2. Programação de tarefas de robôs
Computação Gráfica: Aula4: Câmeras
Instituto Tecnológico da Aeronáutica – ITA Divisão de Ciência de Engenharia Eletrônica e Computação EE-09 Inteligência Artificial Prof. Adilson Marques.
INF 1771 – Inteligência Artificial
Correlação de Imagens FUNÇÃO 0,0 C L.
Tela Principal do Sistema – MasterPlus CoverPrinter
Aula prática 12 Listas Encadeadas
- Soluções em Geoprocessamento
Localização de fonte sonora utilizando microfones
Construção do Modelo Digital de Elevação (MDE) e sobreposição de imagens do Google Earth utilizando o Surfer v.8 Jaboticabal - SP.
C OMPARAÇÃO DO COMPORTAMENTO DO BIC EM ALGUNS MODELOS PROBABILÍSTICOS Diogo Taurinho Prado Orientadora: Denise Duarte.
Carlos Oliveira Descrição e Objetivo Considerações Etapas consideradas Resultados obtidos Melhoramentos.
Reconstrução de formas Solução geométrica baseada na escavação do espaço e em superfícies reflectoras Nuno Martins Coimbra Novembro de 2001.
Estimação da direção de múltiplas fontes de luz Baseado no artigo Estimation of Illuminant Direction and Intensity of Multiple Light Sources, de W. Zhou.
Fernando Carvalho, João Manuel R. S. Tavares
Subset Sum Algoritmos e Estruturas de Dados – IF672
Sistema de Segurança Baseado em Análise de Imagens
Reconstrução Tridimensional usando IPP Trabalho final do curso de Visão Computacional DCC / UFMG Apresentação: Antônio Wilson Vieira.
Robson D. Montenegro Saulo C. S. Machado Correção de perspectiva para imagens de documentos capturados por câmeras.
Robson D. Montenegro Saulo C. S. Machado Correção de perspectiva para imagens de documentos capturados por câmeras.
Objetivo Nosso objetivo é desenvolver uma proposta de aula simples, utilizando alguns recursos do software graphmatica (na verdade o utilizaremos apenas.
Controle Estatístico de Qualidade Robert Samohyl, PhD.
Desenvolvimento de Marca e Promoção Lição 6 0. Módulos 6.1Revise a Análise Competitiva com base no feedback. 6.2Desenvolvimento de Marca e Promoção 6.3Descrição.
Relator: Leandro Augusto da Silva Contestador: Ramon Alfredo Moreno São Paulo, 14 de Março, de 2008.
Testes de Software AULA 02 Eduardo Silvestri
Trabalho Prático II Detecção e reconexão de Contornos MC920 - Introdução ao processamento de imagens Bruno Malveira - RA Carolina Michelassi - RA
Gradientes Conjugados
Segmentação de Fundo Marcelo Gonella
Aluno: Rómulo Marlon Ramos Avalos Gil Santos, Edmundo Hoyle.
Imagens: De intensidade e de Profundidade Prof a Dr a Mercedes Gonzales Márquez Prof a Dr a Mercedes Gonzales Márquez Universidade Estadual de Mato Grosso.
Modelagem e Estimativa
Transformada de Hough Processamento global para a detecção de linhas retas numa imagem Nenhum conhecimento é necessário a respeito da posição das linhas.
Sistemas de Rastreamento de Baixo Custo para Desktops Tecgraf (Grupo de Tecnologia em Computação Gráfica) Depto. de Informática, PUC-Rio Alberto Raposo,
Múltipla calibração de câmeras baseada em um padrão invariante (Multiple camera calibration based on invariant pattern) Manuel Eduardo Loaiza Fernandez.
Fases do Processo Detecção de Bordas Vetorização Reconhe- cimento.
CES-10 INTRODUÇÃO À COMPUTAÇÃO
Realidade Virtual Aula 2 Remis Balaniuk. Enxergando grande, começando pequeno Quem começa a aprender RV normalmente sofre um primeiro impacto negativo.
+ Diogo Ribeiro Glauber Ramos iGather: Refinamento de Buscas.
Georefenciação de imagens
Dimensoes euclidianas
1 Detecção da Bola em Vídeos de Futebol Apresentação Final Computação Gráfica /1 Luiz Felipe S. L. Guimarães.
CÁLCULO COM GEOMETRIA ANALÍTICA II Funções de várias variáveis
Equipe responsável pela produção
Objetos de aprendizagem
PUBLISHER AULA 02 Neste capítulo você conhecerá os recursos básicos encontrados nas diferentes guias do Microsoft Publisher. O uso de tais ferramentas.
P ROCESSAMENTO G RÁFICO Prof.: Veronica Teichrieb – A ULA 10 – C ÁLCULO DE P OSE.
Tópicos Avançados em Processamento de Imagens e
Exercício: Contar mentalmente um tempo de 10 segundos
Métodos de Pesquisa: Sequencial e Binária
Proposta de trabalho: Calibração de câmera
Proposta de trabalho: Rastreamento da movimentação de uma câmera.
Teoria dos Campos Conceituais
Materiais manipuláveis: Ábaco
 Introdução  Atividades realizadas no Colégio Tomaz Edson de Andrade Vieira  Atividades realizadas no Colégio Vital Brasil  Conclusão EXPERIÊNCIAS.
ALGUNS CONSELHOS. NOME: Fonte da imagem:
Ant Colony Optimization Eraylson Galdino da Silva Universidade Federal de Pernambuco Centro de Informática Tópicos Avançados em Inteligência.
Transcrição da apresentação:

