Stereoscopic depth estimation for online vision systems

Medientyp: E-Book; Hochschulschrift

Titel: Stereoscopic depth estimation for online vision systems

Beteiligte: Einecke, Nils [VerfasserIn]; Groß, Horst-Michael [Sonstige Person, Familie und Körperschaft]; Eggert, Julian [Gutachter]; Burschka, Darius [Gutachter]

Körperschaft: Universitätsverlag Ilmenau

Erschienen: Ilmenau: Universitätsverlag Ilmenau, 2012

Umfang: Online-Ressource (PDF-Datei: XII, 161 S., 7,43 MB); Ill., graph. Darst

Sprache: Englisch

Identifikator:

RVK-Notation: UH 7500 : Optische Signalverarbeitung Optische Computer, Optische Speicher
ZQ 6270 : Bildverarbeitung in der Automatisierung

Schlagwörter: Dreidimensionales maschinelles Sehen > Tiefenerkennung > Kostenfunktion > Parameterschätzung > Echtzeitbildverarbeitung
Mobiler Roboter > Fahrerassistenzsystem > Dreidimensionales maschinelles Sehen > Stereokamera > Tiefenerkennung > Echtzeitbildverarbeitung

Entstehung:

Hochschulschrift: Ilmenau, Techn. Univ., Diss., 2012

Anmerkungen: Parallel als Druckausg. erschienen
Systemvoraussetzungen: Acrobat reader

Beschreibung: Die visuelle Wahrnehmung des Menschen wird in hohem Maße vom stereoskopischen Sehen beeinflusst. Die dreidimensionale Wahrnehmung entsteht dabei durch die leicht unterschiedlichen Blickwinkel der beiden Augen. Es ist eine nahe liegende Annahme, dass maschinelle Sehsysteme ebenfalls von einem vergleichbaren Sinn profitieren können. Obwohl es bereits zahlreiche Arbeiten auf dem Gebiet des maschinellen stereoskopischen Sehen gibt, erfüllen die heutigen Algorithmen entweder nicht die Anforderungen für eine effiziente Berechnung oder aber sie haben nur eine geringe Genauigkeit und Robustheit. Das Ziel dieser Doktorarbeit ist die Entwicklung von echtzeit- und realweltfähigen stereoskopischen Algorithmen. Insbesondere soll die Berechnung der Algorithmen leichtgewichtig genug sein, um auf mobilen Plattformen eingesetzt werden zu können. Dazu werden im Rahmen dieser Arbeit zwei neue Methoden vorgestellt, welche sich durch eine gute Balance zwischen Geschwindigkeit und Genauigkeit auszeichnen. Als erstes wird die "Summed Normalized Cross-Correlation" (SNCC) vorgestellt, eine neue Kostenfunktion für blockvergleichende,stereoskopische Tiefenschätzung. Im Unterschied zu den meisten anderen Kostenfunktionen ist SNCC nicht anfällig für den qualitätsmindernden "Fattening"-Effekt, kann aber trotzdem sehr effizient berechnet werden. Die Auswertung der Genauigkeit auf Standard Benchmark-Tests zeigt, dass mit SNCC die Genauigkeit von lokaler,blockvergleichsbasierter, stereoskopischer Berechnung nahe an die Genauigkeit von global optimierenden Methoden basierend auf "Graph Cut" oder "Belief Propagation" heran kommt. Die zweite vorgestellte Methode ist das "Direct Surface Fitting", ein neuerAlgorithmus zum Schätzen parametrischer Oberflächenmodelle an Hand von Stereobildern. Dieser Algorithmus ist inspiriert vom Homographie-beschränkten Gradientenabstieg, welcher häufig dazu benutzt wird um die Lage von planaren Oberflächen im Raum zu schätzen. Durch die Ersetzung des Gradientenabstiegs mit der direkten Suchmethodik von Hooke und Jeeves wird die planare Schätzung auf beliebige parametrische Oberflächenmodelle und beliebige Kostenfunktionen erweitert. Ein Vergleich auf Standard Benchmark-Tests zeigt, dass "Direct Surface Fitting" eine vergleichbare Genauigkeit wie Methoden aus dem Stand der Technik hat, im Gegensatz zu diesen aber höhere Robustheit in anspruchsvollen Situationen besitzt. Um die Realwelttauglichkeit und Effizienz der vorgestellten Methoden zu untermauern wurden diese in ein Automobil- und in ein Robotersystem integriert. Die mit diesen mobilen Systemen durchgeführten Experimente demonstrieren die hohe Robustheit und Stabilität der eingeführten Methoden.

Zugangsstatus: Freier Zugang

Nur in Feld suchen:

Zuletzt gesuchte Begriffe: