عنوان

ارائه ی الگوریتمی برای بهبود تخمین موقعیت دوربین بر کاربردهای واقعیت افزوده

پ۲۹۳۲۵

per

ارائه ی الگوریتمی برای بهبود تخمین موقعیت دوربین بر کاربردهای واقعیت افزوده

سیما جهانی

مهندسی برق و کامپیوتر

۱۴۰۲

۵۶ص.

سی دی

دکتری

مهندسی کامپیوتر، گرایش هوش مصنوعی

۱۴۰۲/۰۶/۲۰

تخمین موقعیت و جهت دوربین کالیبره شده از n نقطه سه بُعدی و نقاط دو بُعدی متناظر آنها که با عنوان مسئله PnP شناخته می شود، دارای کاربردهای زيادی در بینايی ماشین، رباتیک و واقعیت افزوده است. با توجه به ساختار نقاط متناظر و وجود خطا و عدم قطعیت که به دلیل اعمال الگوريتم های استخراج ويژگی و يافتن نقاط متناظر به مسئله اعمال می شود، توسعه الگوريتم های PnP قوی که در برابر اين نقص ها مقاوم باشند به عنوان چالش های اصلی مطرح می گردد.اساس بیشتر الگوريتم های ارائه شده در اين زمینه بر استخراج ويژگی ها، راهكارهای حذف خطا، يافتن روابط هندسی بین نقاط ويژگی دو بُعدی در دنباله تصاوير و تناظر آنها با نقاط سه بُعدی درصحنه و بهینه سازی نتايج با استفاده از تنظیم دسته ای استوار است. ازآنجاکه توانايی تعامل با داده های نادرست و حذف خطا برای اجرای رويكرد PnP در کاربردهای عملی ضروری است روش های متداول RANSAC+PnP علیرغم رسیدن به دقت مطلوب دارای پیچیدگی زمانی بسیار بالايی هستند و ساختار نقاط سه بُعدی ازجمله حالت سه بُعدی معمولی، حالت شبه منفرد و حالت مسطح را که منجر به هزينه محاسباتی بالايی می گردند در نظر نمی گیرند. با توجه به اهمیت مسئله PnP ، طی چند دهه گذشته، تلاش زيادی برای حل اين مسئله انجام شده است. روشهای PnP موجود را می توان به عنوان روش های تكراری و غیرتكراری طبقه بندی کرد. هدف مدل پیشنهادی در اين رساله رفع نقايص مدل های قبل، مانند عدم مقیاس پذيری و عدم وفق پذيری با ساختار نقاط سه بُعدی، در نظر گرفتن داده های نادرست، حذف خطا و همگرايی به حداقل سراسری است. همچنین با توجه به روش های پارامتری کردن ماتريس چرخش، از روش کوارترنیون برای مدلسازی پژوهش استفاده شده است. در اين رساله يک راه حل دقیق با بهینه سراسری برای مسئله PnP ارائه شده است که به صورت همزمان از مدل کردن تابع چرخش و همچنین بردارهای جهت سه بُعدی به جای نقاط دو بُعدی تصوير برای مرتفع کردن عدم قطعیت مشاهدات استفاده شده است. اين امر با نگاشت ماتريس های کوواريانس (عدم قطعیت) مشاهدات به فضای مماس بردار مربوطه به دست می آيد. در نهایت يک فرآيند مطلوب بهینه سازی ADMM برای حداقل کردن تابع هزينه استفاده شده است. برای ارزيابی مدل ارائه شده، معیارهايی نظیر دقت ماتريس چرخش و بردار انتقال، هزينه محاسباتی، زمان و کارايی با ساير روش های ارائه شده در اين زمینه مقايسه شده است. بنابراین از مدل پیشنهادی می توان به عنوان روشی برای بهبود تخمین موقعیت دوربین در واقعیت افزوده به منظور مكان يابی دقیق و افزودن اشیا مجازی در محیط واقعی استفاده نمود و تأثیر راهكار پیشنهادی را بر کارايی سیستم واقعیت افزوده ارزيابی کرد.

Abstractposition and orientation estimation of a calibrated camera from a set of n 3D points andtheir corresponding 2D projections, known as Perspective-n-point method (PnP). PnP methodshas a wide range of applications in computer vision and robotics such as simultaneouslocalization and mapping, virtual and augmented reality, structure from motion and so on.We present an accurate and quaternion based solution for the perspectiven-point problem fordetermining the position and orientation of a calibrated camera from a set of n 3D points andtheir corresponding 2D projections on the image plane referred to as AQPnP. Uncertainty ofimage feature points has not been directly handled by most previous PnP problem. In the proposedmethod uncertainty of image points is integrated into PnP algorithm. This is achievedby mapping the covariance (uncertainty) matrices of the image points to the correspondingnull space. It then uses the Alternating Direction Method of Multipliers (ADMM) algorithmto minimize the modeled cost function, which has the ability to find the desired solution inreal-time. The ADMM method solves the system of equations in a distributed form that isconvergent to the global optimal. The overall complexity of AQPnP is O(n). Quaternionbased rotation parameterization allows AQPnP to be highly accurate in estimating the rotationmatrix. We compared AQPnP algorithm with the state-of-art PnP algorithms and poseestimation results show that our proposed algorithm outperforms other algorithms.

Proposing an Algorithm to Improve Camera Pose Estimation in Augmented Reality Applications

‏جهانی،

‏ سیما

تهیه کننده

‏شعاران،

کریمیان خسروشاهی،

‏مریم

‏ قادر

استاد راهنما

استاد مشاور

‏ تبریز