Σκοπός της παρούσας εργασίας ήταν η μελέτη της μεθόδου κατασκευής του χάρτη βάθους μιας σκηνής από δύο εικόνες της, οι οποίες προσομοιάζουν την ανθρώπινη διοφθαλμική όραση. Η μέθοδος αναλύθηκε στους βασικούς της αλγορίθμους, και εξετάστηκε κατά πόσο και με ποιόν τρόπο θα μπορούσαν αυτοί να παραλληλοποιηθούν. Το OpenCL framework και η OpenCV βιβλιοθήκη μελετήθηκαν, και βρέθηκαν κατάλληλες και ικανές για την παραλληλοποίηση ενός αλγορίθμου υπολογιστικής όρασης. Με χρήση των παραπάνω υλοποιήθηκαν ενδεικτικά κάποιοι αλγόριθμοι και υπολογίστηκε το σχετικό βάθος των χαρακτηριστικών σημείων των εικόνων. Τέλος έγινε αξιολόγηση των αλγορίθμων ως προς την ταχύτητα και την ποιότητα των αποτελεσμάτων. / The goal of the present thesis was to study a scene's depthmap creation, using a pair of images simulating human binocular vision. At first the whole method was cut down to its elementary algorithms. Then it was examined wether and how could these algorithms be parallelized. OpenCL framework and OpenCV library were found adequate and capable of parallelizing computer vision algorithms, so they were used to implement some indicative algorithms. Finally, the relative depth of image features was calculated via various algorithm combinations, that were then evaluated according to speed and accuracy.

Ο ταχύτατος ρυθμός εξέλιξης της επιστήμης των υπολογιστών τις τελευταίες δεκαετίες είχε σαν αποτέλεσμα την επέκταση της χρήσης των υπολογιστών σε διάφορους τομείς της καθημερινής μας ζωής, από ένα συνεχώς αυξανόμενο αριθμό ανθρώπων. Ωστόσο παρατηρούνται ακόμα αρκετές δυσκολίες στον τρόπο χειρισμού διάφορων υπολογιστικών συστημάτων, γεγονός που προσανατολίζει την έρευνα στην ανάπτυξη συστημάτων των οποίων η χρήση βασίζεται στα "φυσικά" μέσα επικοινωνίας που χρησιμοποιούνται από τον άνθρωπο, όπως για παράδειγμα οι χειρονομίες. Αντικείμενο της παρούσας ειδικής επιστημονικής εργασίας αποτελεί η διερεύνηση και υλοποίηση ενός συστήματος αναγνώρισης ανθρώπινων χειρονομιών σε ακολουθίες εικόνων (video), με χρήση τεχνικών υπολογιστικής όρασης. Κατόπιν μιας σύντομης αναφοράς στην επικοινωνία ανθρώπου-υπολογιστή (ΕΑΥ), ερευνώνται εκτενώς τρία πεδία της όρασης υπολογιστών: το χρώμα, και ειδικότερα η χρήση του χρώματος για την κατάτμηση μιας εικόνας, η τεχνική της σύμπτωσης προτύπων (template matching) για αναζήτηση πρωτοτύπων εικόνων σε άλλες εικόνες και η μέθοδος αναγνώρισης κινούμενων αντικειμένων. Οι μεθοδολογίες αυτές συνδυάζονται για την ανάπτυξη του συστήματος αναγνώρισης χειρονομιών, το οποίο μπορεί να χρησιμοποιηθεί σε εφαρμογές όπως η αλληλεπίδραση με ηλεκτρονικούς υπολογιστές, σε κονσόλες βιντεοπαιχνιδιών και διάφορων συσκευών που χρησιμοποιούμε καθημερινά, όπως η τηλεόραση και το κινητό τηλέφωνο. / The enormous rate of evolution of computer science in recent decades has resulted in expanding the use of computers in more and more areas of our everyday life, by more and more people. However there are still numerous difficulties in using various computer systems, therefore the research is oriented to the development of the use of which is based on more "natural" means that people use to communicate with each other, such as gestures. The subject of this master thesis is the study and development of a system for the recognition of human gestures in image sequences (video), using computer vision techniques. After a brief mention of Human-Computer Interaction extensively investigated three areas of computer vision: color, particularly the use of color for the segmentation of an image, the technique of template matching to search prototype images other images and recognition method of moving objects. These methodologies combine the development of gesture recognition system, which can be used in applications such as computer interaction, video game consoles and various devices that we use every day, including television and mobile phone.

