Please use this identifier to cite or link to this item: https://nbn-resolving.org/urn:nbn:de:hbz:467-13972
Files in This Item:
File Description SizeFormat
Dissertation_Damien_Lefloch.pdf38,7 MBAdobe PDFThumbnail
View/Open
Dokument Type: Doctoral Thesis
Title: Real-time processing of range data focusing on environment reconstruction
Authors: Lefloch, Damien 
Institute: Fakultät IV Naturwissenschaftlich-Technische Fakultät 
Free keywords: Real-Time, Range Data, Reconstruction ,Time-of-Flight, 3D
Dewey Decimal Classification: 004 Informatik
GHBS-Clases: TUH
TVVC
Issue Date: 2017
Publish Date: 2019
Abstract: 
Durch die Verfügbarkeit von kostengünstigen Nahfeldsensoren, die 3D daten der aufgenommenen
Szene in Echtzeit erstellen, entstehen neue Anwendungen im Bereich Computer Vision. Diese Anwendungen
reichen von der Erstellung neuer Mensch-Maschine-Schnittstellen (bekannt als Natural
User Interfaces) über die Erstellung von sehr detaillierten Rekonstruktionen komplexer Szenen (z.B.
in der Spuren an Tatorten oder Kulturstätten) bis hin zu Autonomem Fahren und Erweiterter Realität.
Diese Tiefensensoren basieren hauptsächlich auf zwei effizienten Technologien, dem: Structured-
Light (SL) Prinzip (wie in der Xbox 360 Kinect Kamera) and Time-of-Flight (ToF) Prinzip (wie
Kameras der Firma pmdtechnologies). Während ToF-Kameras die Zeit zwischen Lichtemission der
Beleuchtungseinheit und Empfang der Rückstreuung auf dem ”smart detectors” messen, projizieren
SL Kameras ein bekanntes Lichtmuster in die Szene und messen die Verzerrung zwischen ausgesendetem
Muster und dem resultierenden Bild. Beide Technologien haben ihre Vor- und Nachteile.
Diese Dissertation besteht aus vier Beiträgen. Wir schlagen einen effizienten Ansatz vor,
um Bewegungsartefakte von ToF-Rohbildern zu kompensieren. Danach arbeiten wir an 3DRekonstruktionsanwendungen
und verbessern die Robustheit des Kameratrackings durch die Segmentierung
von bewegten Objekten.
Der zweite Beitrag liegt in der robusten Handhabung von Rauschen in den Rohdaten über die ganze
Verarbeitungskette der Rekonstruktion. Hier wird eine neue Art der Informationsfusion verwendet,
welche die anisotropischen Eigenschaften von Rauschen in den Tiefendaten berücksichtigt und
damit eine schnellere Konvergenz für hochqualitative Rekonstruktionen erzielt.
Abschließend wird eine Methode entworfen welche die Information über die Oberflächenkrümmung
verwendet um auch feine Strukturen von kleinen Objekten robust zu rekonstruieren. Zusätzlich
wird der Gesamtfehler des Kameradrifts eingeschränkt.

With the availability of affordable range imaging sensors, providing real-time three-dimensional information
of the captured scene, new types of Computer Vision applications arise. Such applications
range from designing new Human-Computer interfaces (known as Natural User Interfaces) to the
generation of highly detailed reconstructions of complex scenes (for example to keep track of cultural
heritage or crime scenes), to autonomous driving and augmented reality.
These depth sensors are mostly based on two efficient technologies: the structured-light principle
(such as the Xbox 360 version of the Kinect camera) and the time-of-flight (ToF) principle (as cameras
implemented by pmdtechonologies). When ToF cameras measure the time until the light emitted
by their illumination unit is backscattered to their smart detectors, the structured-light cameras
project a known light pattern onto the scene and measure the amount of distortion between the
emitted light pattern and its image. Both technologies have their own advantages and weak points.
This dissertation is composed of 4 contributions. First, an efficient approach is proposed to compensate
motion artifact of ToF raw images. Thereafter, a work on online three-dimensional reconstruction
application has been investigated to improve the robustness of the camera tracker by segmenting
moving objects. The second major contribution lies on a robust handling of noise on raw data, during
the full reconstruction pipeline, proposing a new type of information fusion which considered
the anisotropic nature of noise present on depth data, leading to faster convergence of high-quality
reconstructions. Finally, a new method has been designed which uses surface curvature information
to robustly reconstruct fine structures of small objects, as well as limiting the total error of camera
drift.
URN: urn:nbn:de:hbz:467-13972
urn:nbn:de:hbz:467-13972
URI: https://dspace.ub.uni-siegen.de/handle/ubsi/1397
License: https://dspace.ub.uni-siegen.de/static/license.txt
Appears in Collections:Hochschulschriften

This item is protected by original copyright

Show full item record

Page view(s)

156
checked on Oct 31, 2020

Download(s)

85
checked on Oct 31, 2020

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.