Submitted by Liliane Ferreira (ljuvencia30@gmail.com) on 2018-11-26T13:24:36Z
No. of bitstreams: 2
Dissertação - Gabriel da Silva Vieira - 2018.pdf: 13740412 bytes, checksum: ddb7d4353e4f2d7650b087dd0d4bd796 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-11-26T13:43:18Z (GMT) No. of bitstreams: 2
Dissertação - Gabriel da Silva Vieira - 2018.pdf: 13740412 bytes, checksum: ddb7d4353e4f2d7650b087dd0d4bd796 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-11-26T13:43:18Z (GMT). No. of bitstreams: 2
Dissertação - Gabriel da Silva Vieira - 2018.pdf: 13740412 bytes, checksum: ddb7d4353e4f2d7650b087dd0d4bd796 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2018-10-05 / Outro / Disparity maps are key components of a stereo vision system. Autonomous navigation, 3D
reconstruction, and mobility are examples of areas of research which use disparity maps as an
important element. Although a lot of work has been done in the stereo vision field, it is not
easy to build stereo systems with concepts such as reuse and extensible scope. In this study,
we explore this gap and it presents a software architecture that can accommodate different
stereo methods through a standard structure. Firstly, it introduces some scenarios that
illustrate use cases of disparity maps and it shows a novel architecture that foments code
reuse. A Disparity Computation Framework (DCF) is presented and we discuss how its
components are structured. Then we developed a prototype which closely follows the proposal
architecture and we prepared some test cases to be performed. Furthermore, we have
implemented disparity methods for validation purposes and to evaluate our disparity
refinement method. This refinement method, named as Segmented Consistency Check (SCC),
was designed to increase the robustness of stereo matching algorithms. It consists of a
segmentation process, statistical analysis of grouping areas and a support weighted function
to find and to fill in unknown disparities. The experimental results show that the DCF can
satisfy different scenarios on-demand. Besides, they show that SCC method is an efficient
approach that can make some enhancements in disparity maps, as reducing the disparity error
measure. / Mapas de disparidade são elementos cruciais em sistemas de visão estéreo. Navegação
autônoma, reconstrução 3D e mobilidade são exemplos de área de pesquisa que utilizam
mapas de disparidade como elementos-chave. Embora muitos trabalhos têm sido feitos na
área de visão estéreo, ainda assim, não é trivial construir sistemas estéreos com aplicação de
conceitos como reutilização e escopo extensível. Neste estudo, exploramos essa lacuna e
apresentamos uma arquitetura de software capaz de acomodar diferentes métodos de visão
estéreo através de uma estrutura bem definida. Inicialmente, cenários que ilustram usos de
mapa de disparidade são introduzidos e uma arquitetura que fomenta reutilização de código é
apresentada. Dessa forma, um Framework de Cálculo de Disparidade (FCD) é apresentado e
seus componentes são discutidos a fim de especificar a sua estrutura. Em seguida, um
protótipo que segue a arquitetura proposta é apresentado e alguns casos de teste são
preparados e executados. Além disso, métodos de cálculo de disparidade foram
implementados para propostas de validação e para avaliar o método de refinamento de
disparidade proposto pelos autores. Esse método de refinamento, chamado de Checagem de
Consistência de Segmento (CCS), foi projetado para aumentar a robustez de algoritmos de
combinação estéreo. Trata-se de um método que utiliza um processo de segmentação
preliminar, análise estatística de áreas definidas e função ponderada de suporte para
encontrar e preencher disparidades marcadas como desconhecidas. Os resultados dos
experimentos realizados apontam que o FCD pode satisfazer diferentes cenários sob
demanda. Além disso, os resultados mostram que o método CCS é uma abordagem eficiente
que pode trazer certos melhoramentos em mapas de disparidade, como reduzir a medida de
erro no cálculo de correspondências estéreo.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/9088 |
| Date | 05 October 2018 |
| Creators | Vieira, Gabriel da Silva |
| Contributors | Soares, Fabrizzio Alphonsus Alves de Melo Nunes, Soares, Fabrizzio Alphonsus Alves de Melo Nunes, Laureano, Gustavo Teodoro, Pedrini, Hélio |
| Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG) |
| Source Sets | IBICT Brazilian ETDs |
| Language | English |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
| Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
| Relation | -3303550325223384799, 600, 600, 600, 600, -7712266734633644768, 3671711205811204509, 2442915598251853972 |
Page generated in 0.0032 seconds