Detekce a korespondence významných bodů v obraze
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Hlavním cílem této bakalářské práce byly seznámit se základními technikami zpracování obrazu, převážně na detekci významných bodů ve snímcích jedné scény z více pohledů a stanovení vzájemné korespondence těchto bodů. Na úvod byly popsány základní principy pro pochopení počítačového vidění, jako jsou perspektivní projekce, popis modelu kamery a odvození základního vztahu pro geometrii dvou pohledů. Z detekčních metod byl představen nejznámější Harrisův detektor, který se často používá pro svou jednoduchost a SIFT detektor, který je navíc invariantní vůči změně měřítka. Harrisův detektor je popsán podrobně. V následujících kapitolách byly popsány základní principy pro nalezení korespondencí mezi významnými body. Pro tyto účely byl Podrobně popsán vztah mezi dvěma korespondujícími body ležících na dvou projekčních rovinách a jejich výpočet za pomocí matice Homografie. Přesněji byl odvozen pro jednoduchost vztah mezi kamerami se stejným středem promítání, jenž se používá např. v sestavení panoramat z více snímků. Poté byl zaveden princip epipolární geometrie a jejího matematického vyjádření v podobě fundamentální matice, s jejíž pomocí lze definovat vztah mezi dvěma nebo více projekčními rovinami a bodem v prostoru. Pro vyhledání prvotních korespondencí bylo použito technik porovnání na základě podobnosti za pomocí algoritmů SSD nebo NCC. Hlavním Algoritmem pro výpočet korespondencí byl podrobně popsaný pravděpodobnostní algoritmus RANSAC v základní podobě a dále upravený na MLESAC. Na závěr byl uveden popis jednoduché aplikace pro implementaci popsaných metod.
The main goal of this bachelor‘s thesis was obtain basic knowledge about image processing. Especially was this work specialized on features detection in images captured from different perspectives and for finding correspondences between those images. Preliminary were to be described the basic principles for understanding computer vision such as perspective projection, description model of the camera and two views geometry. From methods of the detection was introduced best-known and most widely used of the detectors Harris corner detector. He is independent of images rotation and he is analyzed in detail. Further was described SIFT detector, that is independent of images scale. In this work further be described to several methods for finding correspondences of images features. First were to be described and derived two basic transformation matrixes that arrange to the association with features of two images. The first homography matrix describes transformation of two 2D views and fundamental matrix. Fundamental matrix obtains from two images full information of captured 3D scene and projection matrixes of cameras. For to primary definition correspondences were to be used to methods SSD and NCC. These methods match correspondences after similarities surroundings of features. These methods unfiled correct assignment features. Therefore uses stochastic RANSAC algorithm. The RANSAC algorithm was in detail described in this work in basic form and further modified on MLESAC algorithm. This algorithm can find better correspondences than RANSAC. In the end was described simple application for implementation introduced methods.
The main goal of this bachelor‘s thesis was obtain basic knowledge about image processing. Especially was this work specialized on features detection in images captured from different perspectives and for finding correspondences between those images. Preliminary were to be described the basic principles for understanding computer vision such as perspective projection, description model of the camera and two views geometry. From methods of the detection was introduced best-known and most widely used of the detectors Harris corner detector. He is independent of images rotation and he is analyzed in detail. Further was described SIFT detector, that is independent of images scale. In this work further be described to several methods for finding correspondences of images features. First were to be described and derived two basic transformation matrixes that arrange to the association with features of two images. The first homography matrix describes transformation of two 2D views and fundamental matrix. Fundamental matrix obtains from two images full information of captured 3D scene and projection matrixes of cameras. For to primary definition correspondences were to be used to methods SSD and NCC. These methods match correspondences after similarities surroundings of features. These methods unfiled correct assignment features. Therefore uses stochastic RANSAC algorithm. The RANSAC algorithm was in detail described in this work in basic form and further modified on MLESAC algorithm. This algorithm can find better correspondences than RANSAC. In the end was described simple application for implementation introduced methods.
Description
Citation
HASMANDA, M. Detekce a korespondence významných bodů v obraze [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2008.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Teleinformatika
Comittee
doc. Ing. Karel Burda, CSc. (předseda)
doc. Ing. Kamil Říha, Ph.D. (místopředseda)
Ing. Stanislav Uchytil, Ph. D. (člen)
doc. Ing. Martin Kyselák, Ph.D. (člen)
prof. Ing. Jaroslav Koton, Ph.D. (člen)
Ing. Jan Kacálek (člen)
Date of acceptance
2008-06-18
Defence
Co je dle studenta výpočetně a tedy i časově náročnější, sledování všech pixelů obrazu mezi dvěma snímky, nebo aplikace pokročilých metod např. SIFT detektoru na každý snímek? Proč není přímé porovnávání všech pixelů mezi dvěma snímky většinou vhodné a vypovídající? (Reakce na tvrzení v kapitole 1. Úvod)
K čemu dojde, jestliže pro výpočet fundamentální matice budou použity nepřesně určené korespondenční body?
Z jakého důvodu se v hlavní aplikaci nezobrazují v obrázcích nalezené korespondující body?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení