Visão computacional

Imagens de profundidade(Range images)

Codifica a forma e a distância

Sensor ativo de luz e distância

• Single sensing element scans scene – only one viewpoint

• Laser light reflected off surface and returned

• Phase shift codes distance

• Brightness change codes albedo

Sensor com luz estruturada

Forma a partir de tons(shape from shading)

Tianzi Jiang, 1999

Reconstrução por imagens de intensidada de cor

O problema de calibração de câmera

– Ache [K] e [R T]– Dados pares de pontos [P] e [p]

1100

0

0

333231

232221

131211

w

w

w

z

y

x

yy

xx

Z

Y

X

Trrr

Trrr

Trrr

of

of

w

v

u

PTRKp

Padrões com pontos em posições conhecidas

Formulação Matemática:

2,,

,,|)(|min iTRKi

TRKPfp

Pontos da cena

Pontos da imagem.

Função de projeção (não-linear)

TSAI, Roger Y. An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, Miami Beach, FL, pp. 364-373, 1986.

TSAI, Roger Y. A Versatile Camera Calibration Technique for High-Accuracy 3D Machine Vision Cameras and Lenses. IEEE Journal, Vol. RA-3, No. 4, pp. 323-344, 1987.

ZHANG, Zhengyou. A Flexible New Technique for Camera Calibration. Microsoft Research. Technical Report MSR-TR-98-71, dezembro 1998. (http://research.microsoft.com/~zhang)

Correspondência

• Com características

-

Problema: Falta de características

-

Ovo de avestruz num tabuleiro

Sistema utilizado

2 cameras e 1 projector(rápido)

1 camera que move e1 projetor(lento)

Imagens capturadas para correspondência

esquerda direita

slidepositivo

slide negativo

Onde está o ponto na outra imagem?

u u

Uma solução: (u,v) 2 coordinadas

O dobro de fotos!

Geometria epipolar

l

eyel

P

r

eyer

Pl

plxcl

ycl

zcl

xcr

ycr

zcr

pr

Pr

el er

Linha Epipolar

Linha Epipolar

Correspondencia epipolar

100

0

0

0

0

0

100

0

0

ylyl

l

xlxl

l

x

rly

rl

x

rlz

rl

y

rlz

rl

lrlrlr

lrlrlr

lrlrlr

T

yryr

r

xrxr

r

osf

osf

osf

osf

eyeeye

eyeeye

eyeeye

kkjkik

kjjjij

kijiii

F

0lT

r pFp

Reconstrução: idéia

r

reye

l

leye

lp rp

rP

rrll pRpn

lapnc

rTb pR

rlr

rll cba eyenpRp

)( rll

lrr eyePRP

rleye

Dados capturados

Modelo do cilindro

n

jpj

n

j

Tpjpj tensor

nn 00

)(1

))((1

cpcpcpM

zzzyzx

yzyyyx

xzxyxx

zyx

z

y

x

z

y

x

tensorM

1e

2e

3e

321321 ),(ˆˆˆ Meee rseigenvecto

n

jjp n 0

1pc

axis of the points pi:

covariance matrix:

centroid:

Medidas

Quais são os problemas?

• 2D:– Capturar e reconhecer feições (extração de arestas e

cantos)– Ajustar modelos a estas feições (ajuste de linhas)

• 3D– Determinhar a posição das câmeras (calibração)– Reconhecer nas imagens os pixels correspondentes

ao mesmo ponto da cena (correspondencia)– Calcular a posição 3D dos pontos correspondentes

(estéreo)– Reconstruir o modelo a partir de uma nuvem de

pontos.