2024-03-28T16:20:56Zhttps://www.tdx.cat/oai/requestoai:www.tdx.cat:10803/4053632017-09-21T08:39:32Zcom_10803_120col_10803_178
nam a 5i 4500
Estimació posició temps real
Estimación posición tiempo real
Time pose computation
Descirptors basats en punts característics
Descriptores basado en puntos característicos
Heypoint description
Enregistrament 2D/3D
Registro 2D/3D
2D/3D registration
Alignement de données 2D, 3D et applications en réalité augmentée
[Barcelona] :
Universitat Autònoma de Barcelona,
2017
Accés lliure
http://hdl.handle.net/10803/405363
cr |||||||||||
AAMMDDs2017 sp ||||fsm||||0|| 0 fra|c
9788449072376
El Rhabi, Youssef,
autor
1 recurs en línia (138 pàgines)
Tesi
Doctorat
Universitat Autònoma de Barcelona. Departament de Ciències de la Computació
2017
Universitat Autònoma de Barcelona. Departament de Ciències de la Computació
Tesis i dissertacions electròniques
Brun, Luc,
supervisor acadèmic
Lladós, Lladós,
supervisor acadèmic
TDX
Aquesta tesi s’emmarca en el context de la realitat augmentada. La problemàtica més gran consisteix en l’estimació de la posició de la càmera en temps real. Aquesta estimació s’ha de fer seguint tres criteris principals: precisió, robustesa i eficiència computacional.
En el marc d’aquesta tesi, establim alguns mètodes que permetin un millor ús de les primitives de les imatges. En el nostre cas, les primitives de les imatges són els punts característics. Per aconseguir aquest objectiu, ens basem en la textura d’aquesta imatge. Primerament, establim una arquitectura que faciliti una estimació de la posició més ràpida, sense pèrdua de precisió o robustesa. Aquesta arquitectura es basa en la utilització de la informació recollida durant una fase offline, en la qual reconstruïm l’escena en 3D. Utilitzem tota aquesta informació per a construir un graf de veïnatge dins de les imatges de la base de dades. Aquest graf de veïnatge ens permet seleccionar les imatges més rellevants per tal de calcular la posició de la càmera de manera més eficaç. En tant que els processos de descripció i matching no són prou ràpids, s’han optimitzat els càlculs, la qual cosa ens ha portat a proposar el nostre propi descriptor. Amb aquesta finalitat, hem construït un esquema genèric basat en la teoria de la informació la qual engloba una bona part dels descriptors binaris, inclòs el recent descriptor anomenat BOLD. El nostre objectiu ha estat, com per a BOLD, incrementar l’estabilitat dels descriptors produïts en els canvis d’orientació. Per aconseguir-ho, hem dissenyat un nou esquema de selecció offline que s’adapta millor al procés de matching online, que ens permet integrar les millores al descriptor que hem construït. Tot això ens permet millorar les actuacions del descriptor especialment en termes de rapidesa en comparació amb els descriptors de l’estat de l’art.
En aquesta tesi descrivim diversos mètodes utilitzats per a estimar la posició de la càmera més eficientment. Dels resultats del treball n’han sorgit dues publicacions (una nacional i una altra internacional) així com una sol·licitud de patent.
Realitat augmentada: SFM,SLAM, estimació de la posició a temps real, descriptors basats en punts característics, aprenentatge, enregistrament 2D/3D
a
ES-BaCBU
cat
rda
ES-BaCBU
text
txt
rdacontent
informàtic
c
rdamedia
recurs en línia
cr
rdacarrier