Maus, Christian (2007)
Markerlose Kameraverfolgung und Geometrierekonstruktion in Echtzeit unter Verwendung statistischer Verfahren.
Technische Universität Darmstadt
Masterarbeit, Bibliographie
Kurzbeschreibung (Abstract)
Viele aktuelle Ansätze zur markerlosen Kameraverfolgung basieren auf der Kenntnis eines vollständigen 3D-Modells der Szene, das durch aufwändige Vorverarbeitung erzeugt werden muss. Die markerlose Kameraverfolgung in unbekannten Umgebungen wird möglich durch die Echtzeit-Rekonstruktion der Umgebungsstruktur. Entsprechende Techniken werden in der Robotik eingesetzt. In der Robotik wird das Problem der Poseschätzung bei gleichzeitigem Aufbau einer Umgebungskarte als SLAM (simultaneous localisation and mapping) bezeichnet. Die vorliegende Arbeit stellt statistische Verfahren vor, die eingesetzt werden können um SLAM mit einer einzigen Kamera durchzuführen. Im folgenden wird die Konzeption und Implementierung eines markerlosen Kamera-Trackingverfahrens für unbekannte Umgebungen dokumentiert. Das Verfahren verwendet den Extended Kalman Filter für die Schätzung der Kamerapose und der Umgebungsmerkmale. Die Verwendung inverser Tiefeninformation zur Repräsentierung der Umgebungsmerkmale ermöglicht eine Kameraverfolgung ohne jegliche Vorkenntnis der Struktur der Szene. Das Verfahren wurde auf synthetischen und realen Bildsequenzen getestet. Many current approaches to markerless camera tracking are based on the knowledge of the 3D scene model, which must be determined in a complex preprocessing step. Markerless camera tracking in unmodelled environments is possible by reconstructing the scene in real-time. Such techniques are used in robotics. In robotics, the problem of pose estimation while simultaneously building a map of the environment is known as SLAM (simultenous localisation and mapping). This master thesis discusses statistical methods used for SLAM with a single camera. The thesis continues with the documentation of the design and implementation of a markerless tracking system for use in unmodelled environments. The system makes use of the Extended Kalman Filter for estimating the camera pose and the scene features. The use of inverse depth parametrisation of 3D features enables camera tracking without any pre-knowledge about scene structure. The system has been tested on synthetic and real image sequences.
| Typ des Eintrags: | Masterarbeit |
|---|---|
| Erschienen: | 2007 |
| Autor(en): | Maus, Christian |
| Art des Eintrags: | Bibliographie |
| Titel: | Markerlose Kameraverfolgung und Geometrierekonstruktion in Echtzeit unter Verwendung statistischer Verfahren |
| Sprache: | Deutsch |
| Publikationsjahr: | 2007 |
| Kurzbeschreibung (Abstract): | Viele aktuelle Ansätze zur markerlosen Kameraverfolgung basieren auf der Kenntnis eines vollständigen 3D-Modells der Szene, das durch aufwändige Vorverarbeitung erzeugt werden muss. Die markerlose Kameraverfolgung in unbekannten Umgebungen wird möglich durch die Echtzeit-Rekonstruktion der Umgebungsstruktur. Entsprechende Techniken werden in der Robotik eingesetzt. In der Robotik wird das Problem der Poseschätzung bei gleichzeitigem Aufbau einer Umgebungskarte als SLAM (simultaneous localisation and mapping) bezeichnet. Die vorliegende Arbeit stellt statistische Verfahren vor, die eingesetzt werden können um SLAM mit einer einzigen Kamera durchzuführen. Im folgenden wird die Konzeption und Implementierung eines markerlosen Kamera-Trackingverfahrens für unbekannte Umgebungen dokumentiert. Das Verfahren verwendet den Extended Kalman Filter für die Schätzung der Kamerapose und der Umgebungsmerkmale. Die Verwendung inverser Tiefeninformation zur Repräsentierung der Umgebungsmerkmale ermöglicht eine Kameraverfolgung ohne jegliche Vorkenntnis der Struktur der Szene. Das Verfahren wurde auf synthetischen und realen Bildsequenzen getestet. Many current approaches to markerless camera tracking are based on the knowledge of the 3D scene model, which must be determined in a complex preprocessing step. Markerless camera tracking in unmodelled environments is possible by reconstructing the scene in real-time. Such techniques are used in robotics. In robotics, the problem of pose estimation while simultaneously building a map of the environment is known as SLAM (simultenous localisation and mapping). This master thesis discusses statistical methods used for SLAM with a single camera. The thesis continues with the documentation of the design and implementation of a markerless tracking system for use in unmodelled environments. The system makes use of the Extended Kalman Filter for estimating the camera pose and the scene features. The use of inverse depth parametrisation of 3D features enables camera tracking without any pre-knowledge about scene structure. The system has been tested on synthetic and real image sequences. |
| Freie Schlagworte: | Camera tracking, Realtime tracking, 3D Scene reconstruction, Statistics |
| Zusätzliche Informationen: | 93 S. |
| Fachbereich(e)/-gebiet(e): | nicht bekannt 20 Fachbereich Informatik 20 Fachbereich Informatik > Graphisch-Interaktive Systeme |
| Hinterlegungsdatum: | 16 Apr 2018 09:03 |
| Letzte Änderung: | 16 Apr 2018 09:03 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum