Omografia: Omografia: trasformazioni nella visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Cos'è l'omografia
Nel campo della visione artificiale, due immagini qualsiasi della stessa superficie planare nello spazio sono legate da un'omografia. Ciò ha molte applicazioni pratiche, come la rettifica delle immagini, la registrazione delle immagini o il movimento della fotocamera, rotazione e traslazione, tra due immagini. Una volta eseguita la resezione della telecamera da una matrice di omografia stimata, queste informazioni possono essere utilizzate per la navigazione o per inserire modelli di oggetti 3D in un'immagine o in un video, in modo che vengano renderizzati con la prospettiva corretta e sembrino aver fatto parte dell'immagine. scena originale.
Come trarrai vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Omografia (visione computerizzata)
Capitolo 2: Trasformazione affine
Capitolo 3: Matrice di trasformazione
Capitolo 4: Unione di immagini
Capitolo 5 : Intersezione linea-piano
Capitolo 6: Matrice fondamentale (visione artificiale)
Capitolo 7: Resezione della telecamera
Capitolo 8: Rettifica dell'immagine
Capitolo 9: Matrice della fotocamera
Capitolo 10: Calibrazione automatica della fotocamera
(II) Rispondere alle principali domande del pubblico sull'omografia.
(III) Reale esempi mondiali dell'uso dell'omografia in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e tutti coloro che che vogliono andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di omografia.
Leggi altro di Fouad Sabry
Tecnologie Emergenti Nella Tecnologia Dell'Informazione E Della Comunicazione [Italian]
Correlato a Omografia
Titoli di questa serie (100)
Visione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniContorno attivo: Avanzamento della visione artificiale con tecniche di contorno attivo Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniMappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniBanca filtri: Approfondimenti sulle tecniche del banco di filtri di Computer Vision Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di feature invarianti di scala: Svelare il potere della trasformazione delle caratteristiche invarianti su scala nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dei gradienti orientati: Svelare il regno visivo: esplorare l'istogramma dei gradienti orientati nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFiltro adattivo: Migliorare la visione artificiale attraverso il filtraggio adattivo Valutazione: 0 su 5 stelle0 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Trasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione lineare diretta: Applicazioni pratiche e tecniche nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica bidimensionale: Esplorazione del regno visivo: computer grafica bidimensionale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCorrelazione incrociata: Sbloccare i modelli nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCampo di movimento: Esplorando le dinamiche della visione artificiale: svelato il campo del movimento Valutazione: 0 su 5 stelle0 valutazioniPunto di fuga: Esplorare i limiti della visione: approfondimenti dall'informatica Valutazione: 0 su 5 stelle0 valutazioniInterpolazione bilineare: Miglioramento della risoluzione e della chiarezza dell'immagine tramite l'interpolazione bilineare Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniMetodo di impostazione del livello: Avanzamento della visione artificiale, esplorazione del metodo dell'impostazione dei livelli Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModellazione e rendering basati su immagini: Esplorare il realismo visivo: tecniche di visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTensore trifocale: Esplorare la profondità, il movimento e la struttura nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEsercizi di matematica: distribuzioni Valutazione: 0 su 5 stelle0 valutazioniProiezione isometrica: Esplorare la percezione spaziale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModello di fotocamera stenopeica: Comprendere la prospettiva attraverso l'ottica computazionale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica della radiosità: Avanzamento della visualizzazione attraverso la radiosità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniProspettiva curvilinea: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniImparare la fisica zero Valutazione: 0 su 5 stelle0 valutazioniEsercizi di matematica: forme differenziali Valutazione: 0 su 5 stelle0 valutazioniOrthographic Projection: Esplorazione della proiezione ortografica nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniAnalisi Matematica 1 Valutazione: 3 su 5 stelle3/5Esercizi svolti di Matematica: Vettori Valutazione: 0 su 5 stelle0 valutazioniGeometria descrittiva: Sbloccare il regno visivo: esplorare la geometria descrittiva nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEsercizi di matematica: equazioni integrali e integro-differenziali Valutazione: 0 su 5 stelle0 valutazioniEsercizi svolti di Matematica: Geometria Analitica Valutazione: 0 su 5 stelle0 valutazioniMatematica: geometria analitica Valutazione: 5 su 5 stelle5/5Esercizi Svolti di Matematica: Integrali Doppi Valutazione: 0 su 5 stelle0 valutazioniStudio di funzione esercizi svolti Valutazione: 0 su 5 stelle0 valutazioniEsercizi di matematica: studio di funzioni a variabile reale Valutazione: 0 su 5 stelle0 valutazioniAnalisi matematica avanzata Valutazione: 5 su 5 stelle5/5
Intelligenza artificiale e semantica per voi
ANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Omografia
0 valutazioni0 recensioni
Anteprima del libro
Omografia - Fouad Sabry
Capitolo 1: Omografia (visione artificiale)
Come viene utilizzato nella visione artificiale, un'omografia è una relazione tra due immagini qualsiasi della stessa superficie planare nello spazio (assumendo un modello di fotocamera stenopeica). Questo può essere utilizzato in una varietà di contesti, tra cui la rettifica dell'immagine, la registrazione dell'immagine e il rilevamento e la correzione del movimento rotazionale e traslazionale della fotocamera tra due immagini. Dopo aver utilizzato una matrice di omografia stimata per la resezione della telecamera, le informazioni risultanti possono essere utilizzate per la navigazione o per l'inserimento di modelli 3D di oggetti in un'immagine o in un video in modo che siano renderizzati nella prospettiva corretta e sembrino aver sempre fatto parte della scena originale (vedi Realtà aumentata).
