S˝ ur˝ u illeszt´ esi m´ odszerek sz´ eles b´ azist´ avols´ ag´ u 3D rekonstrukci´ ohoz Megyesi Zolt´ an
Doktori ´ertekez´es t´ezisei
T´emavezet˝o: Dr. Csetverikov Dmitrij
E¨otv¨os Lor´and Tudom´anyegyetem Informatikai Doktori Iskola Vezet˝o: Dr. Demetrovics J´anos Sz´am´ıt´astechnikai ´es Automatiz´al´asi Kutat´o Int´ezet Magyar Tudom´anyos Akad´emia G´epipari ´es Automatiz´al´asi M˝uszaki F˝oiskolai Kar Kecskem´eti F˝oiskola Budapest 2009
1.
Bevezet´ es
A disszert´aci´o t´em´aja 3D rekonstrukci´o, ami a Sz´am´ıt´og´epes L´at´as egy gyorsan fejl˝od˝o ´aga. Ez a probl´ema a 3D folyamatok els˝o l´ep´ese, a c´elja 3D adat szerz´es sz´ınterek ´es objektumok megm´er´es´evel. A m´ert adat a szint´er pontjainak megfeleltethet˝o 3D ponthalmaz, ez´ert a rekonstrukci´ot sokszor passz´ıv vizu´alis 3D letapogat´asnak is nevezik. A rekonstrukci´o m´as 3D szkennerekhez k´epest kiemelkedik azzal, hogy kiz´ar´olag l´atv´any inform´aci´ot haszn´al. Ennek k¨osz¨onheti sokoldal´ u felhaszn´al´as´at is, hisz ez az inform´aci´o k¨onnyen ´erz´ekelhet˝o ´es b˝os´eges mennyis´egben rendelkez´es¨ unkre ´all. A l´atv´anyt haszn´al´o 3D rekonstrukci´ot alkalmazz´ak a r´eg´eszett˝ol a sz´orakoztat´oiparig. K¨ ul¨on¨osen olyan alkalmaz´asokhoz hasznos, ahol a val´os 3D adatok megjelen´ıt´ese fontos szerepet j´atszik. A rekonstrukci´o bemeneti adatai k´epek, amelyek k¨ ul¨onb¨oz˝o n´ez˝opontb´ol k´esz¨ ultek. 3D inform´aci´o azon pixelekb˝ol nyerhet˝o, amelyek ugyanazon szint´erbeli 3D pont vet¨ uletei a k¨ ul¨onb¨oz˝o k´epeken. A folyamat els˝o l´ep´ese megismerni a kamer´ak ´es a k´eps´ıkok geometri´aj´at. Ez a geometria felhaszn´alhat´o a s˝ ur˝ u illeszt´eshez, vagyis ahhoz a feladathoz, ami megpr´ob´al minden l´athat´o pixelhez egy neki megfelel˝o pontp´art illeszteni a k¨ ul¨onb¨oz˝o k´epeken. Pontos kamera inform´aci´o ismeret´eben az illesztett pixel p´ar halmaz a´tform´alhat´o 3D ponthalmazz´a h´aromsz¨ogel´es seg´ıts´eg´evel. A folyamat l´ep´esei az al´abbi a´br´an l´athat´ok.
1
A disszert´aci´oban ´attekintj¨ uk a teljes rekonstrukci´os folyamatot, de els˝osorban k´epelemz´esi probl´em´akra ´es a s˝ ur˝ u illeszt´esre koncentr´alunk. A legnagyobb hangs´ ulyt sz´eles b´azist´avols´ag kamer´ak speci´alis eset´ere helyezz¨ uk. Ennek az esetnek az el˝onye a nagyobb pontoss´ag, viszont a megn¨ovekedett n´ezetek k¨oz¨otti torzul´as megnehez´ıti az illeszt´est.
2
2.
