Descripteur
|
Termes descripteurs IGN > sciences naturelles > physique > optique > optique physiologique > vision > vision binoculaire > vision stéréoscopique
vision stéréoscopiqueSynonyme(s)vision en relief |
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesEtendre la recherche sur niveau(x) vers le bas
Titre : Learning stereo reconstruction with deep neural networks Type de document : Thèse/HDR Auteurs : Stepan Tulyakov, Auteur ; François Fleuret, Directeur de thèse ; Anton Ivanov, Directeur de thèse Editeur : Lausanne : Ecole Polytechnique Fédérale de Lausanne EPFL Année de publication : 2020 Importance : 139 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée à l'Ecole Polytechnique Fédérale de Lausanne pour l’obtention du grade de Docteur ès SciencesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes descripteurs IGN] apprentissage profond
[Termes descripteurs IGN] classification semi-dirigée
[Termes descripteurs IGN] contrainte géométrique
[Termes descripteurs IGN] couple stéréoscopique
[Termes descripteurs IGN] entropie
[Termes descripteurs IGN] estimateur
[Termes descripteurs IGN] étalonnage géométrique
[Termes descripteurs IGN] modèle stéréoscopique
[Termes descripteurs IGN] profondeur
[Termes descripteurs IGN] réalité de terrain
[Termes descripteurs IGN] reconstruction 3D
[Termes descripteurs IGN] reconstruction d'image
[Termes descripteurs IGN] vision par ordinateur
[Termes descripteurs IGN] vision stéréoscopiqueRésumé : (auteur) Stereo reconstruction is a problem of recovering a 3d structure of a scene from a pair of images
of the scene, acquired from different viewpoints. It has been investigated for decades and many successful methods were developed. The main drawback of these methods, is that they typically utilize a single depth cue, such as parallax, defocus blur or shading, and thus are not as robust as a human visual system that simultaneously relies on a range of monocular and binocular cues. This is mainly because it is hard to manually design a model, accounting for multiple depth cues. In this work, we address this problem by focusing on deep learning-based stereo methods that can discover a model for multiple depth cues directly from training data with ground truth depth. The complexity of deep learning-based methods, however, requires very large training sets
with ground truth depth, which is often hard or costly to collect. Furthermore, even when training data is available it is often contaminated with noise, which reduces the effectiveness of supervised learning. In this work, in Chapter 3 we show that it is possible to alleviate this problem by using weakly supervised learning, that utilizes geometric constraints of the problem instead of ground truth depth. Besides the large training set requirement, deep stereo methods are not as application-friendlyas traditional methods. They have a large memory footprint and their disparity range is fixed at training time. For some applications, such as satellite stereo i magery, these are serious problems since satellite images are very large, often reaching tens of megapixels, and have a variable baseline, depending on a time difference between stereo images acquisition. In this work, in Chapter 4 we address these problems by introducing a novel network architecture with a bottleneck, capable of processing large images and utilizing more context, and an estimator that makes the network less sensitive to stereo matching ambiguities and applicable to any disparity range without re-training. Because deep learning-based methods discover depth cues directly from training data, they can be adapted to new data modalities without large modifications. In this work, in Chapter 5 we show that our method, developed for a conventional frame-based camera, can be used with a novel event-based camera, that has a higher dynamic range, smaller latency, and low power consumption. Instead of sampling intensity of all pixels with a fixed frequency, this camera asynchronously reports events of significant pixel intensity changes. To adopt our
method to this new data modality, we propose a novel event sequence embedding module, that firstly aggregates information locally, across time, using a novel fully-connected layer for an irregularly sampled continuous domain, and then across discrete spatial domain. One interesting application of stereo is a reconstruction of a planet’s surface topography from satellite stereo images. In this work, in Chapter 6 we describe a geometric calibration method, as well as mosaicing and stereo reconstruction tools that we developed in the framework of the doctoral project for Color and Stereo Surface Imaging System onboard of ESA’s Trace Gas Orbiter, orbiting Mars. For the calibration, we propose a novel method, relying on starfield