Ο πρωταρχικός στόχος αυτής της εργασίας είναι η υλοποίηση μιας βιομηχανικής διάταξης σε εργαστηριακή κλίμακα στην οποία να συνεργάζονται ένα στερεοσκοπικό σύστημα και ένας ρομποτικός βραχίονας. Πιο συγκεκριμένα, η διαδικασία χωρίζεται σε δύο μέρη, την αναγνώριση στο χώρο των επιθυμητών αντικειμένων και την οδήγηση βάση αυτής του ρομποτικού βραχίονα. Για το πρώτο μέρος έγινε χρήση της βιβλιοθήκης OpenCV σε γλώσσα C++ και ως στερεοσκοπικό υλικό χρησιμοποιήθηκαν δύο παράλληλα διατεταγμένες κάμερες τύπου webcam. Η διαδικασία που ακολουθήθηκε για την αναγνώριση θέσης χωρίστηκε σε αρκετά βήματα. Αρχικά δημιουργήθηκε ένα πρόγραμμα το οποίο αποθηκεύει καρέ από τις δύο κάμερες στα οποία απεικονίζεται ένα μοτίβο βαθμονόμησης. Στη συνέχεια, αυτές οι εικόνες εισάγονται στον κώδικα βαθμονόμησης με στόχο να υπολογιστούν οι εγγενείς και εξωγενείς παράμετροι των καμερών. Έπειτα, με τη χρήση των παραμέτρων αυτών και τη θεωρία της επιπολικής γεωμετρίας μπορεί να γίνει η αναγνώριση θέσης ενός αντικειμένου στο χώρο. Τέλος, χρησιμοποιείται ένας αλγόριθμος εντοπισμού του κέντρου ενός αντικειμένου στην οθόνη με βάση το χρώμα έτσι ώστε να καθοριστεί για ποιο αντικείμενο ο αλγόριθμος θα υπολογίσει τη θέση. Στο δεύτερο μέρος χρησιμοποιήθηκε ο ρομποτικός βραχίονας Katana s400 6M90G της εταιρείας Neuronics, ο οποίος προγραμματίστηκε σε γλώσσα C++, σε περιβάλλον Visual Studio 2008. Αρχικά, βρέθηκαν οι γωνίες Euler της αρπάγης, για διαφορετικές προσεγγίσεις του προσανατολισμού της. Με τον συνδυασμό των συντεταγμένων του αντικειμένου, που βρίσκονται από το στερεοσκοπικό σύστημα καθοδηγείται το Katana ώστε να το πιάσει. Τα πειράματα που διεξαχθήκαν περιλάμβαναν την αρπαγή στάσιμων αντικειμένων με γενικό και οριζόντιο προσανατολισμό εργαλείου. Τέλος, πραγματοποιήθηκαν πειράματα με αντικείμενα εν κινήσει, τυχαίας θέσης με γενικό, κάθετο και οριζόντιο προσανατολισμό αρπάγης. / The primary objective of this thesis is the implementation of an industrial system at laboratory scale in which a stereo system collaborates with a robotic arm. More specifically, the process is divided into two parts, the recognition of the desired objects and the manipulation of the robotic arm. In the first part were used the OpenCV library, in C ++ language and two parallel web-cameras. The procedure for the recognition of the objects, was divided into several steps. Initially a number of images were inserted in the calibration algorithm in order to estimate the intrinsic and extrinsic camera parameters. Then, using these parameters and the epipolar geometry it was possible to recognize the position of an object in 3D space. Finally, an algorithm is used to locate the center of an object on the screen by color in order to determine for what object the algorithm will calculate the position. In the second part was used the robotic arm Katana s400 6M90G by Neuronics, programmed in C ++, in Visual Studio 2008. Initially, the Euler angles of the gripper for different orientations were found. Given the coordinates of the objects, provided by the stereo system, the Katana arm was guided to grasp them. The experiments that were conducted included the grasping of stationary objects in a general and horizontal orientation of the Katana tool. Finally, experiments were performed with objects in motion and random position in general, vertical and horizontal orientation of the gripper.

