Vizuální odometrie pro dynamickou rekonstrukci obrazu

Abstract

Cílem této práce bylo navrhnout a experimentálně ověřit metodu pro vizuální odometrii určenou k měření pohybu podvozku automobilu jako součást 3D skeneru podvozků. Tento skener pracující pouze s obrazem z kamer je vyvíjen v rámci projektu KASSANDRA. Navržená metoda má sloužit pro skládání dílčích 3D modelů podvozku do celkového modelu. V úvodní části práce jsou popsány základní principy a postupy používané pro vizuální odometrii. Na základě teoretické části byla navržena metoda typu "3D do 2D" opírající se o příznakovou vizuální odometrii. Zvolený postup je založen na silné filtraci příznaků, která umožňuje použití metody i v příznakově chudých scénách. Pro detekci a popis příznaků je používán obrazový deskriptor ORB, jehož parametry jsou získány automatickým vyhodnocením parametrů příznaků pro předpokládaná vstupní data. Metoda byla implementována, experimentálně ověřena a kvantitativně vyhodnocena na pořízené testovací množině snímků podvozku. Na závěr byla provedena analýza výpočetní náročnosti jednotlivých kroků metody.The thesis focuses development and testing of visual odometry method serving for measurement of car undercarriage motion. The solution is foreseen to be used with a scanning system for reconstruction of the 3D shape of the vehicle undercarriage (related to project KASSANDRA). The proposed solution relies exclusively on the use of regular cameras. The method enables stitching of particular 3D undercarriage models together. The first part of this thesis describes basic principles and techniques of visual odometry. A feature-based method relying on 3D to 2D principle has been focused in this work. The core approach relies on strong filtration of visual features also allowing application in feature-sparse cases, all making-use of ORB visual features. Parameters of the method have been chosen by an automatic procedure for feature properties selection based on the typical input data. The proposed method has been implemented, tested and quantitatively evaluated with an experimental dataset of undercarriage images. The work also provides an analysis of computational intensity and resources needs for components of the proposed method.