images because large focal lengths and complex optical distortion of the instrument forbid using standard methods. Scientific and practical results of this work are widely used by a scientific community.Note de contenu : 1- Introduction
2- Background
3- Weakly supervised learning of deep patch-matching cost
4- Applications-friendly deep stereo
5- Dense deep event-based stereo
6- Calibration of a satellite stereo system
7- ConclusionsNuméro de notice : 25795 Thématique : IMAGERIE Nature : Thèse étrangère Note de thèse : Thèse de Doctorat : Sciences : Lausanne : 2020 En ligne : https://infoscience.epfl.ch/record/275342?ln=fr Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95025 Context pyramidal network for stereo matching regularized by disparity gradients / Junhua Kang in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)
Titre : Context pyramidal network for stereo matching regularized by disparity gradients Type de document : Article/Communication Auteurs : Junhua Kang, Auteur ; Lin Chen, Auteur ; Fei Deng, Auteur ; Christian Heipke, Auteur Année de publication : 2019 Article en page(s) : pp 201 - 215 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] appariement d'images
[Termes descripteurs IGN] appariement de formes
[Termes descripteurs IGN] apprentissage profond
[Termes descripteurs IGN] chaîne de traitement
[Termes descripteurs IGN] classification par réseau neuronal convolutif
[Termes descripteurs IGN] extraction de traits caractéristiques
[Termes descripteurs IGN] gradient
[Termes descripteurs IGN] vision par ordinateur
[Termes descripteurs IGN] vision stéréoscopiqueRésumé : (Auteur) Also after many years of research, stereo matching remains to be a challenging task in photogrammetry and computer vision. Recent work has achieved great progress by formulating dense stereo matching as a pixel-wise learning task to be resolved with a deep convolutional neural network (CNN). However, most estimation methods, including traditional and deep learning approaches, still have difficulty to handle real-world challenging scenarios, especially those including large depth discontinuity and low texture areas.
To tackle these problems, we investigate a recently proposed end-to-end disparity learning network, DispNet (Mayer et al., 2015), and improve it to yield better results in these problematic areas. The improvements consist of three major contributions. First, we use dilated convolutions to develop a context pyramidal feature extraction module. A dilated convolution expands the receptive field of view when extracting features, and aggregates more contextual information, which allows our network to be more robust in weakly textured areas. Second, we construct the matching cost volume with patch-based correlation to handle larger disparities. We also modify the basic encoder-decoder module to regress detailed disparity images with full resolution. Third, instead of using post-processing steps to impose smoothness in the presence of depth discontinuities, we incorporate disparity gradient information as a gradient regularizer into the loss function to preserve local structure details in large depth discontinuity areas.
We evaluate our model in terms of end-point-error on several challenging stereo datasets including Scene Flow, Sintel and KITTI. Experimental results demonstrate that our model decreases the estimation error compared with DispNet on most datasets (e.g. we obtain an improvement of 46% on Sintel) and estimates better structure-preserving disparity maps. Moreover, our proposal also achieves competitive performance compared to other methods.Numéro de notice : A2019-496 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.012 date de publication en ligne : 27/09/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.012 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93729
in ISPRS Journal of photogrammetry and remote sensing > vol 157 (November 2019) . - pp 201 - 215[article]Réservation
Réserver ce documentExemplaires (3)
Code-barres Cote Support Localisation Section Disponibilité 081-2019111 SL Revue Centre de documentation Revues en salle Disponible 081-2019113 DEP-RECP Revue MATIS Dépôt en unité Exclu du prêt 081-2019112 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Vision stéréoscopique temps-réel pour la navigation autonome d'un robot en environnement dynamique / Maxime Derome (2017)