A disszert´ aci´ o fel´ epit´ ese
Az 1. fejezetben tal´alhat´o bevezet´es ut´an a 2. fejezetben egy ´attekint´est adunk a rekonstrukci´o probl´em´ar´ol, bele´ertve a k¨ ul¨onb¨oz˝o rekonstrukci´os eseteket, sz´ıntereket, elv´ar´asokat, tov´abb´a v´azolunk egy a´ltal´anos t¨obb l´ep´eses megold´ast.
A 3. fejezetben r´eszletesebben t´argyaljuk
a s˝ ur˝ u illeszt´es probl´em´aj´at. Ebben a fejezetben a´ttekintj¨ uk a hasonl´os´agi f¨ uggv´enyeket, a keres´esi teret korl´atoz´o megszor´ıt´asokat, valamint a haszn´alt s˝ ur˝ u illeszt´esi m´odszer csal´adokat. A fejezet v´eg´en egy pszeudo k´odot is k¨ozl¨ unk, ami egy v´azat ad ter¨ uletn¨oveszt´es alap´ u s˝ ur˝ u illeszt´esi elj´ar´asokhoz. A sz´eles b´azist´avols´ag´ u rekonstrukci´o tulajdons´agait a 4. fejezetben t´argyaljuk, valamint bemutatjuk a S˝ ur˝ u Affin Illeszt´es m´odszer´et. Ez a s˝ ur˝ u illeszt´esi m´odszer alkalmas sz´eles b´azist´avols´aggal k´esz¨ ult k´epek illeszt´es´ere. Az 5. fejezetben m´odszert adunk a szint´er fel¨ uleti norm´alisainak sz´am´ıt´as´ara a fell´ep˝o k´epi torzul´as alapj´an, valamint ismertetj¨ uk a Norm´alissal Jav´ıtott Illeszt´est. A 6. fejezetben egy teljes ´es m˝ uk¨od˝ok´epes rekonstrukci´os szoftvert ismertet¨ unk. A 7. fejezetben bemutatjuk a tesztel´esre haszn´alt adathalmazokat, valamint val´os k´epeken v´egrehajtott k´ıs´erletek eredm´enyeit ismertetj¨ uk. A 8. fejezetben egy s˝ ur˝ u illeszt´esi elj´ar´asok m´er´es´ere ´es sz´amszer˝ u ¨osszehasonl´ıt´as´ara alkalmas ki´ert´ekel´esi m´odszert mutatunk be, valamint az ismertetett u ´j m´odszerek ´ert´ekel´es´et k¨oz¨olj¨ uk. K¨ovetkeztet´eseket, tov´abbi jav´ıt´asi lehet˝os´egeket, a disszert´aci´o u ´j eredm´enyeinek bemutat´as´at ´es a szerz˝o publik´aci´oit a 9. fejezetben tal´alhatjuk.
3
3.
