000031943 001__ 31943
000031943 005__ 20160204081702.0
000031943 037__ $$aTAZ-TFG-2015-2032
000031943 041__ $$aspa
000031943 1001_ $$aCastillón Lacasa, Rosa
000031943 24500 $$aEvaluación de métodos densos de reconstrucción 3D a partir de imágenes
000031943 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2015
000031943 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000031943 520__ $$aLa reconstrucción 3D es uno de los campos más relevantes de la visión por computador.En la actualidad son muchas las aplicaciones que utilizan o podrían utilizar este tipo de reconstrucciones; por ejemplo navegación de robots, topografía y realidad virtual. Existen varias técnicas de reconstrucción 3D. En este trabajo se centra la atención en la visión estéreo multivista; y en concreto en las reconstrucciones densas. A diferencia de las técnicas tradicionales no densas, cuya limitación es que sólo pueden reconstruir unos cuantos cientos de puntos salientes, en este tipo de reconstrucciones densas se estiman todos los puntos de la escena. Para ello se utiliza una secuencia de imágenes de la misma escena, tomadas desde distintos puntos de vista cercanos. Este tipo de técnicas son muy recientes y están todavía en fase de desarrollo. En este proyecto se ha utilizado la técnica DTAM (Dense Tracking and Mapping) de 2011. Este algoritmo reconstruye el mapa de la escena y estima la posición de todas las cámaras. En este caso se ha estudiado únicamente, la fase del mapeo de la escena. El objetivo es mejorar la precisión del algoritmo, y para ello se han evaluado diferentes parámetros. Se utiliza el color de los píxeles como identificador para calcular la profundidad, en este proyecto se ha aumentado el tamaño de este identificador y se han evaluado diferentes métodos para la comparación de identificadores. También se ha estudiado como afecta el regularizador en las reconstrucciones, el cual impone que píxeles cercanos tengan profundidad similar en caso de que tengan color parecido. Todos estos parámetros se han ajustado mediante experimentación. Para calcular la mejora de los resultados se han comparado las profundidades estimadas con el algoritmo con un ground truth creado a partir de datos extraídos de un sensor Kinect. Los resultados muestran que es posible mejorar la precisión en las reconstruciones mediante el ajuste de los parámetros estudiados. En concreto la mejora obtenida en este TFG es del 40 %.
000031943 521__ $$aGraduado en Ingeniería Electrónica y Automática
000031943 540__ $$aDerechos regulados por licencia Creative Commons
000031943 700__ $$aConcha Belenguer, Alejo$$edir.
000031943 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$c
000031943 8560_ $$f626556@celes.unizar.es
000031943 8564_ $$s4549646$$uhttps://zaguan.unizar.es/record/31943/files/TAZ-TFG-2015-2032.pdf$$yMemoria (spa)
000031943 909CO $$ooai:zaguan.unizar.es:31943$$pdriver$$ptrabajos-fin-grado
000031943 950__ $$a
000031943 951__ $$adeposita:2015-10-08
000031943 980__ $$aTAZ$$bTFG$$cEINA