FenixEdu™

Dissertação

{pt_PT=Structure Reconstruction using Plenoptic Cameras} {} EVALUATED

Detalhes: {pt=Câmaras plenópticas usam uma matriz de microlentes para capturar informação direcional acerca da luz, o que permite obter profundidades com uma única exposição. Tal poderá ter várias aplicações, incluindo em aeroespacial para captar imagens 3D da superfície terrestre. Vários estudos propuseram modelos geométricos, processos de calibração e métodos para recuperar profundidade a partir de imagens plenópticas. No entanto, são ainda poucos os estudos feitos com câmaras reais. Ferramentas de calibração só foram disponibilizadas nos últimos cinco anos, e trabalhos recentes em reconstrução recuperam a disparidade, mas não a profundidade métrica. Nesta dissertação, começamos por formalizar um modelo de projeção. Depois, detalhamos três metodologias para reconstrução métrica de cenários. Reconstrução Baseada em Pontos, consistindo num sistema de equações obtido a partir do modelo de projeção, semelhante a um setup multiview stereo. Reconstrução Baseada em Gradientes estima disparidade analisando imagens de plano epipolar, sem deteção explícita de pontos na imagem. Reconstrução Baseada em Foto-Similaridade aplica cisalhamento ao lightfield para certas disparidades e testa que pixeis estão em foco. Os últimos dois métodos produzem mais resultados que a Reconstrução Baseada em Pontos, mas ainda assim os resultados são esparsos com imagens reais. Para obter estimativas densas, métodos de inpainting e regularização são usados. As estimativas de disparidade são convertidas em informação métrica 3D usando os parâmetros intrínsecos da câmara. Experiências foram realizadas tanto com câmaras reais como simuladas. Os resultados na avaliação da precisão das reconstruções métricas indicam que estas câmaras podem reconstruir precisamente pontos dentro do intervalo de profundidades analisado., en=Plenoptic cameras use a microlens array to capture directional information of the light in a scene, which allows to retrieve depth with single exposures. Such might have many applications, namely in aerospace, to capture 3D images of Earth's surface. Various studies have proposed geometric models, calibration processes and methodologies to recover depth from plenoptic imaging. However, few studies are made with real cameras. Calibration toolboxes have only been available in the last five years, and recent works on structure reconstruction recover the disparity but do not consider metric depth. In this thesis, we start by formalizing a projection model. Afterwards, we detail three methodologies for scene metric reconstruction. Point Based Reconstruction consists in a system of equations obtained from the projection model similar to a multiview stereo setup. Gradient Based Reconstruction estimates disparity by analyzing epipolar plane images, without explicit detection of image features. Photo-Similarity Based Reconstruction shears the lightfield for various disparity values, and tests if pixels are in focus. The last two methods produce more results than the Point Based method, but still provide sparse estimates for real images. To obtain a dense estimate, inpainting and regularization techniques are used. The disparity estimates are then converted to 3D metric information using the intrinsic parameters of the plenoptic camera. Experiments have been conducted both with simulated and real cameras. The results on assessing the accuracy of 3D metric reconstruction indicate that these cameras are able to reconstruct accurately points within the depth range analyzed. }
Keywords: {pt=Camaras Plenópticas, Imagens Lightfield, Modelo de Projecção, Reconstrução, en=Plenoptic Cameras, Lightfield Imaging, Projection Model, Reconstruction}

Discussão: novembro 23, 2017, 14:0