بازسازی سه بعدی - دیدگاه های متعدد

این دوره بر بازیابی ساختار سه بعدی یک صحنه از تصاویر گرفته شده از دیدگاه های مختلف تمرکز دارد. ابتدا با ساختن یک مدل هندسی جامع از دوربین شروع می کنیم و سپس روشی را برای یافتن (کالیبره کردن) پارامترهای داخلی و خارجی مدل دوربین ایجاد می کنیم. سپس، نشان می‌دهیم که چگونه می‌توان از دو دوربین کالیبره‌شده، که موقعیت‌ها و جهت‌گیری‌های نسبی آن‌ها مشخص است، برای بازیابی ساختار سه‌بعدی صحنه استفاده کرد. این همان چیزی است که ما از آن به عنوان استریو دوچشمی ساده یاد می کنیم. در مرحله بعد، به مشکل استریوی کالیبره نشده می پردازیم که موقعیت و جهت گیری نسبی دو دوربین ناشناخته است. جالب اینجاست که فقط از روی دو تصویر گرفته شده توسط دوربین ها، می توانیم موقعیت ها و جهت گیری های نسبی دوربین ها را تعیین کنیم و سپس از این اطلاعات برای تخمین ساختار سه بعدی صحنه استفاده کنیم. در مرحله بعد، ما بر روی مشکل صحنه های پویا تمرکز می کنیم. با توجه به دو تصویر از یک صحنه که شامل اجسام متحرک است، نشان می دهیم که چگونه می توان حرکت هر نقطه در تصویر را محاسبه کرد. به این حرکت ظاهری نقاط در تصویر، جریان نوری می گویند. تخمین جریان نوری به ما امکان می دهد نقاط صحنه را در یک توالی ویدیو ردیابی کنیم. در مرحله بعد، ویدئوی صحنه ای را در نظر می گیریم که با استفاده از دوربین متحرک گرفته شده است، جایی که حرکت دوربین ناشناخته است. ما ساختاری را از حرکت ارائه می‌کنیم که ویژگی‌های ردیابی شده ورودی را در چنین ویدیویی می‌گیرد و نه تنها ساختار سه‌بعدی صحنه را تعیین می‌کند، بلکه نحوه حرکت دوربین را با توجه به صحنه نیز تعیین می‌کند. روش‌هایی که در این دوره توسعه می‌دهیم به طور گسترده در مدل‌سازی شی، مدل‌سازی سه بعدی سایت، روباتیک، ناوبری مستقل، واقعیت مجازی و واقعیت افزوده استفاده می‌شوند.