ISOLATION AND COMPARISON OF FEATURES POINTS ON THE IMAGES OF OBJECT

Abstract


Isolation points of interest (POI) and determination of their compliance are important components of many applications of computer vision. For example, in the algorithms of automatic alignment and alignment of images, construction («matching») composite mosaics and panoramas, the reconstruction of three-dimensional images, etc. By selecting and implementing a specific algorithm selection and compare features directly affects the speed and accuracy of the reconstruction algorithms. In this article analyzes existing methods of selection and comparing POI, and also is offered the new algorithm, allowing to increase an amount of true correspondences.

Full Text

Постановка задачи Реконструкция трехмерных сцен по набору изображений - одна из самых важных задач компьютерного зрения, имеющая множество практических применений [1]. Существует достаточно большое количество алгоритмов реконструкции, которые непосредственно зависят от типа решаемой задачи. У всех этих алгоритмов можно выделить некоторые общие этапы, которые обязательно должны быть реализованы: - поиск особенных точек на каждом изображении набора; - для каждой особенной точки уточняется регион, в пределах которого особенная точка однозначно локализуется и вычисляется некоторый количественный описатель - дескриптор; - с помощью алгоритмов сравнения устанавливается первичное - строгое соответствие между особенными точками; - построение фундаментальной матрицы; - вычисление соответствий для незадейство-ванных особенных точек; - вычисление трехмерных координат точек сцены и объединение их в так называемое облако точек; - соединение облака точек в трехмерную модель; - текстурирование трехмерной модели.

About the authors

V. A Alenin

Email: divo2005@inbox.ru

O. L Kulyas

Email: kulyas@psati.ru

References

  1. Szeliski R. Computer Vision: algorithms and Applications. Electronic draft. http://szeliski. org/ Book/, 2010. - 957 c.
  2. Шапиро Л., Стокман Дж. Компьютерное зрение. Пер. с англ. М.: Бином. Лаборатория знаний. 2006. - 752 с.
  3. Lowe D.G. Distinctive Image Features from Scalelnvariant Keypoints (SIFT) // Computer Science Department University of British Columbia. Vancouver, B.C., Canada. Vol. 60, №2, 2004. - P. 91-110.
  4. Bradski G., Kaehler A. Learning OpenCV. O’Reilly Media Inc, 2008. - 555 p.
  5. Brown M., Szeliski R., Winder S. Multi-image matching using multi-scale oriented patches // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego, CA: CVPR’2005. Vol. 1, 2005. - P. 510-517.

Statistics

Views

Abstract - 20

PDF (Russian) - 6

Cited-By


Article Metrics

Metrics Loading ...

Copyright (c) 2011 Alenin V.A., Kulyas O.L.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies