Detail publikace
Improving Multi-view Object Recognition by Detecting Changes in Point Clouds
Tento článek představuje využití detekce změn v systému rozpoznávání objektů z více pohledů, s cílem zvýšit flexibilitu a přesnost v dynamických prostředích. Přístupy využívající více pohledů mají zásadní význam pro překonání problémů spojených s překryvem objektů nebo šumem kamery, ale stávající systémy obvykle předpokládají statické prostředí. Přítomnost dynamických objektů přináší další problém - nekonzistence zavedeny do interního modelu scény. Prokázali jsme, že využitím detekce změn a následnou korekci rekonstrukce scény můžeme snížit počet falešných detekcí dynamických objektů v průměru o 70% při testování na veřejně dostupné datové sade TUW. Pro snížení času potřebného pro verifikaci velkého počtu akumulovaných hypotéz pozic objektů jsme dále do původního systému integrovali shlukování hypotéz a prokázali snížení výpočetního času přibližně o 16%.
@INPROCEEDINGS{FITPUB11097, author = "Martin Ve\'{l}as and Michal \v{S}pan\v{e}l", title = "Improving Multi-view Object Recognition by Detecting Changes in Point Clouds", pages = "1--7", booktitle = "IEEE Symposium on Computational Intelligence for Multimedia, Signal and Vision Processing", year = 2016, location = "At\'{e}ny, GR", publisher = "IEEE Computer Society", ISBN = "978-1-5090-4239-5", doi = "10.1109/SSCI.2016.7850045", language = "english", url = "https://www.fit.vut.cz/research/publication/11097" }