|
|
|
|
| LEADER |
03170na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2017 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid5139
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Smolčić, Dario
|
| 245 |
1 |
0 |
|a Određivanje vlastitog gibanja kamere primjenom naučene korespondencijske metrike :
|b diplomski rad /
|c Dario Smolčić ; [mentor Siniša Šegvić].
|
| 246 |
1 |
|
|a Ego-motion estimation with a trained correspondence metric
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b D. Smolčić,
|c 2017.
|
| 300 |
|
|
|a 31 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2017-06-29, datum završetka: 2017-09-29
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Širi kontekst rada jest odred̄ivanje gibanja kamere analizom slijeda stereoskopskih slika. Većina pristupa za rješavanje tog problema temelji se na korespondenciji točkastih značajki u četvorkama slika pribavljenih u susjednim vremenskim trenutcima. U ovom radu se razmatra specifičan slučaj u kojemu se korespondencije ostvaruju ugrađivanjem slikovnih okana u visokodimenzionalni metrički prostor. U okviru rada su proučeni postupci odredđivanja korespondencija, praćenja značajki, te procjene gibanja. Razvijen je napredni sustav estimacije gibanja na temelju libviso biblioteke. U sustav je ugrađena metoda određivanja korespondencija značajki korištenjem naučene korespondencijske metrike. Preciznost postupaka je evaluirana na dva ispitna skupa. Provedena je evaluacija metrike a zatim evaluacija estimacije gibanja. Prikazani su i analizirani dobiveni rezultati te je predložen daljnji smjer razvoja.
|
| 520 |
3 |
|
|a Sažetak na engleskom: The broader context of this paper is camera ego-motion estimation through analysis of acquired stereo image sequences. Most approaches to solving this problem are based on feature point correspondences on two image pairs acquired at subsequent time intervals. In this paper, we consider a specific case in which correspondences are calculated by mapping image frames to high dimensional metric space. We studied different methods of feature matching, feature tracking, and ego-motion estimation. We developed an advanced system for ego-motion estimation based on libviso library. In this system, we incorporated new feature matching method based on trained correspondence metric. The precision of these methods is evaluated on two datasets. First, we evaluate trained correspondence metric and then ego-motion estimation is evaluated. Evaluation results are presented and analyzed and future improvements are proposed.
|
| 653 |
|
1 |
|a određivanje vlastitog gibanja kamere
|a vizualna odometrija
|a estimacija gibanja
|a korespondencijska metrika
|a konvolucijska metrika
|a detekcija značajki
|a praćenje značajki
|a određivanje korespondencija
|a OpenCV
|a Libviso
|
| 653 |
|
1 |
|a ego-motion estimation
|a visual odometry
|a correspondence metric
|a convolutional metric
|a feature detection
|a feature matching
|a feature tracking
|a OpenCV
|a Libviso
|
| 700 |
1 |
|
|a Šegvić, Siniša
|4 ths
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 50112
|d 50112
|