Для студентов РНИМУ им. Пирогова по предмету ДругиеГлобальная реконструкция из RGB-D данныхГлобальная реконструкция из RGB-D данных
2024-06-162024-06-16СтудИзба
Курсовая работа: Глобальная реконструкция из RGB-D данных
Описание
данных
Оглавление
3
4
Введение
Высокая точность реконструкции 3D объектов и сцен необходима для работы приложений дополненной реальности и робототехники нового поколения. В сфере робототехники задача генерирования плотных и разреженных моделей статичной области пространства с использова-нием мобильных роботов и ручных камер с одновременным контро-лем текущего местоположения и пройденного пути называется SLAM (simultaneous localization and mapping).
Задача реконструкции сцены или объекта по их изображениям яв-ляется довольно сложной и требует значительных ресурсов. Она может рассматриваться как подзадача SLAM (если выполняется в реальном времени), либо представлять отдельную задачу постпроцессинга, как, например, в алгоритмах SfM (structure from motion). Наличие данных о метрической глубине позволяет разрешить неопределенность масштаба
и получить более точные оценки смещений за счет исключения допол-нительных степеней свободы.
Особенностью RGB-D камер является предоставление не только трех каналов передачи цвета, но и дополнительного, передающего карты глубин изображений (каждый пиксель задает
Оглавление
| Введение | 5 | |||
| 1. | Постановка задачи | 8 | ||
| 2. | Обзор предметной области | 9 | ||
| 2.1. | Ключевыеточки........................ | 9 | ||
| 2.2. | Данные............................. | 10 | ||
| 2.3. | Представление движений камеры . . . . . . . . . . . . . . | 11 | ||
| 2.4. | Bundle Adjustment . . . . . . . . . . . . . . . . . . . . . . | 12 | ||
| 2.5. | Глобальные методы реконструкции . . . . . . . . . . . . . | 13 | ||
| 2.6. | Инкрементальные алгоритмы RGB-D реконструкции . . | 15 | ||
| 3. | Описание предлагаемого алгоритма | 17 | ||
| 3.1. | Поиск ключевых точек и их сопоставление . . . . . . . . | 17 | ||
| 3.2. | Оценка относительных поз камер . . . . . . . . . . . . . . | 17 | ||
| 3.3. | Усреднениедвижений..................... | 19 | ||
| 3.4. | Bundle Adjustment . . . . . . . . . . . . . . . . . . . . . . . | 20 | ||
| 3.5. | Cозданиемодели........................ | 21 | ||
| 4. | Архитектура предлагаемого решения | 22 | ||
| 4.1. | Pose Graph Representation . . . . . . . . . . . . . . . . . . | 22 | ||
| 4.2. | RelativePoseComputationHandler . . . . . . . . . . . . . . . | 23 | ||
| 4.2.1. | KeyPoint Detection and Matching . . . . . . . . . . | 23 | ||
| 4.2.2. Relative pose estimation . . . . . . . . . . . . . . . . | 24 | |||
| 4.2.3. Relative pose refinement . . . . . . . . . . . . . . . . | 25 | |||
| 4.3. | AbsolutePoseComputationHandler . . . . . . . . . . . . . . | 25 | ||
| 4.3.1. Rotation Averaging . . . . . . . . . . . . . . . . . . . | 25 | |||
| 4.3.2. | Translation Averaging . . . . . . . . . . . . . . . . . | 26 | ||
| 4.3.3. | Bundle Adjustment и Sparse Point Cloud . . . . . . | 26 | ||
| 4.4. | Model Creation . . . . . . . . . . . . . . . . . . . . . . . . . | 27 | ||
| 5. | Эксперименты | 28 | ||
| 5.1. | Методология.......................... | 28 | ||
3
| 5.2. | Точность оценки траектории . . . . . . . . . . . . . . . . . | 29 |
| 5.3. | Измерение времени работы и потребляемой памяти . . . | 32 |
| 5.4. | Анализ результатов экспериментов . . . . . . . . . . . . . | 32 |
| 6. Результаты | 34 | |
| Список литературы | 35 | |
4
Введение
Высокая точность реконструкции 3D объектов и сцен необходима для работы приложений дополненной реальности и робототехники нового поколения. В сфере робототехники задача генерирования плотных и разреженных моделей статичной области пространства с использова-нием мобильных роботов и ручных камер с одновременным контро-лем текущего местоположения и пройденного пути называется SLAM (simultaneous localization and mapping).
Задача реконструкции сцены или объекта по их изображениям яв-ляется довольно сложной и требует значительных ресурсов. Она может рассматриваться как подзадача SLAM (если выполняется в реальном времени), либо представлять отдельную задачу постпроцессинга, как, например, в алгоритмах SfM (structure from motion). Наличие данных о метрической глубине позволяет разрешить неопределенность масштаба
и получить более точные оценки смещений за счет исключения допол-нительных степеней свободы.
Особенностью RGB-D камер является предоставление не только трех каналов передачи цвета, но и дополнительного, передающего карты глубин изображений (каждый пиксель задает
Характеристики курсовой работы
Предмет
Учебное заведение
РНИМУ им. ПироговаСеместр
Просмотров
1
Размер
1,14 Mb
Список файлов
Глобальная реконструкция из RGB-D данных.doc
Tortuga
16 июня 2024 в 07:21
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
