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 zusammenfasst.     «

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...     »