Departamento de Computación

El proceso de reconstrucción 3D consiste de obtener las coordenadas de puntos en el espacio a partir de sus coordenadas proyectadas en un conjunto de imágenes. En visión por computadora, este problema es atacado mediante la obtención incremental de información tridimensional acompañada de ajustes frecuentes por métodos no lineales. Dichos métodos son propensos a quedar atrapados en mínimos locales, además de que son sensibles al ruido, el cual es frecuente en problemas de la vida real. En este trabajo de tesis se propone una procedimiento para resolver el problema de reconstrucción, el cual utiliza evolución diferencial para obtener mejores soluciones iniciales que los metodos tradicionales. El procedimiento necesita como entrada un conjunto de imágenes de una escena. Se comienza por calibrar la cámara utilizando las primeras tres imágenes del conjunto mediante evolución diferencial, con esto se obtienen las características de la cámara con la que fueron generadas las imágenes de entrada, así como una reconstrucción parcial del entorno que permite procesar las imágenes faltantes. Para cada imagen del conjunto se estima la posición y orientación con que fue generada mediante evolución diferencial, lo cual permite triangular nuevos puntos que van siendo agregados, permitiendo así una reconstrucción incremental. La calidad de la reconstrucción es monitoreada con cada imagen que se procesa, de tal forma que cuando se sobrepasa un umbral de incertidumbre, la reconstrucción es sometida a un ajuste por mínimos cuadrados no lineales, lo que permite reducir la incertidumbre y por lo tanto facilitar el procesamiento de más imágenes. Mediante esta solución se busca reducir la frecuencia con que se llevan a cabo los ajustes por métodos no lineales, evitar los mínimos locales y hacer el proceso de reconstruccion en dos y tres dimensiones menos sensible al ruido.

Abstract

The 3D reconstruction problem, asks to get the 3D coordinates of a set of points in a scene from the point's projections in a set of images. Computer vision deals with this problem through incremental computing of 3D information from the set of images along with frequent non-linear adjustments. Frequently these kind of adjustments are susceptible to find local minima and are sensible to noise too. In this thesis work, a new procedure is proposed to solve the reconstruction problem which is based on diferential evolution in order to get better initial solutions than traditional methods. Our proposal receives as input a sequence of images taken from a scene. The process starts with the camera calibration, this stage is done using the three first input sequence images and diferential evolution. This calibration stage allows to get camera intrinsic parameters along with an initial reconstruction which allows us to process new images. For the other input images we estimate position and orientation as the image was originally generated, this step allows us to triangulate new points getting so an incremental reconstruction. Reconstruction quality is always checked every time a new image is processed in order to adjust the reconstruction when an uncertainty threshold is overpassed. These adjustments are made by a non-linear least squares method what reduces both the errors and the uncertainty. With our proposal we try to reduce the number of non-linear adjustments, to avoid local minima and to make 2D and 3D reconstruction problem more robust against noise.