Detecção e identificação de feições Proposta de trabalho: Composição de panorama usando imagens aéreas do Google Earth Detecção e identificação de feições

Descrição do trabalho Após captura de 4 imagens aéreas referentes coordenadas próximas de uma mesma área, usando por exemplo o Google Earth, montar um panorama usando essas imagens.

Como criar o panorama A proposta é usar detecção de feições para encontrar pontos característicos nas imagens. Usando algum dos algoritmos de detecção de feições : SIFT , SURF ou outro , achar um conjunto de pontos em comum entre as imagens.

Como criar o panorama O segundo passo seria usar os parâmetros de busca e pareamento que cada algoritmo de detecção de feições oferece, e tentar descartar possíveis pontos que não são pares confiáveis.

Como criar o panorama Com os pontos restantes calculamos a homografia que permite criar a correspondência entre os pontos característicos achados no passo anterior.

Como criar o panorama Apesar de ter tentado excluir pontos que foram pareados de forma errada nas imagens, sempre temos correlações erradas.

Como criar o panorama Como resultado a homografia calculada inicialmente com todos os pontos característicos ou feições gera como resultados um alinhamento não perfeito.

Como criar o panorama Nesse caso precisamos refinar o calculo da matriz de homografia. Usando alguns algoritmos de otimização como: RANSAC (Random sample consensus) ou LM (Levenberg–Marquardt) podemos melhorar o alinhamento das imagens melhorando o calculo da homografia.

Trabalho Pegar um conjunto de imagens do Google Earth, e montar um panorama alinhando as imagens numa única imagem.

Trabalho feições Dúvidas e perguntas ?

Extração imagens do Google Earth B C D Via comando direto no browser: http://maps.googleapis.com/maps/api/staticmap?siz e=1280x1280&scale=2&maptype=satellite&markers =size:tiny%7Ccolor:0xffffff%7C-22.8949975840251,- 43.2097215779622%7C-22.8949975840251,- 43.1963882446289%7C-22.9083309173584,- 43.2097215779622%7C-22.9083309173584,- 43.1963882446289%7C&sensor=false Só mudar as coordenadas da imagem que será requerida -22.8949975840251,-43.2097215779622 => A -22.8949975840251,-43.1963882446289 => B -22.9083309173584,-43.2097215779622 => C -22.9083309173584,-43.1963882446289 => D