Στόχος της παρούσας διπλωματικής εργασίας είναι η μελέτη και η ανάπτυξη ενός ρομποτικού οχήματος το οποίο θα είναι ικανό να πλοηγηθεί αυτόνομα στο χώρο αναγνωρίζοντας και αποφεύγοντας τα πιθανά εμπόδια στο περιβάλλον που θα κινηθεί. / The aim of this thesis is to study and develop a robotic vehicle that will be able to navigate autonomously in space by identifying and avoiding potential barriers in the environment that it will move.

Το πρόβλημα της αντιστοίχισης εικόνων είναι ένα από τα σημαντικότερα στο πεδίο της υπολογιστικής όρασης, αφού η ευθυγράμμιση δύο ή περισσότερων εικόνων χρησιμοποιείται τουλάχιστον σαν στάδιο προεπεξεργασίας σε ένα μεγάλο αριθμό εφαρμογών. Στην εργασία αυτή μας απασχόλησε το πρόβλημα της στοίχισης εικόνων στις οποίες οι φωτομετρικές παραμορφώσεις είναι τοπικές και δεν μπορούν να μοντελοποιηθούν με το γενικό σφαιρικό μοντέλο της αντίθεσης και της φωτεινότητας, ή/και τμήματα των προς στοίχιση εικόνων είναι αποκλεισμένα από τη μια από αυτές. Για την αντιμετώπιση των παραπάνω προβλημάτων, η αντιστοίχηση των εικόνων προσεγγίστηκε μέσω της σταθμισμένης ελαχιστοποίησης μετρικών σφάλματος που βασίζονται στο τετραγωνικό σφάλμα. Συγκεκριμένα, εκμεταλλευόμαστε την αμεταβλητότητα της κανονικοποιημένης κλίσης μιας εικόνας σε τοπικές φωτομετρικές παραμορφώσεις και τη δυνατότητα στοίχισης κάθε ζεύγους αντίστοιχων εικονοστοιχείων των υπό στοίχιση εικόνων με την μεγιστοποίηση της μεταξύ τους συσχέτισης. Έτσι πετυχαίνουμε την αποσύνδεση του αρχικού προβλήματος σε δύο υποπροβλήματα η λύση των οποίων καταλήγει σε δύο υπερκαθορισμένα συστήματα γραμμικών εξισώσεων, καθένα εκ των οποίων έχει ως αγνώστους τις ανά κατεύθυνση παράμετρες του μετασχηματισμού που αναζητούμε για την εξάλειψη της γεωμετρικής παραμόρφωσης και ως δεξιό μέλος τις τιμές των φωτομετρικών παραμορφώσεων. Τελικά, με την επιλογή δύο κατάλληλων υποσυνόλων των προαναφερθέντων γραμμικών εξισώσεων, που εξασφαλίζουν την εφικτότητα των επιμέρους λύσεων οδηγούμαστε στον προσδιορισμό των βέλτιστων παραμέτρων. Η προτεινόμενη τεχνική δοκιμάστηκε στη βάση προσώπων Yale Β που έχει χρησιμοποιηθεί από άλλες τεχνικές αντιστοίχισης που είναι ειδικά προσαρμοσμένες για την αντιστοίχιση προσώπων. Η απόδοση της προτεινόμενης τεχνικής είναι πολύ καλή και υπερτερεί και στα ποσοστά σύγκλισης αλλά και στην ακρίβεια των λύσεων από την απόδοση των άλλων τεχνικών τόσο στη στοίχιση εικόνων που έχουν υποστεί γεωμετρικές παραμορφώσεις (από πολύ μικρές μέχρι και πολύ έντονες) όσο και σε εικόνες με διαφορετικές έντονες φωτομετρικές παραμορφώσεις. Επίσης, η προτεινόμενη τεχνική δοκιμάστηκε στις βάσεις του Affine Covariance Regions του University of Oxford στις οποίες το περιεχόμενο των εικόνων είναι γενικό και οι ειδικού σκοπού τεχνικές αποτυγχάνουν, με εξίσου πολύ καλή απόδοση. / The image registration problem is one of the most important problems in the field of computer vision, since the process of aligning two or more images is used, at least as a preprocessing step, in many applications. In this work, we employed the problem of image alignment in which the photometric