KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFG |
dARK ID: | ark:/38995/0013000004qjg |
Texto Completo: | http://repositorio.bc.ufg.br/tede/handle/tede/10746 |
Resumo: | Self-localization is one of the key tasks for applications such as robotics, self-driving cars, and augmented reality. The cameras have been broadly used because of their affordable cost, lower energy consumption, rich information, and the ability to provide results comparable to more expensive sensors. Among the visual localization methods, the feature-based Visual Odometry (VO) has attracted substantial attention, due to their low computation demand which makes them suitable for embedded systems. This is due to the nature of the information used since the pose of the camera is estimated based on a geometric consistency of feature matching. On the other hand, these methods tend to be more sensitive to errors resulting from bad correspondence. In this present work is proposed a correspondence methodology based on a circular matching procedure, which fuses well-known strategies in Computer Vision in order to enhance the quality of feature matching. The process combines the INSAD (Illumination Normalized Sum of Absolute Differences) metric, for stereo feature matching, and the KLT algorithm (Kanade-Lucas-Tomasi feature tracker) for feature tracking between consecutive frames. In both approaches is imposed the constraints of the epipolar geometry, in order to obtain a fast and accurate feature matching. The proposed methodology was evaluated in the KITTI dataset and against other methods. Experimental results demonstrate that the proposed method contributes to faster convergence and achieves high local accuracy. Furthermore, even without global optimizations, the proposed method demonstrated to be accurate for long term tracking, compared to other methods. |
id |
UFG-2_33b03b6e7399b2c1c482e0f081ee4ea7 |
---|---|
oai_identifier_str |
oai:repositorio.bc.ufg.br:tede/10746 |
network_acronym_str |
UFG-2 |
network_name_str |
Repositório Institucional da UFG |
repository_id_str |
|
spelling |
Laureano, Gustavo Teodorohttp://lattes.cnpq.br/4418446095942420Laureano, Gustavo TeodoroColombini, Esther LunaCosta, Ronaldo Martins dahttp://lattes.cnpq.br/5381876478719358Dias, Nigel Joseph Bandeira2020-09-17T15:19:52Z2020-09-17T15:19:52Z2020-07-23DIAS, N. J. B. KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar. 2020. 103 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2020.http://repositorio.bc.ufg.br/tede/handle/tede/10746ark:/38995/0013000004qjgSelf-localization is one of the key tasks for applications such as robotics, self-driving cars, and augmented reality. The cameras have been broadly used because of their affordable cost, lower energy consumption, rich information, and the ability to provide results comparable to more expensive sensors. Among the visual localization methods, the feature-based Visual Odometry (VO) has attracted substantial attention, due to their low computation demand which makes them suitable for embedded systems. This is due to the nature of the information used since the pose of the camera is estimated based on a geometric consistency of feature matching. On the other hand, these methods tend to be more sensitive to errors resulting from bad correspondence. In this present work is proposed a correspondence methodology based on a circular matching procedure, which fuses well-known strategies in Computer Vision in order to enhance the quality of feature matching. The process combines the INSAD (Illumination Normalized Sum of Absolute Differences) metric, for stereo feature matching, and the KLT algorithm (Kanade-Lucas-Tomasi feature tracker) for feature tracking between consecutive frames. In both approaches is imposed the constraints of the epipolar geometry, in order to obtain a fast and accurate feature matching. The proposed methodology was evaluated in the KITTI dataset and against other methods. Experimental results demonstrate that the proposed method contributes to faster convergence and achieves high local accuracy. Furthermore, even without global optimizations, the proposed method demonstrated to be accurate for long term tracking, compared to other methods.A auto-localização é uma das tarefas básicas e fundamentais para a execução de outras tarefas em aplicações da robótica móvel, de veículos autônomos e de realidade virtual aumentada. As câmeras têm recebido destaque no processo de auto-localização pelo seu custo acessível, menor consumo de energia, pela riqueza de informação e pela capacidade de gerar um resultado equiparável a sensores mais caros. Dentre os métodos de localização visual, a Odometria Visual (VO) baseada em características tem obtido maior notoriedade por demandar menor poder computacional, tornando-se uma boa alternativa para sistemas embarcados. Isso deve-se a natureza