Vision stéréo par ordinateur: Explorer la perception de la profondeur dans la vision par ordinateur

Par Fouad Sabry

Qu'est-ce que la vision stéréo par ordinateur

La vision stéréoscopique par ordinateur est l'extraction d'informations 3D à partir d'images numériques, telles que celles obtenues par une caméra CCD. En comparant les informations sur une scène depuis deux points de vue, des informations 3D peuvent être extraites en examinant les positions relatives des objets dans les deux panneaux. Ceci est similaire au processus biologique de la stéréopsie.

Comment vous en bénéficierez

(I) Informations et validations sur les sujets suivants :

Chapitre 1 : Vision stéréoscopique par ordinateur

Chapitre 2 : Reconstruction 3D

Chapitre 3 : Modèle de contour actif

Chapitre 4 : Détecteur de région affine de Harris

Chapitre 5 : Détection du premier plan

Chapitre 6 : Matrix Chernoff lié

Chapitre 7 : Similitude

Chapitre 8 : Similitude structurelle

Chapitre 9 : Fonction de variance

Chapitre 10 : Distance de départ de Fréchet

(II) Répondre aux principales questions du public sur la vision stéréoscopique par ordinateur.

(III) Exemples concrets d'utilisation de la vision stéréoscopique par ordinateur dans de nombreux domaines.

À qui s'adresse ce livre

Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type de vision stéréo par ordinateur.

 

 

• Langue: Français
• Éditeur: Un Milliard De Personnes Informées [French]
• Date de sortie: 28 avr. 2024

Aperçu du livre

Vision stéréoscopique par ordinateur

Exploration de la perception de la profondeur dans la vision par ordinateur

Fouad Sabry est l'ancien responsable régional du développement commercial pour les applications chez Hewlett Packard pour l'Europe du Sud, le Moyen-Orient et l'Afrique. Fouad est titulaire d'un baccalauréat ès sciences des systèmes informatiques et du contrôle automatique, d'une double maîtrise, d'une maîtrise en administration des affaires et d'une maîtrise en gestion des technologies de l'information, de l'Université de Melbourne en Australie. Fouad a plus de 25 ans d'expérience dans les technologies de l'information et de la communication, travaillant dans des entreprises locales, régionales et internationales, telles que Vodafone et des machines professionnelles internationales. Actuellement, Fouad est un entrepreneur, auteur, futuriste, axé sur les technologies émergentes et les solutions industrielles, et fondateur de l'initiative One Billion Knowledge.

Un milliard de connaissances

Vision stéréoscopique par ordinateur

Exploration de la perception de la profondeur dans la vision par ordinateur

Fouad Sabry

Copyright

Vision stéréo © par ordinateur 2024 par Fouad Sabry. Tous droits réservés.

Aucune partie de ce livre ne peut être reproduite sous quelque forme que ce soit ou par quelque moyen électronique ou mécanique que ce soit, y compris les systèmes de stockage et de récupération d'informations, sans l'autorisation écrite de l'auteur. La seule exception est celle d'un critique, qui peut citer de courts extraits dans une critique.

Couverture dessinée par Fouad Sabry.

Bien que toutes les précautions aient été prises dans la préparation de ce livre, les auteurs et les éditeurs n'assument aucune responsabilité pour les erreurs ou omissions, ou pour les dommages résultant de l'utilisation des informations contenues dans le présent document.

Table des matières

Chapitre 1 : Vision stéréoscopique par ordinateur

Chapitre 2 : Reconstruction 3D

Chapitre 3 : Modèle de contour actif

Chapitre 4 : Détecteur de régions affines de Harris

Chapitre 5 : Détection au premier plan

Chapitre 6 : Lié à Matrix Chernoff

Chapitre 7 : Similitude

Chapitre 8 : Similitude structurelle

Chapitre 9 : Fonction de variance

Chapitre 10 : Distance de création du fr chet

Appendice

À propos de l'auteur

Chapitre 1 : Vision stéréoscopique par ordinateur

L'objectif de la vision stéréoscopique par ordinateur est de récupérer des cartes de profondeur à partir d'images numériques capturées par une caméra CCD, par exemple. L'extraction de données 3D à partir d'une scène implique de comparer les données de deux panneaux et d'examiner les positions relatives des éléments. Le processus biologique de la stéréopsie est analogue à celui-ci.

