Propagating feature points and its uncertainty using the unscented transform / Propagação de pontos caracteristicos e suas incertezas utilizando a transformada unscented

AUTOR(ES)
DATA DE PUBLICAÇÃO

2006

RESUMO

O correto estabelecimento de correspondências entre imagens tomadas de diferentes pontos de vista é um problema fundamental na área de visão computacional, sendo base para diversas tarefas de alto nível, tais como reconstrução 3D e análise de movimento. A grande maioria dos algoritmos de rastreamento de características não possui uma incerteza associada a posição estimada das características sendo rastreadas, informação esta de extrema importância, considerando sua vasta aplicabilidade. Exatamente este o foco principal deste trabalho, onde introduzimos um framework genérico que expande algoritmos de rastreamento de tal forma que eles possam propagar também informações de incerteza. Neste trabalho, por questão de simplicidade, utilizamos o algoritmo de rastreamento de características Kanade-Lucas-Tomasi (KLT) para demonstrar as vantagens do nosso método, denominado Unscented Feature Tracking (UFT). A abordagem consiste na introdução de Variáveis Aleatórias Gaussianas (GRVs) para a representação da localização dos pontos característicos, e utiliza a Transformada Unscented com Escala (SUT) para propagar e combinar GRVs. Mostramos uma aplicação do UFT em um procedimento de bundle adjustment, onde a função custo leva em conta a informação das GRVs, fornecendo melhores estimativas. O método é robusto, considerando que identifica e descarta anomalias, que podem comprometer de maneira expressiva o resultado de tarefas que utilizam as correspondências. Experimentos com seqüências de imagens reais e sintéticas comprovam os benefícios do método proposto

ASSUNTO(S)

computer vision feature tracking image reconstruction reconstrução de imagens rastreamento de caracteristicas visão computacional

ACESSO AO ARTIGO

Documentos Relacionados