|
Fast feature matching for simultaneous localization and mapping
Mikšík, Ondřej ; Richter, Miloslav (oponent) ; Mikolajczyk,, Krystian (vedoucí práce)
The thesis deals with the fast feature matching for simultaneous localization and mapping. A brief description of local features invariant to scale, rotation, translation and affine transformations, their detectors and descriptors are included. In general, real–time response for matching is crucial for various computer vision applications (SLAM, object retrieval, wide–robust baseline stereo, tracking, . . . ). We solve the problem of sub–linear search complexity by multiple randomised KD–trees. In addition, we propose a novel way of splitting dataset into the multiple trees. Moreover, a new evaluation package for general use (KD–trees, BBD–trees, k–means trees) was developed.
|
|
Rychlý průsečík paprsku se scénou
Stříž, Martin ; Zemčík, Pavel (oponent) ; Herout, Adam (vedoucí práce)
Zobrazení scény metodou sledování paprsku patří k používaným zobrazovacím metodám. Ačkoliv se nejedná o fotorealistickou zobrazovací metodu, poskytuje výstup s vysokou kvalitou obrazu. Její nevýhodou je značná výpočetní náročnost, proto se v praxi používají různé optimalizace. Práce se zabývá optimalizací dělením prostoru, konkrétně pomocí BSP a KD stromů a jejich vzájemným srovnáním.
|
| |
|
Rychlý průsečík paprsku se scénou
Stříž, Martin ; Zemčík, Pavel (oponent) ; Herout, Adam (vedoucí práce)
Zobrazení scény metodou sledování paprsku patří k používaným zobrazovacím metodám. Ačkoliv se nejedná o fotorealistickou zobrazovací metodu, poskytuje výstup s vysokou kvalitou obrazu. Její nevýhodou je značná výpočetní náročnost, proto se v praxi používají různé optimalizace. Práce se zabývá optimalizací dělením prostoru, konkrétně pomocí BSP a KD stromů a jejich vzájemným srovnáním.
|
|
Fast feature matching for simultaneous localization and mapping
Mikšík, Ondřej ; Richter, Miloslav (oponent) ; Mikolajczyk,, Krystian (vedoucí práce)
The thesis deals with the fast feature matching for simultaneous localization and mapping. A brief description of local features invariant to scale, rotation, translation and affine transformations, their detectors and descriptors are included. In general, real–time response for matching is crucial for various computer vision applications (SLAM, object retrieval, wide–robust baseline stereo, tracking, . . . ). We solve the problem of sub–linear search complexity by multiple randomised KD–trees. In addition, we propose a novel way of splitting dataset into the multiple trees. Moreover, a new evaluation package for general use (KD–trees, BBD–trees, k–means trees) was developed.
|