A disszert´ aci´ oban t´ argyalt u ´ j eredm´ enyek ¨ osszefoglal´ asa
Ebben a disszert´aci´oban u ´jszer˝ u hozz´aa´ll´assal t´argyalom a s˝ ur˝ u illeszt´esi m´odszerek tulajdons´agait. A s˝ ur˝ u illeszt´es legfontosabb tulajdons´aga, hogy milyen megszor´ıt´ast alkalmaz a keres´esi t´er korl´atoz´as´ara. L´etrehoztam egy olyan ter¨ uletn¨oveszt´esen alapul´o s˝ ur˝ u illeszt´esi algoritmus v´azat, ami sz´amos megszor´ıt´ast ´es ¨osszehasonl´ıt´o f¨ uggv´enyt k´epes alkalmazni (bele´ertve az disszert´aci´oban bemutatottakat is). Az algoritmus v´azat ´es megszor´ıt´as megfogalmaz´asokat a disszert´aci´oban a 3. fejezetben t´argyalom. A bemutatott eredm´enyeket [1, 3]-ban valamint [6]-ban k¨oz¨oltem. A sz´eles b´azist´avols´ag´ u k´epekkel folytatott k´ıs´erletek sor´an megfigyeltem, hogy az illeszt´esi hiba legjelent˝osebb forr´asa az ilyen esetekre jellemz˝o er˝os k´epi torzul´as. Terveztem egy illeszt´esi f¨ uggv´enyt, amely kompenz´alja a torzul´ast. A f¨ uggv´eny seg´ıts´eg´evel u ´j megszor´ıt´asokat alkottam ´es elk´esz´ıtettem egy u ´j s˝ ur˝ u illeszt´esi elj´ar´ast (S˝ ur˝ u Affin Illeszt´es, Dense Affine Matching, DAM). Az algoritmust teszteltem val´os ´es mesters´eges teszt adatokon ´es ´ert´ekeltem az eredm´enyt. A m´odszert egy hat´ekony klasszikus s˝ ur˝ u illeszt´esi elj´ar´ashoz hasonl´ıtottam. Az u ´j algoritmus jobbnak bizonyult pontoss´ag, s˝ ur˝ us´eg ´es megb´ızhat´os´ag szempontj´ab´ol is. A disszert´aci´oban a S˝ ur˝ u Affine Illeszt´est a 4. fejezetben, az eredm´enyeket a 8. fejezetben t´argyalom. A bemutatott m´odszert [3, 6, 7]-ben k¨oz¨oltem. Megvizsg´altam a kapcsolatot a k´epi torzul´as ´es a fel¨ ulet orient´aci´o k¨oz¨ott, ´es tal´altam egy m´odot arra hogy kamera adatok seg´ıts´eg´evel a
4
torzul´as affin k¨ozel´ıt´es´eb˝ol meghat´arozzam a fel¨ uleti norm´alisokat. A fel¨ ulet norm´alisokat arra haszn´altam, hogy geometriailag helyt´all´obb megszor´ıt´asokat fogalmazzak meg, amiket egy u ´j s˝ ur˝ u illeszt´esi elj´ar´asban, a Norm´alissal Jav´ıtott Illeszt´esben (Normal Aided Matching, NAM) haszn´altam. Ezzel tal´altam egy u ´j m´odot arra, hogy kalibr´aci´os adatokat haszn´aljak fel a s˝ ur˝ u illeszt´es sor´an. Ezt az elj´ar´ast is teszteltem val´os ´es szintetikus adatokon ´es az eredm´enyt ki´ert´ekeltem. Az u ´j m´odszert o¨sszehasonl´ıtottam a DAM ´es egy hat´ekony klasszikus m´odszerrel. Az u ´j m´odszer jobbnak bizonyult pontoss´agban ´es megb´ızhat´os´agban mindkett˝oh¨oz k´epest. A disszert´aci´oban a Norm´alissal Jav´ıtott Illeszt´est az 5. fejezetben, az eredm´enyeket a 8. fejezetben t´argyalom. A bemutatott m´odszert [8, 9]-ben k¨oz¨oltem, valamint felhaszn´altam [11, 13]-ban. A s˝ ur˝ u illeszt´esi elj´ar´asok ki´ert´ekel´ese nem megoldott