Disparity and Motion Estimation and their Application to 3D Reconstruction

Questa tesi fornisce una visione d’insieme della ricerca effettuata durante i tre anni di dottorato nell’ambito della stima del moto e disparita`. Per la stima del moto si propone un nuovo algoritmo adatto per un’implementazione su GPU ed un criterio di stima delle corrispondenze che calcola la correlazione in una sequenza precedentemente binarizzata. La combinazione di queste tecniche permette una significativa riduzione del costo computazionale ottenendo comunque risultati comparabili con un algoritmo ordinario di ricerca ricorsiva. Per la stima della disparita si propone invece un processamento semiautomatico per allineare i bordi della disparita` con quelli degli oggetti. In particolare questo metodo usa una possibile iterazione con l’utente per definire le regioni non stimate correttamente. Questa informazione e` poi integrata nell’algoritmo tramite un feedback nel vincolo di smoothness. Inoltre si e` anche considerato il possibile supporto di un sistema attivo, piu` precisamente ci si e` concentrati sull’aumento di risoluzione della depth map di una camera a tempo-di-volo guidato da una o piu` camere a colori. I risultati dimostrano un notevole guadagno rispetto all’attuale stato dell’arte, in particolar modo in caso di un alto livello di rumore. Nella seconda parte della tesi viene formulato in modo congiunto il problema della stima del moto e disparita`. A questo riguardo viene proposto un metodo che cerca di risolvere il problema dell’apertura e di ottenere conseguentemente una stima piu` robusta mediante un accoppiamento lasco tra un insieme di stime indipendenti. Piu`precisamente le differenti stime vengono effettuate tramite un procedimento gerarchico e tra ogni iterazione viene calcolata la consistenza dei risultati. Questa rappresenta una stima della qualita` ed e` quindi integrata nella successiva iterazione permettendo un miglioramento dei risultati ottenuti. Infine le tecniche sviluppate precedentemente sono state applicate alla ricostruzione tridimensionale. In particolar modo viene mostrato come la combinazione di un algoritmo di ricerca ricorsiva con un metodo basato sull’optical flow permetta una stima densa e precisa e conseguentemente un’accurata ricostruzione.