das informações utilizadas, uma vez que, a pose (posição e orientação) da câmera é estimada buscando uma consistência geométrica na correspondência de características esparsas extraídas das imagens. Por outro lado, estes métodos tendem a ser sensíveis a erros resultantes de falsas correspondências entre as características extraídas. O presente trabalho vem contribuir com essa área propondo uma metodologia de correspondência circular que funde estratégias já conhecidas na área de Visão Computacional. O processo combina a métrica de similaridade INSAD (\textit{Illumination Normalized Sum of Absolute Differences}), para realizar a correspondência de pontos entre o mesmo par estéreo, e o algoritmo de KLT (\textit{Kanade-Lucas-Tomasi feature tracker}), a fim de determinar as correspondências entre pontos de frames consecutivos. Em ambas as abordagens, são impostas as restrições da geometria epipolar de modo a obter uma correspondência rápida e acurada. A metodologia proposta foi avaliada no banco de dados do KITTI e comparado com outros métodos presentes na literatura. Os resultados experimentais demonstram que além de contribuir na diminuição do acúmulo de erros ao longo do tempo, a metodologia proposta contribui para uma convergência mais rápida do processo de otimização. Adicionalmente, os resultados demonstram que mesmo não utilizando métodos de otimização global, metodologia proposta gera resultados competitivos à métodos que fazem uso de tais técnicas.Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2020-09-17T12:46:38Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertação - Nigel Joseph Bandeira Dias - 2020.pdf: 11724002 bytes, checksum: 1dc96f53b6d07462b72801770fb7187d (MD5)Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2020-09-17T15:19:52Z (GMT) No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertação - Nigel Joseph Bandeira Dias - 2020.pdf: 11724002 bytes, checksum: 1dc96f53b6d07462b72801770fb7187d (MD5)Made available in DSpace on 2020-09-17T15:19:52Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertação - Nigel Joseph Bandeira Dias - 2020.pdf: 11724002 bytes, checksum: 1dc96f53b6d07462b72801770fb7187d (MD5) Previous issue date: 2020-07-23porUniversidade Federal de GoiásPrograma de Pós-graduação em Ciência da Computação (INF)UFGBrasilInstituto de Informática - INF (RG)Attribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessOdometria VisualVOSeleção de pontos chavesRobótica móvelVisual OdometryVOKeypoint selectionRoboticsCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOKLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolarKLTVO: Visual Odometry based on keypont selection by imposing epipolar geometry constraintsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis1950050050027184reponame:Repositório Institucional da UFGinstname:Universidade Federal de Goiás (UFG)instacron:UFGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.bc.ufg.br/tede/bitstreams/fa45afa6-1b86-41b7-8f01-2b9ee843e29b/download8a4605be74aa9ea9d79846c1fba20a33MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811http://repositorio.bc.ufg.br/tede/bitstreams/a7a2c439-cbfc-476a-81c6-de3081b79f1d/downloade39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALDissertação - Nigel Joseph Bandeira Dias - 2020.pdfDissertação - Nigel Joseph Bandeira Dias - 2020.pdfapplication/pdf11724002http://repositorio.bc.ufg.br/tede/bitstreams/6233a87b-02de-4621-96fc-02bd6c1cface/download1dc96f53b6d07462b72801770fb7187dMD53tede/107462020-09-17 12:19:52.592http://creativecommons.org/licenses/by-nc-nd/3.0/br/Attribution-NonCommercial-NoDerivs 3.0 Brazilopen.accessoai:repositorio.bc.ufg.br:tede/10746http://repositorio.bc.ufg.br/tedeRepositório InstitucionalPUBhttp://repositorio.bc.ufg.br/oai/requesttasesdissertacoes.bc@ufg.bropendoar:2020-09-17T15:19:52Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)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 |
dc.title.pt_BR.fl_str_mv |
KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar |
dc.title.alternative.eng.fl_str_mv |
KLTVO: Visual Odometry based on keypont selection by imposing epipolar geometry constraints |
title |
KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar |
spellingShingle |
KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar Dias, Nigel Joseph Bandeira Odometria Visual VO Seleção de pontos chaves Robótica móvel Visual Odometry VO Keypoint selection Robotics CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar |
title_full |
KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar |
title_fullStr |
KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar |
title_full_unstemmed |
KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar |
title_sort |
KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar |
author |
Dias, Nigel Joseph Bandeira |
author_facet |