deformations are local and can not be modeled with the general spherical model of contrast and brightness, and / or portions of images to align are occluded. To address these problems, the image registration was approached by minimizing the weighted error metric based on squared error. In particular, we exploit the invariance of the normalized image gradient in local photometric deformations so we can align each pair of corresponding pixels in the images by maximizing the correlation between them. Thus, we achieve to dissolve the original problem into two subproblems the solution of which leads to two over-determined systems of linear equations, each of which has the direction parameters of the transformation we seek to estimate as unknowns and as right member the values of photometric deformations. Ultimately, the choice of two suitable subsets of the above linear equations, ensuring the feasibility of individual solutions we are lead to the identification of best parameters. The proposed technique was tested in Yale B face database which has been used by other mapping techniques adapted to matching persons. The performance of the proposed technique is very good and superior at the convergence rates and the accuracy of the solutions to the performance of other techniques concerning both images that have undergone geometrical deformation (from very small to very intense) and images in different intense photometric deformations. Also, the proposed technique was tested on database of Affine Covariance Regions of the University of Oxford in which the content of the images is general and special-purpose techniques fail, with equally good performance.

Η σύγχρονη τάση επιβάλει στα ρομπότ να μπορούν πιο εύκολα να προσαρμοστούν στο περιβάλλον. Οι λόγοι που επιβάλλουν κάτι τέτοιο είναι κυρίως λόγοι οικονομίας χρήματος και χρόνου. Για να είναι δυνατόν να μπορεί να προσαρμοστεί το βέλτιστο τρόπο θα πρέπει να μπορεί να λαμβάνει σαν είσοδο πληροφορία από αυτό. Διάφορα είδη αισθητηρίων χρησιμοποιούνται για αυτό το σκοπό. Για τη παρούσα διπλωματική εργασία αναπτύχθηκε ένα σύστημα στερεοσκοπικής όρασης. Η λογική για ένα τέτοιο σύστημα είναι να λειτουργεί σαν τα μάτια του ρομπότ, δηλαδή να εντοπίζει με αυτοματοποιημένο τρόπο τα σημεία στα οποία θα πρέπει να μεταβεί το ρομπότ για να ολοκληρώσει την εκάστοτε εργασία (πιάσιμο αντικειμένου, συγκόλληση κλπ). Πειράματα αναπτύχθηκαν γύρω από το αντικείμενο αυτό, με σκοπό τη συλλογή μετρήσεων διαφόρων σημείων με χρήση κάμερας (3D), προκειμένου να οδηγηθεί το ρομπότ σε αυτά μέσω των σημείων που αναγνώριζε ο αλγόριθμος επεξεργασίας εικόνας. Η υποστήριξη των πειραμάτων αυτών έγινε από το σχεδιασμό και τον προγραμματισμό ενός συστήματος στερεοσκοπικής όρασης για την οδήγηση του ρομπότ στην ολοκλήρωση συγκολλήσεων των εκάστοτε σημείων. / The current trend in robotics concerns the easy adaption in the environment. The reasons for requiring this are mainly economic reasons and time effective processes. In order to help the robot to be adjusted optimally, the second should be able to