probl´ema. Neh´ez megfelel˝o teszt adathalmazt ´es megb´ızhat´o ki´ert´ekel´esi eszk¨oz¨oket tal´alni, amelyek sz´eles b´azist´avols´ag´ u k´epekre is alkalmazhat´ok. Hogy m´erni tudjam az u ´j m´odszerek hat´ekonys´ag´at l´etrehoztam egy ki´ert´ekel´esi s´em´at, amellyel s˝ ur˝ u illeszt´esi m´odszerek (ak´ar sz´eles b´azist´avols´ag´ u m´odszerek is) sz´amszer˝ uen o¨sszehasonl´ıthat´ok. Az ´ert´ekel´es egy referencia modellt haszn´al arra, hogy csoportos´ıtsa a m´ar rekonstru´alt 3D pontokat helyesen rekonstru´alt ´es kiugr´o pontokra LMedS seg´ıts´eg´evel. A ki´ert´ekel´esben haszn´alt legfontosabb ´ert´ekek a helyesen rekonstru´alt pontok t´avols´aga a referenci´at´ol valamint a kiugr´o pontok sz´ama. A ki´ert´ekel´esi m´odszert a 8. fejezetben ismertetem. Ez a m´odszer el˝osz¨or [7]-ben volt publik´alva, de haszn´alva volt [8, 9]-ben is. ¨ Osszegy˝ ujt¨ottem ´es l´etrehoztam egy 3D tesztel´esi adathalmazt. Az
5
adathalmaz minden eleme tartalmaz egy referencia modellt, t¨obb n´ez˝opontb´ol k´esz¨ ult k´epeket, ´es pontos kalibr´aci´os adatokat. Eredetileg csak f´elig-szintetikus adatokat haszn´altam (melyek Jank´o ´es t´arsai a´ltal haszn´alt fot´o-realisztikus m´odszerrel voltak textur´alva), de van lehet˝os´eg val´odi n´ezeti k´epek haszn´alat´ara is a teszt adathalmazban. Az adathalmazt arra haszn´altam, hogy ki´ert´ekeljem a disszert´aci´oban bemutatott m´odszereket. Az adathalmaz elemeit kieg´eszitve val´os ´eletb˝ol vett adatokkal a 7. fejezetben mutatom be. Ezek az adathalmazok ´es a rajtuk m´ert eredm´enyek t¨obb publik´aci´oban megjelennek. Megterveztem ´es megval´os´ıtottam egy szoftver rendszert (SceneRec), amely a rekonstrukci´o teljes folyamat´at a´tfogja. A rendszert modul´arisra terveztem, a nagyobb rugalmass´ag ´erdek´eben, ´es hogy alkalmas legyen kutat´asi ´es oktat´asi c´elokra. A rendszer moduljai a disszert´aci´oban t´argyalt rekonstrukci´os l´ep´eseket k¨ovetik. A megval´os´ıt´as sor´an sz´amos eszk¨ozt ´es programoz´asi nyelvet ig´enybe vettem.
A
rendszernek van egy ´atfog´o fel¨ ulete, amely grafikus elemekb˝ol ´es egy szkript k¨onyvt´arb´ol ´all. A k¨ ul¨onb¨oz˝o modulok j´ol a´tl´athat´o k´epekb˝ol ´es sz¨oveges meta-adatokb´ol ´all´o fel¨ uleteken kommunik´alnak. A rendszert arra haszn´altam, hogy teszteljem a bemutatott s˝ ur˝ u illeszt´esi m´odszereket ´es hogy 3D rekonstrukci´os probl´em´akat oldjak meg. A rendszer moduljainak le´ır´as´at a 6. fejezetben t´argyalom, ´es a rendszer a´ltal adott eredm´enyeket a 7. fejezetben tal´alhatjuk. A szerz˝o minden kapcsol´od´o publik´aci´oj´aban ez a rendszer szolg´altatta az eredm´enyeket.
6
4.
´ tudom´ Uj anyos eredm´ enyek
Ebben a fejezetben az u ´j tudom´anyos eredm´enyeket ¨osszegezz¨ uk h´arom t´ezisbe szedve.
