User: Guest  Login
Original title:
Efficient Large-Scale Stereo Reconstruction using Variational Methods 
Translated title:
Effiziente Stereo Rekonstruktion mittels Variational Methods 
Year:
2019 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Cremers, Daniel (Prof. Dr.) 
Referee:
Cremers, Daniel (Prof. Dr.); Möller, Michael (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
TUM classification:
DAT 760d; DAT 770d 
Abstract:
This thesis investigates the use of convex variational methods for depth reconstruction from optical imagery and fusion of multiple depth maps into combined depth maps. We propose a fast algorithm for high-accuracy large-scale dense stereo reconstruction and present a structure-adaptive second-order TGV regularization. For the application in autonomous driving, we present an algorithm for dense large-scale visual SLAM that runs in real-time and integrates data terms from multiple images. 
Translated abstract:
Diese Arbeit untersucht die Verwendung konvexer Variationsmethoden für die Tiefenrekonstruktion aus optischen Bildern und die Fusion mehrerer Tiefenkarten in kombinierte Tiefenkarten. Wir stellen einen Algorithmus für hochgenaue, dichte Stereo-Rekonstruktion vor, zusätzlich zu einer strukturadaptiven TGV-Regularisierung zweiter Ordnung. Für die Anwendung im autonomen Fahren stellen wir einen Algorithmus für dichtes visuelles SLAM vor, der in Echtzeit abläuft und Daten aus mehreren Bildern zusamm...    »
 
Oral examination:
11.04.2019 
File size:
24684310 bytes 
Pages:
133 
Last change:
09.05.2019