งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

Image Processing & Computer Vision Projection Model & Stereo Vision.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "Image Processing & Computer Vision Projection Model & Stereo Vision."— ใบสำเนางานนำเสนอ:

1 Image Processing & Computer Vision Projection Model & Stereo Vision

2 Projection Model Computer Graphic (X,Y,Z) = 3D Coordinate (X,Y) = 2D Coordinate

3 Projection Model ( เป็นไปตามกฎของสามเหลี่ยม )

4 Perspective Projection Model ดังนั้น disparity สูง วัตถุอยู่ใกล้ตา disparity ต่ำ วัตถุไกลตา B = distance between two cameras or eyes f  ระยะห่างจากกล้องไปฉากหลัง Z  ระยะห่างจากกล้องไปยังวัตถุ B  ระยะห่างระหว่างกล้องซ้ายและขวา X  ระยะห่างของวัตถุจากแกน X xl  ระยะห่างของวัตถุที่สะท้อนฉากหลังของกล้องซ้าย xr  ระยะห่างของวัตถุที่สะท้อนฉากหลังของกล้องขวา

5 Perspective Projection Model กรณีวัตถุอยู่ไกลออกไป จะทำให้ได้ disparity ต่ำลง

6 Stereo Vision Stereo Vision คือ การจำลองการมองของตาซ้าย และตาขวาของมนุษย์ มาเป็นภาพ 2 ภาพ คือ ภาพ ที่มาจากตาซ้าย และ ภาพที่มาจากตาขวา เพื่อนำมา คำนวณหา disparity ( ความห่างระหว่างสองภาพ ) แล้วนำค่า disparity ที่ได้มาเป็นค่าในการตัดสินว่า วัตถุที่อยู่ภายในภาพมีความลึก (dept) เท่าไร

7 Stereo Vision การมองจากสองตาของมนุษย์ ไปยังวัตถุ สี่เหลี่ยมลูกบาศก์เลื่อนไปทางขวาเมื่อมองด้วยตาซ้าย สี่เหลี่ยมลูกบาศก์เลื่อนไปทางซ้ายเมื่อมองด้วยตาขวา ภาพจากมองด้วยตาทั้งสองข้างรวมกัน ภาพแสดงความลึกของวัตถุแสดงด้วย Gray Scale Dept Map

8 Stereo Vision Left Right Disparity (Ground Truth)

9 Stereo Vision LeftRight Disparity (Ground Truth)

10 การนำเอา Stereo vision มา ประยุกต์ใช้ใน Robot

11 Stereo Vision : Disparity Disparity คือ ระยะความห่างของจุดแต่ละจุด เมื่อนำภาพตาซ้าย และ ภาพตาขวา มา เปรียบเทียบกัน disparity สูง  วัตถุอยู่ ใกล้ disparity ต่ำ  วัตถุอยู่ ไกล

12 Stereo Vision : Disparity Finding disparity Left RightDisparity

13 Constraints 1. Data Constraints  ภาพตาขวา ณ จุดที่เรา ยืนอยู่แต่ละจุด จะต้องมีความเข้มของสี (image intensity) เหมือนกับภาพตาซ้าย 2. Smoothness Constraints  disparity จะต้อง smooth หมายถึงว่า การเข้าไปดูค่า disparity ของ เพื่อนบ้าน (neighbor) ด้วยว่า สอดคล้องกันหรือไม่ Energy =  xy [(I R (x,y)) – I L (x+D(x,y),y) ) 2 + (D (x+1,y) – D (x,y) ) 2 + (D (x,y+1) – D (x,y) ) 2 ] + Data Constraints Smoothness Constraints

14 Algorithm using Gibbs Sampler 1. Start Temperature T is high 2. Initialize D(x,y) = Random 0… For each pixel(x,y) For each state S = 0…20 if D(x,y) = 0; E 0 = … ; P 0 = exp (-E0/T) if D(x,y) = 1; E 1 = … ; P 1 = exp (-E1/T) ………………………. if D(x,y) = 20; E 20 = … ; P 20 = exp (-E20/T) For each Prob i = Pi / sum(Pi) 4. Sample for state S from pdf Prob i D(x,y) = State S 5. Reduce T = T * Repeat step 3-4 Until E is stable

15 Example left right Random disparity Result disparity

16 Example left right Random disparity Result disparity ให้แทน D(x,y) 4 state ที่จุด (1,2) (3,3) และ (2,5)

17 Data Constraint Trick (I R (x-D(x,y),y ) – I L (x,y) ) 2   (I R (x-D(x,y)+m, y+n ) – I L (x+m, y+n) ) 2 m= -1 1 n= x3 pixel เปลี่ยนจากการดูทีละ pixel เป็นการ ดูทีละ 9 pixels

18 Display disparity in Grayscale เมื่อ Energy stable และได้ค่า disparity ของทุก pixel ที่ เหมาะสมแล้ว เราจะทำการแสดงภาพในการบอกความลึก (depth) อย่างไร ในเมื่อค่า disparity มีค่าเพียง 0…20 เท่านั้น ? เราจะใช้สีอ่อนในการแสดงวัตถุที่อยู่ใกล้ และสีจะเข้มขึ้น เรื่อย ๆ เมื่อวัตถุส่วนอื่น ๆ อยู่ไกลออกไป การแปลงค่า disparity ให้เป็นค่า intensity นั้นทำได้โดยนำ ค่า Gray scale สูงสุดซึ่งก็คือ 255 หารด้วย ค่าสูงสุดของ disparity ใน state 255 / 20 = round( disparity * 12.75) = intensity ที่จะนำไปสร้าง รูปแสดงความลึก ปัดเศษ

19 Display disparity in Grayscale (Example) Disparity Intensity คูณ 12.75


ดาวน์โหลด ppt Image Processing & Computer Vision Projection Model & Stereo Vision.

งานนำเสนอที่คล้ายกัน


Ads by Google