A e B sono le nostre due macchine fotografiche, che guardano i punti P_{i} di un piano.
Passando dalla proiezione {\displaystyle {}^{b}p_{i}=\left({}^{b}u_{i};{}^{b}v_{i};1\right)} di P_{i} in b alla proiezione {\displaystyle {}^{a}p_{i}=\left({}^{a}u_{i};{}^{a}v_{i};1\right)} di P_{i} in a:
{\displaystyle {}^{a}p_{i}={\frac {{}^{b}z_{i}}{{}^{a}z_{i}}}K_{a}\cdot H_{ab}\cdot K_{b}^{-1}\cdot {}^{b}p_{i}}dove {\displaystyle {}^{a}z_{i}} e {\displaystyle {}^{b}z_{i}} sono le coordinate z di P in ogni fotogramma della camera e dove la matrice dell'omografia {\displaystyle H_{ab}} è data da
{\displaystyle H_{ab}=R-{\frac {tn^{T}}{d}}} .
R è la matrice di rotazione di cui b viene ruotato rispetto ad a; Dal punto a al punto b, t rappresenta la direzione di traslazione; n è il vettore normale del piano e d è la distanza in radianti dal centro del piano all'origine.
Ka e Kb sono le matrici dei parametri intrinseci delle telecamere.
Nel diagramma, la telecamera b è posizionata a una distanza di d dal piano.
Tratto dal diagramma precedente:, assumendo n^{T}P_{i}+d=0 come modello piano, n^{T}P_{i} è la proiezione del vettore P_{i} lungo n , e uguale a -d .
Così {\displaystyle t=t\cdot 1=t\left(-{\frac {n^{T}P_{i}}{d}}\right)} .
E abbiamo {\displaystyle H_{ab}P_{i}=RP_{i}+t} dove {\displaystyle H_{ab}=R-{\frac {tn^{T}}{d}}} .
Questa formula è valida solo nel caso in cui la fotocamera b non ruoti o trasli.
Nel caso generale in cui R_{a},R_{b} e t_{a},t_{b} sono le rispettive rotazioni e traslazioni della camera a e b, R=R_{a}R_{b}^{T} e la matrice dell'omografia {\displaystyle H_{ab}} diventa
{\displaystyle H_{ab}=R_{a}R_{b}^{T}-{\frac {(-R_{a}*R_{b}^{T}*t_{b}+t_{a})n^{T}}{d}}}dove d è la separazione orizzontale tra la telecamera B e il piano.
Un'omografia affine è un modello migliore di spostamenti dell'immagine quando la regione dell'immagine in cui viene calcolata l'omografia è minuscola o l'immagine è stata registrata con una lunghezza focale elevata. A differenza delle omografie generali, le omografie affini hanno un'ultima riga fissa.
h_{{31}}=h_{{32}}=0,\;h_{{33}}=1.{Fine Capitolo 1}
Capitolo 2: Trasformazione affine
Una trasformazione affine (dal latino affinis, connesso con
) è una trasformazione geometrica nella geometria euclidea che mantiene le linee rette e il parallelismo ma cambia le lunghezze e le direzioni degli angoli e delle distanze coinvolte.
Una definizione più generale di trasformazione affine è un automorfismo di uno spazio affine (gli spazi euclidei sono casi speciali di spazi affini), cioè una funzione che mappa uno spazio affine su se stesso mantenendo il rapporto tra le lunghezze dei segmenti di retta parallela. Pertanto, dopo una trasformazione affine, gli insiemi di sottospazi affini paralleli mantengono il loro parallelismo. Le distanze e gli angoli tra le linee non sono sempre mantenuti da una trasformazione affine, ma i rapporti di distanza lungo una linea retta sono mantenuti.
Assumendo che X sia l'insieme di punti di uno spazio affine, possiamo scrivere ogni trasformazione affine su X come la combinazione di una trasformazione lineare su X e una traslazione di X. Non è necessario che il punto di partenza dello spazio affine sia mantenuto invariato durante una trasformazione affine, a differenza di una trasformazione lineare. Di conseguenza, ogni trasformazione affine è lineare, ma non tutte le trasformazioni lineari sono affini.
Le trasformazioni affini includono la traslazione, l'ingrandimento, la riduzione, l'omologia, la somiglianza, la riflessione, la rotazione, la mappatura di taglio e qualsiasi combinazione o sequenza di questi.
Le trasformazioni affini sono quelle trasformazioni proiettive di uno spazio proiettivo che preservano l'invarianza dell'iperpiano all'infinito, definendo lo spazio affine come il complemento dell'iperpiano all'infinito.
Una mappa affine è una forma più generale di trasformazione affine.
Immaginiamo un campo k e uno spazio affine X, Sia V lo spazio vettoriale a cui appartiene.
Una biiezione f da X su se stessa è chiamata trasformazione affine; ciò significa che una mappa lineare g da V a V è ben definita dall'equazione {\displaystyle g(y-x)=f(y)-f(x);} qui, come al solito, Il vettore libero dal punto 2 al punto 1 è indicato dalla differenza