Affine Correspondences and their Applications for Model Estimation
Affine correspondence
robust fitting
modell fitting
multi-model fitting
Informatika D. I./Az informatika alapjai és módszerei.
Affin megfeleltetés
robusztus illesztés
modell illesztés
multi-modell illesztés
Abstract:
Ezen disszertációban a számítógépes látás két területére fókuszáltunk, amik a geometriai modell becslés affin megfeleltetések felhasználásával, illetve a robusztus (multi-)modell illesztés. Néhány, e munkát ihlető cikk a számógépes látás legnagyobb presztízsű fórumain jelent meg, mint például a Conference on Computer Vision and Pattern Recognition (CVPR), vagy a European Conference on Computer Vision (ECCV).
A geometriai modell becslés számos problémáját oldottuk meg affin megfeleltetések felhasználásával. Ezek a problémák: felületi normálisok becslése több nézet felhasználásával; homográfia becslése egyetlen megfeleltetésből; fundamentális és esszenciális mátrixok becslése három, illetve két megfeleltetésből; és megoldottuk az úgynevezett félig-kalibrált esetet is affin jellemzőpontokkal. A félig-kalibrált eset alapfeltevése, hogy a kamerák belső paraméterei egy közös fókusztáv kivételével mind ismertek. Ezen felül megmutattuk, hogy mi a közvetlen kapcsolat affin megfeleltetések és az epipoláris geometria között. A javasolt algoritmusokat mind szintetikus tesztkörnyezetben, mind publikusan elérhető valós adatbázisokon teszteltük és hasonlítottuk össze a state-of-the-arttal.
A robusztus modell illesztés területén javasoltunk egy módszer outlierek szűrésére pont-megfeleltetések egy halmazából. A javasolt módszer nem feltételezi egy, a színteret magyarázó geometriai modell létezését. Javasoltunk egy új lokálisan optimalizált RANSAC algoritmust is, mely arra a feltételezésre épít, hogy az egymáshoz közel elhelyezkedő pontok nagy valószínűséggel tartoznak ugyanahhoz a modellhez. Tehát a pontok térbeli relációira építve nagyobb pontosság és korábbi termináció érhető el. Javaslunk egy módszert multi-homográfia illesztésre is két kép között, majd ezt a módszert általánosítva eljutunk ahhoz a problémához, amikor ismeretlen számú és tetszőleges típusú modellt szeretnénk egy időben megtalálni. Ezen módszerek hatékonyságát is kiértékeltük mind szintetikus, mind publikusan elérhető valós adatbázisokon.