Σε αυτή την εργασία ασχολούμαστε με την εξαγωγή δύο συγκεκριμένων τρισδιάστατων χαρακτηριστικών: τις τρισδιάστατες διευθύνσεις ομάδων ευθυγράμμων τμημάτων, τις οποίες εξάγουμε από τα σημεία φυγής τους, και τις διευθύνσεις και θέσεις επιπέδων στο χώρο τις οποίες εξάγουμε με τη χρήση σειρών από εικόνες στις οποίες αυτά απεικονίζονται. H εξαγωγή σημείων φυγής από δισδιάστατες προοπτικές προβολές είναι ένα σημαντικό πρόβλημα στη μηχανική όραση. Η ανάλυση των εξαγχθέντων σημείων φυγής μπορεί να βοηθήσει πολύ στην κατανόηση της δομής ενός τρισδιάστατου χώρου ή αντικειμένου. Γνώση ενός σημείου φυγής, σε συνδυασμό με γνώση του εστιακού σημείου δίνει αρκετή πληροφορία για την ανάκτηση τρισδιάστατης διεύθυνσης γραμμών. Σε αυτή την εργασία μελετούνται μερικοί από τους υπάρχοντες αλγορίθμους, αλλά και προτείνονται παραλλαγές τους με συγκεκριμένα πλεονεκτήματα έναντι των αρχικών. Επιχειρείται επίσης και μια νέα, εντελώς διαφορετική προσέγγιση στο θέμα, με τη χρήση συναρτήσεων αξιολόγησης ικανών να υπολογίζουν από ακατέργαστη, ή σχεδόν ακατέργαστη, πληροφορία από εικόνες την πιθανότητα κάποιο σημείο να είναι σημείο φυγής. Εκτός από τις τρισδιάστατες κατευθύνσεις γραμμών, σημαντική επίσης, για προβλήματα όπως η πλοήγηση, η αυτο-οριοθέτηση (self-localization) και προσάραξη (docking), είναι και η γνώση των παραμέτρων των επιπέδων που μπορεί να υπάρχουν μέσα σε μία σκηνή. Σε αυτή την εργασία μελετάμε και προτείνουμε μεθόδους για τον υπολογισμό συγκεκριμένων παραμέτρων επιπέδων, από ακολουθίες εικόνων, με αντοχή σε σφάλματα. Παράλληλα με τον υπολογισμό των παραμέτρων του επιπέδου, οι αλγόριθμοι που μελετάμε εμπεριέχουν και περιορισμένη δυνατότητα εύρεσης της τρισδιάστατης κίνησης της κάμερας.
(EL)
In this thesis we study the extraction of 3d world features from image data. More specifically, we consider the extraction of groups of parallel line segments by the computation of their vanishing points, and the extraction of orientations and positions of planes in the 3d-space. A basic problem in computer vision is the calculation of 3D vanishing points (VP) out of 2D perspective projections. Vanishing point analysis provides strong cues for inferring the 3D structure of a scene from only a single view. Knowledge of a VP, provided that we know the focal length of the camera, provides enough information to determine the 3D orientation of the corresponding group of space lines. In this work, we study some of the existing methods and we propose modifications exhibiting certain advantages with respect to the original methods. We also propose a novel approach for VP detection, based on the definition of vanishing point likelihood functions (VPLF). These functions estimate, for each point on the image plane, the likelihood that this point is a vanishing point and are directly applicable to the raw image data. In addition to knowledge of 3d line orientations, knowledge of the position and the orientation of planes that exist in a 3d scene is very important for many machine vision problems such as navigation, self-localization and docking. In this thesis, we study and propose methods for robustly computing the plane parameters out of given image sequences. All methods studied in this thesis also include the (limited) ability to determine unknown parameters of the 3d camera motion.
(EN)