take as input information from it. Various kinds of sensors are used for this purpose. A stereo vision system was developed in this thesis. The rationale for such a system is to act as the eyes of the robot, e.g. to identify an automated way in which the robot should make motion planning in order to completer to each task (grasping the object, welding etc.). Experiments were developed around the object, in order to collect measurements using different camera points (3D), in order to guide the robot through these points that recognized the image processing algorithm. The supporting of these experiments were the design and planning of a stereo vision system for driving the welding robot in completing the respective points

Στην παρούσα εργασία διερευνώνται οι νοητικές παραστάσεις μαθητών Στ΄ Δημοτικού σχετικά με το μηχανισμό της όρασης σε κατάσταση φυσικού, τεχνητού φωτισμού και νύχτας και ελέγχεται η συνέπεια των παραστάσεων συναρτήσει των τριών καταστάσεων φωτισμού αλλά και του τρόπου έκφρασης των απαντήσεων (προφορικός λόγος- τρισδιάστατος κόσμος, γραπτή απεικόνιση- δισδιάστατος κόσμος). Μελετάται επίσης η επίδραση που ενδεχομένως ασκεί η Παραδοσιακή διδασκαλία του μάθηματος της όρασης, στα σχήματα για την όραση που εμφανίζουν οι μαθητές. Για το σκοπό αυτό πραγματοποιήθηκαν σε πρώτη φάση οι ατομικές συνεντεύξεις του προ-τεστ, ακολούθησε η Παραδοσιακή διδασκαλία και σε τρίτη φάση πραγματοποιήθηκαν οι ατομικές συνεντεύξεις του μετά-τεστ. Βάσει αποτελεσμάτων, υιοθετούνται κυρίως τα σχήματα για την όραση που συναντώνται στη διεθνή βιβλιογραφία, με προτίμηση στο σχήματα "Λουτρό Φωτός" και "Φωτισμός του Αντικειμένου". Οι απαντήσεις τους εμφανίζουν ασυνέπεια και για τις τρεις καταστάσεις φωτισμού, στον τρισδιάστατο και δισδιάστατο κόσμο, ενώ προκύπτει ότι η Παραδοσιακή διδασκαλία παράγει ανομοιογενή αποτελέσματα και δε δημιουργεί συνθήκες γνωστικής προόδου. / This thesis studies the mental representations of 11 year old Greek students, concerning the mechanism of vision at natural and artificial lighting as well as at night. Additionally, we want to examine whether these representations are solid based on the three different states of lighting as well as on the way the answers are expressed (oral speech – three-dimensional world, sketches – two-dimensional world), and to investigate the possible effect of a Traditional course about vision, on pupils’ vision schemes. The study is combined of three phases: personal pre-test interviews with each student, Traditional course on vision mechanism and personal post-test interviews with the same subjects. The results show that 11 year old pupils employ the majority of the vision schemes that are seen on international bibliography, however the tend to use more the ones of “Sea of Light” and “Lighting an object”. The answers indicate that the schemes employed are not solid, neither throughout the different states of lighting, nor in the three-dimensional and two-dimensional world. Traditional teaching gives non-homogeneous results, thus does not contribute to mental progress.

