Método automático para el incremento de correspondencias entre imágenes con perspectivas no paralelas y ampliamente separadas para su utilización en reconstrucción 3D con modelos de aprendizaje profundo

Abstract

En procesos que requieren realimentación visual en forma autónoma, tales como la reconstrucción trimensional o el corregistro de imágenes, se necesita encontrar la mayor cantidad posible de puntos homólogos. Para ello es necesario encontrar puntos característicos en las distintas imágenes y luego hacerlos corresponder (matching). En el caso de que la asociación sea ideal, los puntos correspondientes son homólogos. El proceso de asociación de puntos característicos se puede dividir en 3 etapas: (1) Detección, (2) Descripción y (3) Correspondencia. En este trabajo se presenta un método que hace uso de la geometría epipolar para aumentar la cantidad de correspondencias válidas entre imágenes homólogas.
In processes that require autonomous visual feedback, such as three-dimensional reconstruction or image co-registration, to find as many homologous points as possible is needed. This can be done finding keypoints in the different images and then matching them. If the association is ideal, the matched keypoints are ho- mologous. The keypoint association process can be divided into 3 stages: (1) Detection, (2) Description, and (3) Matching. In this work, a method to increase the number of valid correspondences between homologous images using the epipolar geometry model is presented.

Description

Keywords

visión por computadora, correspondencia de puntos característicos, asift, fotogrametría, geometría epipolar, computer vision, keypoint matching, photogrammetry, epipolar geometry

Citation

Proyecciones Vol. 20 (2)

Endorsement

Review

Supplemented By

Referenced By

Creative Commons license

Except where otherwised noted, this item's license is described as openAccess