Titre : Vision stéréoscopique temps-réel pour la navigation autonome d'un robot en environnement dynamique Type de document : Thèse/HDR Auteurs : Maxime Derome, Auteur ; Guy Le Besnerais, Directeur de thèse Editeur : Paris-Orsay : Université de Paris 11 Paris-Sud Centre d'Orsay Année de publication : 2017 Importance : 162 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de doctorat de l'Université Paris-Saclay préparée à l’Université Paris-Sud,
École doctorale n°580 Sciences et technologies de l’information et de la communication (STIC)
Spécialité de doctorat : Mathématiques et informatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes descripteurs IGN] appariement d'images
[Termes descripteurs IGN] détection d'objet
[Termes descripteurs IGN] estimation de pose
[Termes descripteurs IGN] estimation par noyau
[Termes descripteurs IGN] estimation statistique
[Termes descripteurs IGN] objet mobile
[Termes descripteurs IGN] odomètre
[Termes descripteurs IGN] propagation d'erreur
[Termes descripteurs IGN] robotique
[Termes descripteurs IGN] temps réel
[Termes descripteurs IGN] trajectoire
[Termes descripteurs IGN] vision par ordinateur
[Termes descripteurs IGN] vision stéréoscopiqueRésumé : (auteur) L’objectif de la thèse est de concevoir un système de perception stéréoscopique embarqué, permettant une navigation robotique autonome en présence d’objets mobiles. Pour pouvoir naviguer en environnement inconnu et en présence d’objets mobiles quelconques, nous avons adopté une approche purement géométrique reposant sur l’estimation de la disparité stéréo, du flot optique et du flot de
scène. Pour assurer une couverture maximale du champ visuel, nous avons employé des méthodes d'estimation denses qui traitent chaque pixel de l'image. Enfin, puisque les algorithmes utilisés doivent s’exécuter en embarqué sur un robot, nous nous sommes efforcé de sélectionner ou concevoir des algorithmes rapides, pour nuire au
minimum à la réactivité du système. Cette thèse présente plusieurs contributions.
Nous avons proposé une nouvelle approche pour l’estimation du flot de scène, en combinant des algorithmes d’odométrie visuelle, d’appariement stéréo et de flot optique. Son implémentation sur GPU permet une estimation du flot de scène à
cadence vidéo sur les images du dataset KITTI. Une méthode de détection dense d’objets mobiles a aussi été proposée, en modélisant statistiquement et en propageant toutes les erreurs de mesures. Enfin, nous avons validé expérimentalement sur un petit robot terrestre ces algorithmes de perception, en les couplant à un module de commande prédictive. L’expérience montre que le système de perception proposé est suffisamment rapide pour permettre au robot de détecter un objet mobile et d’adapter à la volée sa trajectoire afin d’éviter une collision.Note de contenu : Introduction
1 - Perception 3D à Partir d'un Banc Stéréoscopique
2 - Estimations Temporelles : Odométrie Stéréo, Flot Optique, Flot de scène
3 - Détection Dense d'Objets Mobiles à Partir d'un Banc Stéréo en déplacement
4 - Programmation sur GPU d'Algorithmes Temps-Réel et Application à la Navigation Autonome en Robotique
ConclusionNuméro de notice : 21575 Thématique : IMAGERIE/INFORMATIQUE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Mathématiques et informatique : Université Paris-Saclay : 2017 En ligne : http://www.theses.fr/2017SACLS156 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90578
Titre : Image matching using SIFT features and relaxation labeling technique—A constraint initializing method for dense stereo matching Type de document : Article/Communication Auteurs : Jyoti Joglekar, Auteur ; Shirish S. Gedam, Auteur ; B.K. Mohan, Auteur Année de publication : 2014 Article en page(s) : pp 5643 - 5652 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes descripteurs IGN] appariement d'images
[Termes descripteurs IGN] processus stochastique
[Termes descripteurs IGN] SIFT (algorithme)
[Termes descripteurs IGN] vision stéréoscopiqueRésumé : (Auteur) A probabilistic neural-network-based feature-matching algorithm for a stereo image pair is presented in this paper, which will be useful as a constraint initializing method for further dense matching technique. In this approach, scale-invariant feature transform (SIFT) features are used to detect interest points in a stereo image pair. The descriptor which is associated with each keypoint is based on the histogram of the gradient magnitude and direction of gradients. These descriptors are the preliminary input for the matching algorithm. Using disparity range computed by visual inspection, the search area can be restricted for a given stereo image pair. Reduced search area improves the computation