H συγκεκριμένη διπλωματική εργασία αποτελεί συνέχεια μιας σειράς διπλωματικών εργασιών οι οποίες είχαν ως πηγή έμπνευσης το ρομποτικό όχημα (robot rover) Sojourner το οποίο είχε σταλθεί στον πλανήτη Άρη από τη NASA το 1997. Συγκεκριμένα είχε υλοποιηθεί παλαιότερα μια διπλωματική εργασία στην οποία σκοπός ήταν η κατασκευή ενός ενσωματωμένου συστήματος και του αντίστοιχου οχήματος που θα ελέγχεται στα πρότυπα του ρομποτικού οχήματος Sojourner, όσο αυτό είναι εφικτό. Πιο συγκεκριμένα είχε κατασκευαστεί ένα όχημα και είχε γίνει ο σχεδιασμός και η υλοποίηση ενός ενσωματωμένου συστήματος βασισμένο στον επεξεργαστή της Intel 8086. Σκοπός στη συγκεκριμένη διπλωματική εργασία, είναι ο σχεδιασμός και η υλοποίηση ενός ενσωματωμένου συστήματος, το οποίο θα στηρίζεται σε ένα πιο σύγχρονο υπολογιστικό σύστημα και ταυτόχρονα η υλοποίηση ενός μηχανισμού, με τον οποίο το όχημα θα μπορεί να ανιχνεύει στοιχειωδώς την ύπαρξη κάποιου πιθανού εμποδίου. Αρχικά επιλέχθηκε να υλοποιηθεί μηχανισμός στερεοσκοπικής όρασης προκειμένου να πραγματοποιείται η αναγνώριση πιθανού εμποδίου. Η επιλογή αυτή αποτέλεσε σημαντικό παράγοντα για τον μετέπειτα προγραμματισμό του συστήματος. Στη συνέχεια έγινε ο σχεδιασμός του ενσωματωμένου συστήματος και η επιλογή του hardware που το απαρτίζει. Οι επιλογές που έγιναν προσπάθησαν να αντισταθμίσουν τους παράγοντες κόστους και ταχύτητας. Το επόμενο βήμα αποτέλεσε η software υλοποίηση, δηλαδή ο προγραμματισμός του ενσωματωμένου συστήματος. Αρχικά υλοποιήθηκαν οι ρουτίνες για την κίνηση. Κατόπιν αναπτύχθηκε το πρόγραμμα που αφορά την στερεοσκοπική όραση και στο τέλος έγινε ο προγραμματισμός του radio module. Στη συνέχεια συνδυάστηκαν όλα τα παραπάνω μαζί ώστε να αποτελέσουν την τελική εφαρμογή. Στο τέλος πραγματοποιήθηκε η αξιολόγηση της επιλογής του υπολογιστικού συστήματος που χρησιμοποιήθηκε, καθώς και εξήχθησαν συμπεράσματα για πιθανές μελλοντικές προσθήκες και δυνατότητες. / This diploma thesis belongs to a series of diploma theses, which were inspired by NASA’s robot rover Sojourner which had been sent on Mars in 1997. Specifically, in an older diploma thesis, an embedded system was designed and implemented in order to move and control a vehicle, like it had been done with Sojourner, in a feasible degree. More specifically, a vehicle was constructed and an embedded system which was based on Intel 8086 processor was designed and implemented. The goal of this diploma thesis is the design and implementation of an embedded system which is based on a modern computer system. Moreover a mechanism for elementary locating a possible obstacle was implemented. In the first stage, stereo vision was chosen to be the process in which the vehicle would recognize a possible obstacle. That choice was a significant factor for the later system programming. Afterwards, the hardware that is used on the vehicle was chosen. Those choices tried to have a trade-off between cost and performance. The next step was the programming of the embedded system. This step consisted of three more steps. In the first step, movement functions which were responsible for moving the vehicle were programmed. Secondly, the program responsible for stereo vision was also written and the third step was the programming of the radio module which was used. Finally, all those three programs were combined in order to produce the final application. In the end, we assessed the choice of the computer system we used as well as the whole system and we reached on some conclusions. Also, some suggestions for future additions were introduced.

