Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/24302
Title: | Stereo Reconstruction using Induced Symmetry and 3D scene priors | Authors: | Antunes, Michel Gonçalves | Orientador: | Barreto, João | Keywords: | Reconstrução estéreo; SymStereo | Issue Date: | 20-Jun-2014 | Citation: | ANTUNES, Michel Gonçalves - Stereo Reconstruction using Induced Symmetry and 3D scene priors. Coimbra : [s.n.], 2014. Tese de doutoramento | Abstract: | Recuperar a geometria 3D a partir de dois vistas, conhecida como reconstrução
estéreo, é um dos tópicos mais antigos e mais investigado em visão por computador.
A computação de modelos 3D do ambiente é útil para uma grande número de
aplicações, desde a robótica, passando pela sua utilização do consumidor comum,
até a procedimentos médicos. O princípio para recuperar a estrutura 3D cena é
bastante simples, no entanto, existem algumas situações que complicam consideravelmente o processo de reconstrução. Objetos que contêm estruturas pouco
texturadas ou repetitivas, e superfícies com bastante inclinação ainda colocam em
dificuldade os algoritmos state-of-the-art.
Esta tese de doutoramento aborda estas questões e apresenta um novo framework
estéreo que é completamente diferente das abordagens convencionais. Propomos
a utilização de simetria em vez de foto-similaridade para avaliar a verosimilhança
de pontos em duas imagens distintas serem uma correspondência. O framework
é chamado SymStereo, e baseia-se no efeito de espelhagem que surge sempre
que uma imagem é mapeada para a outra câmera usando a homografia induzida
por um plano de corte virtual que intersecta a baseline. Experiências em estéreo
denso comprovam que as nossas funções de custo baseadas em simetria se comparam
favoravelmente com os custos baseados em foto-consistência de melhor
desempenho. Param além disso, investigamos a possibilidade de realizar Stereo-Rangefinding, que consiste em usar estéreo passivo para recuperar exclusivamente a profundidade ao longo de um plano de varrimento. Experiências abrangentes fornecem evidência de que estéreo baseada em simetria induzida é especialmente eficaz para esta finalidade.
Como segunda linha de investigação, propomos superar os problemas descritos
anteriormente usando informação a priori sobre o ambiente 3D, com o objectivo de
aumentar a robustez do processo de reconstrução. Para tal, apresentamos uma nova abordagem global para detectar pontos de desvanecimento e grupos de direcções de desvanecimento mutuamente ortogonais em ambientes Manhattan. Experiências quer em imagens sintéticas quer em imagens reais demonstram que os nossos algoritmos superaram os métodos state-of-the-art, mantendo a computação aceitável. Além disso, mostramos pela primeira vez resultados na detecção simultânea de múltiplas configurações de Manhattan. Esta informação a priori sobre a estrutura da cena é depois usada numa pipeline de reconstrução que gera modelos piecewise planares de ambientes urbanos a partir de duas vistas calibradas. A nossa
formulação combina SymStereo e o algoritmo de clustering PEARL [3], e alterna
entre um passo de otimização discreto, que funde hipóteses de superfícies planares
e descarta detecções com pouco suporte, e uma etapa de otimização contínua, que
refina as poses dos planos. Experiências com pares estéreo de ambientes interiores
e exteriores confirmam melhorias significativas sobre métodos state-of-the-art
relativamente a precisão e robustez.
Finalmente, e como terceira contribuição para melhorar a visão estéreo na
presença de superfícies inclinadas, estendemos o recente framework de agregação estéreo baseada em histogramas [4]. O algoritmo original utiliza janelas de suporte fronto-paralelas para a agregação de custo, o que leva a resultados imprecisos
na presença de superfícies com inclinação significativa. Nós abordamos o
problema considerando hipóteses de orientação discretas. Os resultados experimentais obtidos comprovam a eficácia do método, permitindo melhorar a precisção
de correspondência, preservando simultaneamente uma baixa complexidade computacional. Recovering the 3D geometry from two or more views, known as stereo reconstruction, is one of the earliest and most investigated topics in computer vision. The computation of 3D models of an environment is useful for a very large number of applications, ranging from robotics, consumer utilization to medical procedures. The principle to recover the 3D scene structure is quite simple, however, there are some issues that considerable complicate the reconstruction process. Objects containing complicated structures, including low and repetitive textures, and highly slanted surfaces still pose difficulties to state-of-the-art algorithms. This PhD thesis tackles this issues and introduces a new stereo framework that is completely different from conventional approaches. We propose to use symmetry instead of photo-similarity for assessing the likelihood of two image locations being a match. The framework is called SymStereo, and is based on the mirroring effect that arises whenever one view is mapped into the other using the homography induced by a virtual cut plane that intersects the baseline. Extensive experiments in dense stereo show that our symmetry-based cost functions compare favorably against the best performing photo-similarity matching costs. In addition, we investigate the possibility of accomplishing Stereo-Rangefinding that consists in using passive stereo to exclusively recover depth along a scan plane. Thorough experiments provide evidence that Stereo from Induced Symmetry is specially well suited for this purpose. As a second research line, we propose to overcome the previous issues using priors about the 3D scene for increasing the robustness of the reconstruction process. For this purpose, we present a new global approach for detecting vanishing points and groups of mutually orthogonal vanishing directions in man-made environments. Experiments in both synthetic and real images show that our algorithms outperform the state-of-the-art methods while keeping computation tractable. In addition, we show for the first time results in simultaneously detecting multiple Manhattan-world configurations. This prior information about the scene structure is then included in a reconstruction pipeline that generates piece-wise planar models of man-made environments from two calibrated views. Our formulation combines SymStereo and PEARL clustering [3], and alternates between a discrete optimization step, that merges planar surface hypotheses and discards detections with poor support, and a continuous optimization step, that refines the plane poses. Experiments with both indoor and outdoor stereo pairs show significant improvements over state-of-the-art methods with respect to accuracy and robustness. Finally, and as a third contribution to improve stereo matching in the presence of surface slant, we extend the recent framework of Histogram Aggregation [4]. The original algorithm uses a fronto-parallel support window for cost aggregation, leading to inaccurate results in the presence of significant surface slant. We address the problem by considering discrete orientation hypotheses. The experimental results prove the effectiveness of the approach, which enables to improve the matching accuracy while preserving a low computational complexity. |
Description: | Tese de doutoramento em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra | URI: | https://hdl.handle.net/10316/24302 | Rights: | openAccess |
Appears in Collections: | FCTUC Eng.Electrotécnica - Teses de Doutoramento |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Stereo Reconstruction using Induced Symmetry and 3D scene priors.pdf | 47.26 MB | Adobe PDF | View/Open |
Page view(s) 50
436
checked on Oct 15, 2024
Download(s) 50
423
checked on Oct 15, 2024
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.