Sanntidsestimering av tett dybdekart
Vamsidhar Reddy Gaddam's masteroppgave handler om sanntidsestimering av tett dybdekart fra vanskelige bilder
Automatiserte systemer bruker forskjellige sensorer for å beregne sin posisjon og til å oppfatte verden rundt dem. Kameraer har fungert som viktige sensorer for å formidle visuell informasjon for maskinene. Men et menneskes evne til å oppfatte dybden fra informasjonen fra de to øynene er svært komplisert. Datamaskinens dybdeinformasjon gitt to godt justerte og begrensede videoer er en godt implementert oppgave.
Men videostrømmer fra to eller flere forskjellige kameraer skaper vanskeligheter som forskjellige sensor responskurver, ulik eksponering tidspunkter, linse forvrengninger osv. Algoritmer som benytter graf-kutt eller iterativ buntjustering optimaliseringer fører til gode resultater, men på bekostning av tidsbruken. Derfor er utfordringen for oppgaven å utvikle, implementere og eksperimentelt verifisere en ny klasse av algoritmer som må oppnå høy dybdekvalitet på sanntid ved å håndtere vanskelighetene.
Veileder: Jon Y. Hardeberg, Alexander Eichhorn (Simula)