Στα πλαίσια της διπλωματικής αυτής θα μελετηθεί το πρόβλημα της σύνθεσης εικόνας υψηλής ανάλυσης, χρησιμοποιώντας πολλαπλές εικόνες χαμηλότερης ανάλυσης. Η τεχνική αυτή προσφέρει την δυνατότητα μείωσης των αλλοιώσεων που υπεισέρχονται από τους αισθητήρες καταγραφής των εικόνων (θόρυβος,θόλωμα), την αύξηση της χωρικής ανάλυσης καθώς και την αύξηση του δυναμικού εύρους της εικόνας, ώστε να είναι εφικτή η μεγέθυνση της με ικανοποιητική ποιότητα. Υπάρχουν δύο κύριες κατηγορίες μεθόδων που θα μελετηθούν. Στην πρώτη κατηγορία εντάσσονται μεθόδοι που συνθέτουν μία εικόνα τρισδιάστατης φυσικής σκηνής από χαμηλότερες ανάλυσης εικόνες στις οποίες έχει αποτυπωθεί τμήμα της. Ο κύριος στόχος των μεθόδων αυτών είναι να υπολογιστούν οι μετασχηματισμοί ευθυγράμμισης των εικόνων εισόδου. Στην δεύτερη κατηγορία εντάσσονται στατιστικές μέθοδοι, που προσπαθούν να αυξήσουν την χωρική ανάλυση ή να βελτιώσουν το δυναμικό εύρος της εικόνας, με σκοπό την βέλτιστη δυνατή ανάκτηση της φυσικής σκηνής. Ο κύριος στόχος των μεθόδων που ανήκουν στην κατηγορία αυτή, είναι η βέλτιστη εκτίμηση των τιμών των εικονοστοιχείων. / This thesis investigates the inverse problem of Super Resolution. Super Resolution algorithms reduce the effects of noise and blurring and produce an image of superior quality. This quality ensures that when we zoom in the image, the image details are not lost. Super Resolution algorithms are separated into two categories. The first category studies algorithms which combine overlapping images of low resolution to produce a panoramic image of the scene. The second category contains algorithms which produce a high detailed image.

Το πρόβλημα της εκτίμησης θέσης και του προσανατολισμού της κάμερας από τις γνωστές 3D συντεταγμένες n σημείων της σκηνής και των 2D προβολών τους στο επίπεδο της εικόνας, είναι γνωστό στην βιβλιογραφία ως "Perspective n Point(PnP)" πρόβλημα. Το πρόβλημα αυτό συναντάται σε πολλά σημαντικά επιστημονικά πεδία όπως αυτά της υπολογιστικής όρασης, της ρομποτικής, της αυτοματοποιημένης χαρτογραφίας, της επαυξημένης πραγματικότητας κ.α, και μπορεί να θεωρηθεί ως μια ειδική περίπτωση του προβλήματος βαθμονόμησης της κάμερας. Η ανάγκη για την ανάπτυξη ρωμαλέων και χαμηλής πολυπλοκότητας μεθόδων για την επίλυση του "PnP" προβλήματος σε πραγματικό χρόνο έχει αναδειχθεί από πολλούς ερευνητές τα τελευταία χρόνια. Στο πλαίσιο της προτεινόμενης διπλωματικής μελετήθηκαν σε βάθος οι πιο σημαντικές μέθοδοι που έχουν προταθεί στην διεθνή βιβλιογραφία μέχρι σήμερα. / The perspective camera pose estimation problem, given known 3D coordinates in the world coordinate system and their correspondent 2D image projections, is known as "Perspective n Point(PnP)" problem. It has many applications in Photogrammetry, Computer Vision, Robotics, Augmented Reality and can be considered as a special case of camera calibration problem. The need for development of robust and simultaneously low computational complexity real time solutions for the PnP problem is very strong as it has attracted much attention in the literature during the last few years. In this master thesis, most significant as well as state of the art techniques which provide solutions to camera pose estimation problem have been thoroughly studied.