Dias, Nigel Joseph Bandeira |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Laureano, Gustavo Teodoro |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4418446095942420 |
dc.contributor.referee1.fl_str_mv |
Laureano, Gustavo Teodoro |
dc.contributor.referee2.fl_str_mv |
Colombini, Esther Luna |
dc.contributor.referee3.fl_str_mv |
Costa, Ronaldo Martins da |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5381876478719358 |
dc.contributor.author.fl_str_mv |
Dias, Nigel Joseph Bandeira |
contributor_str_mv |
Laureano, Gustavo Teodoro Laureano, Gustavo Teodoro Colombini, Esther Luna Costa, Ronaldo Martins da |
dc.subject.por.fl_str_mv |
Odometria Visual VO Seleção de pontos chaves Robótica móvel |
topic |
Odometria Visual VO Seleção de pontos chaves Robótica móvel Visual Odometry VO Keypoint selection Robotics CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
Visual Odometry VO Keypoint selection Robotics |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
Self-localization is one of the key tasks for applications such as robotics, self-driving cars, and augmented reality. The cameras have been broadly used because of their affordable cost, lower energy consumption, rich information, and the ability to provide results comparable to more expensive sensors. Among the visual localization methods, the feature-based Visual Odometry (VO) has attracted substantial attention, due to their low computation demand which makes them suitable for embedded systems. This is due to the nature of the information used since the pose of the camera is estimated based on a geometric consistency of feature matching. On the other hand, these methods tend to be more sensitive to errors resulting from bad correspondence. In this present work is proposed a correspondence methodology based on a circular matching procedure, which fuses well-known strategies in Computer Vision in order to enhance the quality of feature matching. The process combines the INSAD (Illumination Normalized Sum of Absolute Differences) metric, for stereo feature matching, and the KLT algorithm (Kanade-Lucas-Tomasi feature tracker) for feature tracking between consecutive frames. In both approaches is imposed the constraints of the epipolar geometry, in order to obtain a fast and accurate feature matching. The proposed methodology was evaluated in the KITTI dataset and against other methods. Experimental results demonstrate that the proposed method contributes to faster convergence and achieves high local accuracy. Furthermore, even without global optimizations, the proposed method demonstrated to be accurate for long term tracking, compared to other methods. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-09-17T15:19:52Z |
dc.date.available.fl_str_mv |
2020-09-17T15:19:52Z |
dc.date.issued.fl_str_mv |
2020-07-23 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
DIAS, N. J. B. KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar. 2020. 103 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2020. |
dc.identifier.uri.fl_str_mv |
http://repositorio.bc.ufg.br/tede/handle/tede/10746 |
dc.identifier.dark.fl_str_mv |
ark:/38995/0013000004qjg |
identifier_str_mv |
DIAS, N. J. B. KLTVO: Algoritmo de Odometria Visual estéreo baseada em seleção de pontos chaves pela imposição das restrições da geometria epipolar. 2020. 103 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2020. ark:/38995/0013000004qjg |
url |
http://repositorio.bc.ufg.br/tede/handle/tede/10746 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.program.fl_str_mv |
19 |
dc.relation.confidence.fl_str_mv |
500 500 500 |
dc.relation.department.fl_str_mv |
27 |
dc.relation.cnpq.fl_str_mv |
184 |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Goiás |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Ciência da Computação (INF) |
dc.publisher.initials.fl_str_mv |
UFG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto de Informática - INF (RG) |
publisher.none.fl_str_mv |
Universidade Federal de Goiás |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFG instname:Universidade Federal de Goiás (UFG) instacron:UFG |
instname_str |
Universidade Federal de Goiás (UFG) |
instacron_str |
UFG |
institution |
UFG |
reponame_str |
Repositório Institucional da UFG |
collection |
Repositório Institucional da UFG |
bitstream.url.fl_str_mv |
http://repositorio.bc.ufg.br/tede/bitstreams/fa45afa6-1b86-41b7-8f01-2b9ee843e29b/download http://repositorio.bc.ufg.br/tede/bitstreams/a7a2c439-cbfc-476a-81c6-de3081b79f1d/download http://repositorio.bc.ufg.br/tede/bitstreams/6233a87b-02de-4621-96fc-02bd6c1cface/download |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 e39d27027a6cc9cb039ad269a5db8e34 1dc96f53b6d07462b72801770fb7187d |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFG - Universidade Federal de Goiás (UFG) |
repository.mail.fl_str_mv |
tasesdissertacoes.bc@ufg.br |
_version_ |
1815172559655665664 |