À l'instar de la vision binoculaire humaine, la vision stéréo classique utilise deux caméras séparées par une distance horizontale pour capturer deux perspectives distinctes sur une scène. En comparant les deux photos, il est possible de générer une carte de disparité qui encode la différence de position horizontale des points dans les deux images, et donc la profondeur relative entre eux. Cette carte de disparité contient des valeurs inversement proportionnelles à la profondeur de la scène à chaque pixel individuel.

Les images doivent être superposées dans un dispositif stéréoscopique, l'image de la caméra droite étant présentée à l'œil droit de l'observateur et l'image de la caméra gauche étant montrée à l'œil gauche de l'observateur, pour qu'une personne puisse faire une comparaison.

Plusieurs processus préliminaires sont obligatoires dans chaque système de vision par ordinateur.

Avant de pouvoir faire quoi que ce soit d'autre avec l'image, elle doit être non déformée, ce qui signifie que la distorsion en barillet et la distorsion tangentielle ont été supprimées. Ainsi, l'image vue est garantie d'être identique à celle qui serait projetée par un sténopé parfait.

La rectification d'image est le processus de retour d'une image à un plan standard pour une comparaison côte à côte.

La distance entre les deux photos est diminuée à l'aide d'une mesure d'information. Cela génère une carte de disparité, la meilleure estimation de l'emplacement des entités entre les deux images.

Un nuage de points 3D est généré à partir de la carte de disparité reçue. À l'aide des caractéristiques projectives des caméras, le nuage de points peut être calculé pour obtenir des mesures évolutives.

Pour atténuer la complexité du problème de l'appariement stéréoscopique, la vision stéréoscopique active utilise un laser ou une lumière structurée. La vision stéréo active est l'antonyme.

La méthode traditionnelle de vision à lumière structurée (SLV) utilise un laser ou une lumière structurée pour établir des correspondances projecteur-caméra.

Semblable à la vision stéréo passive, la vision stéréo active traditionnelle (ASV) utilise une lumière structurée ou un laser, mais elle ne fait que de l'appariement stéréo pour les correspondances caméra-caméra.

Les correspondances caméra-caméra et projecteur-caméra peuvent être utilisées de manière hybride.

Il existe une grande variété d'utilisations des écrans stéréo 3D dans les médias, l'éducation et la fabrication. L'extraction d'informations sur les relations spatiales entre les objets 3D autour de systèmes autonomes est un cas d'utilisation majeur de la vision stéréoscopique dans des domaines tels que la robotique. La robotique a d'autres utilisations potentielles, telles que la reconnaissance d'objets, qui s'appuie sur des informations de profondeur pour identifier et isoler des objets qui seraient autrement obscurcis par des objets proches, comme une chaise devant une autre chaise.

La vision stéréoscopique numérique a plusieurs utilisations scientifiques, notamment l'extraction de données à partir de relevés aériens, le calcul de cartes de contour et l'extraction de géométrie pour la cartographie 3D des bâtiments et la cartographie par satellite photogrammétrique.

Les pixels sont de minuscules carrés qui sont utilisés pour enregistrer les données de couleur. Les coordonnées (x, y) d'une grille de pixels et la distance (z) par rapport au pixel en question définissent son emplacement.

Deux vues d'une même scène, vues sous des angles légèrement différents, sont fournies par la vision stéréoscopique. La source lumineuse A brille à travers les points d'entrée B et D de la caméra à sténopé sur les affichages d'image E et H dans le diagramme suivant.

La distance BD = BC + CD dans le schéma ci-joint est la distance entre les deux objectifs de la caméra. Les deux triangles se ressemblent, ACB et BFE

ACD et DGH

{\begin{aligned}{\text{Therefore displacement }}d&=EF+GH\\&=BF({\frac {EF}{BF}}+{\frac {GH}{BF}})\\&=BF({\frac {EF}{BF}}+{\frac {GH}{DG}})\\&=BF({\frac {BC+CD}{AC}})\\&=BF{\frac {BD}{AC}}\\&={\frac {k}{z}}{\text{, where}}\\\end{aligned}}

k = BD BF

La distance angulaire z = AC est mesurée entre le plan de l'appareil photo et le sujet.

Le déplacement de l'axe