Предобработка и алгоритмы выбора ключевых точек в задаче одновременной 3D реконструкции подводных объектов и построения траектории движения камеры

Б.А. Скороход, А.В. Стаценко, С.И. Фатеев

 Севастопольский государственный университет, РФ,  г. Севастополь, ул. Университетская, 33

E-mail: boris.skorohod@mail.ru, lex00x1@mail.ru, fateev-si@ya.ru

DOI: 10.33075/2220-5861-2019-2-30-36

УДК 004.9:004.41

Реферат:

   Искажение подводных изображений может ухудшать как точность, так и робастность алгоритмов 3D реконструкции сцены и визуальной одометрии, приводя к уменьшению количества обнаруживаемых сопряженных ключевых точек на парах последовательных изображений.  В связи с этим, предобработка изображений и процедуры выбора ключевых точек на них являются важными факторами в этой задаче. В статье исследуется влияние различных алгоритмов предобработки и построения ключевых точек на свойства алгоритмов 3D реконструкции сцены и визуальной одометрии в условиях подводной съемки и неконтролируемого движения камеры.

     Полученные результаты показали, что количество определяемых сопряженных ключевых точек на последовательности изображений, а следовательно, точность построения 3D модели подводной сцены и траектории движения камеры могут зависеть кардинальным образом, как от предобработки, так и используемого детектора. В качестве рекомендаций практического применения предлагается совместное обнаружение ключевых точек разными детекторами, коррекция траектории движения камеры 3D модель сцены, опираясь на несколько алгоритмов предобработки, использовать для визуализации алгоритм предобработки гомоморфным фильтром с нанесенной картой расстояний объектов до камеры.

Ключевые слова: подводные видеоизображения, 3D реконструкция сцены, сопряженные и ключевые точки.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ:

  1. Casalino G., Caccia M., Caiti A., Antonelli G., Indiveri G., Melchiorri C. and MARIS A.: a National Project on Marine Robotics for Interventions. 2014 22nd Mediterranean Conference on Control and Automation (MED) University of Palermo. June 16–19, 2014. Palermo, Italy.
  2. Lan D., Maurelli F., Larkworthy T., Caldwell D., Salv J.i, Fox M., Kyriakopoulosy K. PANDORA: Persistent Autonomy through Learning, Adaptation, Observation and Re-planning. IFAC-PapersOnLine Vol. 48, Issue 2, 2015. P. 238–243.
  3. 3. San S.,, Ridao P., Olive G., Casalino G., Petillot I., Silvestre C., Melchiorri C., Turetta A. TRIDENT An European Project Targeted to Increase the Autonomy Levels for Underwater Intervention Missions. 2013 OCEANS — San Diego, 23-27 Sept. 2013.
  4. Bonin, F., Burguera, A. & Oliver, G., 2011. Imaging Systems for Advanced Underwater Vehicles. Journal od Maritime Research, VIII(1), pp. 65-86.
  5. Hartley R, Zisserman A..Multiple View Geometry in Computer Vision. Cambridge University Press, 2003— Computers — 655 p.
  6. Zuiderveld K. Contrast Limited Adaptive Histogram Equalization // Graphic Gems IV, P. 474–485. 1994.
  7. Arroy A., Sanch G. Analyzing pre-processing filters sequences for underwater-image Enhancement // Contemporary Engineering Sciences, October 2017.
  8. He, K., Sun, J. and Tang, X.: ‘Single image haze removal using dark channelprior’, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33, pp. 2341-2353.
  9. Lindbloom B. Chromatic Adaptation. http://www.brucelindbloom. com /index.html.
  10. Harris C., Stephens M. «A Combined Corner and Edge Detector,» Proceedings of the 4th Alvey Vision Conference, August 1988, pp. 147-151.
  11. Rosten, E., and Drummond T. «Fusing Points and Lines for High Performance Tracking,» Proceedings of the IEEE International Conference on Computer Vision, Vol. 2 (October 2005): pp. 1508–1511.
  12. Leutenegger, S., Chli M. and Siegwart.R. “BRISK: Binary Robust Invariant Scalable Keypoints”, Proceedings of the IEEE International Conference, ICCV, 2011;
  13. Bay, H., Ess T., Tuytelaars T.,, and Gool.I. “SURF:Speeded Up Robust Features.” Computer Vision and Image Understanding (CVIU). Vol. 110, No. 3, pp. 346–359, 2008.
  14. Matas J., Chum O., Urba M. and T. Pajdla. «Robust wide baseline stereo from maximally stable extremal regions.» Proc. of British Machine Vision Conference, pages 384-396, 2002.
  15. Alcantarilla, P., Bartoli A. and Davison A.. «KAZE Features.» ECCV 2012, Part VI, LNCS 7577. 2012, p. 214.
  16. Meline,A., Triboulet J., Jouvence Bl. Comparative Study of Two 3D Reconstruction Methods for Underwater Archaeology. IROS: Intelligent Robots and Systems, Oct 2012, Vilamoura, Algarve, Portugal. 2012.

Loading