speed. Initial probabilities of matches are assigned to the keypoints which are considered as probable matches from the selected search area by Bayesian reasoning. The probabilities of all such matches are improved iteratively using relaxation labeling technique. Neighboring probable matches are exploited to improve the probability of best match using consistency measures. Confidence measures considering the neighborhood, unicity, and symmetry are some validation techniques which are built into the technique presented here for finding accurate matches. The algorithm is found to be effective in matching SIFT features detected in a stereo image pair with greater accuracy, and these accurate correspondences can be used in finding the fundamental matrix which encodes the epipolar geometry between the given stereo image pair. This fundamental matrix can then be used as a constraint for finding inliers that are used in matching methods for deriving dense disparity map. Numéro de notice : A2014-444 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=73981
in IEEE Transactions on geoscience and remote sensing > vol 52 n° 9 Tome 1 (September 2014) . - pp 5643 - 5652[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 065-2014091A RAB Revue Centre de documentation En réserve 3L Disponible
Titre : Etablissement de vérités terrain en vision stéréoscopique Type de document : Mémoire Auteurs : Maryam Marih, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2014 Importance : 54 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de projet pluridisciplinaire, cycle Ingénieur 2e annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes descripteurs IGN] données lidar
[Termes descripteurs IGN] précision géométrique (imagerie)
[Termes descripteurs IGN] prise de vue terrestre
[Termes descripteurs IGN] réalité de terrain
[Termes descripteurs IGN] reconstruction 3D
[Termes descripteurs IGN] semis de points
[Termes descripteurs IGN] vision par ordinateur
[Termes descripteurs IGN] vision stéréoscopiqueIndex. décimale : PROJET Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Dans le domaine de la vision stéréoscopique par ordinateur, la mesure quantitative de la précision de la reconstruction 3D est primordiale pour mesurer objectivement les forces et les faiblesses des multiples algorithmes existants. Mon stage pluridisciplinaire consistait à suivre un banc d'essai élaboré dans ce contexte, par Christophe STRECHA et co-auteurs, pour construire des nouvelles vérités terrain tridimensionnelles en s'appuyant sur les données Lidar. Il s'agit de travailler avec un LIDAR Faro du laboratoire d'accueil, IMAGINE, et de faire des prises de vue photographiques associées pour ensuite établir la reconstruction 3D à partir de ces images tout en utilisant quelques coordonnées 3D issues du nuage de points LIDAR. La vérité terrain élaborée sera donc une référence de précision pour les autres méthodes de reconstruction 3D moins précises. Les produits de ce stage seront extrêmement utiles pour les travaux de recherche de l'équipe du laboratoire. Note de contenu : INTRODUCTION
1. GENERALITES
1.1. Gestion du projet
1.2. Organisme d’accueil
2. PROCESSUS DU TRAVAIL
2.1. Le processus général
2.2. La correction de la distorsion
2.3. Etalonnage de la camera
2.4. Acquisition laser
2.5. La correspondances 2d-3d
2.6. Mise en place des images et le calcul de précision
3. ETUDE BIBLIOGRAPHIQUE
4. ETALONNAGE
4.1. Modélisation de la camera
4.2. Paramètres de la camera
4.3. Distorsion de la camera
4.4. Calcul de la matrice K
5. TRAVAIL SUR LA SCENE
5.1. Construction de la Scene
5.2. Travail avec le lidar
5.3. Le choix des cibles
5.4. Traitements avec le logiciel ‘Scene’
6. ESTIMATION DES POSITIONS DE LA CAMERA
6.1. Etablissement des coordonnées 2D-3D
6.2. Calcul des positions des caméras avec OPENMVG
7. MESURE DE LA PRECISION
7.1. La mise en place des images
7.2. Mesure de la précision
8. PROBLEMES RENCONTRES ET SOLUTIONS PROPOSEES
CONCLUSIONNuméro de notice : 22177 Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Laboratoire IMAGINE (ENPC) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74180 Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 22177-01 PROJET Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
22177 Etablissement de vérités terrain en vision stéréoscopique_Marih.pdfAdobe Acrobat PDFMise en oeuvre d'une chaîne de calcul de production de nuages de points denses / Emmanuel Habets (2012)
PermalinkPermalinkPermalinkPermalinkPrécis de télédétection, 4. Volume 4 Méthodes de photointerprétation et d'interprétation d'image / Léo Provencher (2007)
PermalinkPermalinkPermalinkPermalinkPermalink
