М. Г. Мозеров, В. И. Кобер, В. Н. Карнаухов, Л. В. Зимина

Определение 3D координат для облаков точек с помощью стереомэтчинга и суперпиксель сегментации

Важным элементом движения роботизированных систем является определение позиции объекта в координатах, связанных со сценой, а также вектор собственного движения автономного устройства в этой системе координат (матрица поворота и вектор смещения). Все эти параметры можно определить, если оценить значения 3D координат облака точек сцены, связанных с координатной системой бортовой видео камеры автономного роботизированного устройства. Процесс нахождения матрицы поворота и вектора смещения называется регистрацией трехмерных облаков точек и имеет большое значение в робототехнике и компьютерном зрении. Поэтому существует множество методов такой регистрации. Однако проблема заключается в том, как оценить значения 3D координат облака точек сцены. В этой работе мы предлагаем определять искомые координаты точек с помощью стереомэтчинга. Основное предположение классического стереомэтчинга заключается в утверждении, что совпадающие пиксели на стереоизображениях имеют одинаковые значения яркости. Однако это предположение в целом неверное, если учесть наличие шума на изображениях и различную освещенность левого и правого изображения в стереопаре. Кроме того, попиксельное сопоставление не работает в областях, где нет реальной текстуры. Методы, которые решают все проблемы плотного стереомэтчинга, достаточно сложные и требуют больших вычислительных затрат. Однако проблему можно решить более простым и менее затратным способом, учитывая, что облака, предназначенные для регистрации, состоят из небольшого количества точек, значительно меньшего, чем пикселей на изображении. Поэтому стереомэтчинг в нашем случае осуществляется, основываясь на некоторой окрестности сопоставляемых пикселей, называемых суперпикселем. Точность подобного мэтчинга превосходит использование близкого по принципу робастного сенсуса-признака. Кроме того, мы предложили оригинальный метод верификации надежности определения диспаратности, основанный на локальной автокорреляции, таким образом удаляя точки облака с ненадежной оценкой диспаратности. В результате наша оценка 3D координат "надежных"точек сцены сравнима с лучшими state-of-the-art алгоритмами глубокого обучения.

КЛЮЧЕВЫЕ СЛОВА: компьютерное зрение, облако точек, стереомэтчинг, суперпиксель сегментация.