Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Efficient Algorithms for Large-Scale Correspondence Problems in Computer Vision
Übersetzter Titel:
Effiziente Algorithmen für große Korrespondenzprobleme im maschinellen Sehen
Autor:
Steinbrücker, Frank Thomas
Jahr:
2019
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Cremers, Daniel (Prof. Dr.)
Gutachter:
Cremers, Daniel (Prof. Dr.); Goldlücke, Bastian (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 760d; DAT 770d
Kurzfassung:
In this thesis, we investigate the problems of dense optical flow and disparity estimation, camera trajectory estimation from a sequence of brightness and depth images, and geometry and texture estimation from a sequence of RGB-D images. Our focus lies on dense methods, taking into account all the information contained in the images. Unlike previous methods and by using efficient algorithms and data structures, we are able to recover fine details, while still correlating all the given data.
Übersetzte Kurzfassung:
In dieser Arbeit betrachten wir die Probleme der Schätzung dichten optischen Flusses, der Schätzung der Kamerabewegung auf Sequenzen von Tiefen- und Helligkeitsbildern, und der Rekonstruktion von Geometrie und Textur an Hand von RGB-D Bildern. Wir betrachten dichte Methoden, mit denen wir es im Gegensatz zu früheren Methoden durch effiziente Algorithmen und Datenstrukturen schaffen, feine Details zu rekonstruieren, und dennoch alle in den Eingabedaten vorhandenen Informationen zu verwerten.
WWW:
https://mediatum.ub.tum.de/?id=1449098
Eingereicht am:
07.08.2018
Mündliche Prüfung:
14.01.2019
Dateigröße:
52679464 bytes
Seiten:
144
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20190114-1449098-1-8
Letzte Änderung:
15.03.2019
 BibTeX