T´ ezis 1 Modul´ aris rekonstrukci´ os szoftver rendszer ´ es ki´ ert´ ekel´ esi k¨ ornyezet Kifejlesztettem egy modul´ aris szoftver rendszert a rekonstrukci´ os elj´ ar´ as minden l´ ep´ es´ enek megval´ os´ıt´ as´ ara. A rendszer a s˝ ur˝ u illeszt´ esi m´ odszereket meghat´ aroz´ o megszor´ıt´ asokat alkalmaz. A rendszer mag´ aban foglal egy ki´ ert´ ekel´ esi k¨ ornyezetet, amely teszt adathalmazb´ ol ´ es egy olyan u ´ j ki´ ert´ ekel´ esi elj´ ar´ asb´ ol ´ all, amely alkalmas s˝ ur˝ u illeszt´ esi m´ odszerek o ¨sszehasonl´ıt´ as´ ara. 1.1 Kifejlesztettem egy szoftver rendszert (SceneRec), amely a rekonstrukci´os elj´ar´as o¨sszes l´ep´es´et tartalmazza. A rendszer modul´aris, rugalmasan kicser´elhet˝o komponenseket tartalmaz, hogy alkalmazhat´o legyen sz´amos m´er´esi k¨ornyezetben. A rendszer rendelkezik egy egyszer˝ u grafikus fel¨ ulettel ´es szkript k¨onyvt´arral. A modulok k¨ozti kommunik´aci´os fel¨ uletet j´ol a´tl´athat´o (k´epekb˝ol ´es sz¨ovegf´ajlokb´ol ´all). A fejleszt´es sor´an t¨obb programnyelvet ´es eszk¨ozt felhaszn´altam. A rendszer v´egeredm´enyk´ent szabv´anyos ´es j´ol felhaszn´alhat´o 3D modell form´atumot produk´al. 1.2 Bevezettem egy u ´j megfogalmaz´ast a s˝ ur˝ u illeszt´esi m´odszerek legfontosabb tulajdons´ag´ara, vagyis arra, hogyan korl´atozz´ak a keres´esi teret. A korl´atoz´asokat megszor´ıt´asok form´aj´aban 7
t´argyalom, ´es ezt haszn´alom az illeszt´esi elj´ar´asok jellemz´es´ere. 1.3 L´etrehoztam egy ter¨ uletn¨oveszt´es alap´ u s˝ ur˝ u illeszt´esi algoritmus v´azat, ami k´epes sz´amos illeszt´esi elj´ar´as haszn´alat´ara. Megmutattam, hogy az algoritmus v´az sz´amos megszor´ıt´as alkalmaz´as´ara k´epes. 1.4 L´etrehoztam egy val´os hat´as´ u f´elig szintetikus teszt adathalmazt a rekonstrukci´os ´es s˝ ur˝ u illeszt´esi elj´ar´asok tesztel´es´ere. Az adathalmaz elemei referencia modellekb˝ol virtu´alis n´ezeti k´epekb˝ol ´es pontos kalibr´aci´os adatokb´ol ´all. Az adathalmazt haszn´altam a vizsg´alt ´es bemutatott m´odszerek tesztel´es´ere. 1.5 Bevezettem egy ki´ert´ekel´esi elj´ar´ast, amely kalibr´aci´os adatokat ´es referencia modellt haszn´al. A elj´ar´as a rekonstrukci´o v´egeredm´eny´et ´ert´ekeli ki az´altal, hogy a rekonstru´alt 3D pontokat hasznos ´es kiugr´o pontokra csoportos´ıtja a Legkisebb N´egyzetek M´odszer´evel. Az o¨sszehasonl´ıt´asra a kiugr´o elemek sz´am´at ´es a hasznos pontok pontoss´ag´at haszn´alja. T´ ezis 2 S˝ ur˝ u Affin illeszt´ es Megterveztem, megval´ os´ıtottam ´ es teszteltem egy u ´j ter¨ ulet alap´ u s˝ ur˝ u illeszt´ esi elj´ ar´ ast, amely kompenz´ alja a sz´ eles b´ azist´ avols´ ag´ u k´ epeken l´ atsz´ o torzul´ ast. 2.1 L´etrehoztam egy u ´j mintailleszt´esi elj´ar´ast, amely kiterjeszti a keres´est a torzul´ast le´ır´o affin param´eterekre, ´es ´ıgy haszn´alhat´o jelent˝os torzul´as eset´en is. Az affin kompenz´al´as egyszerre cs¨okkenti az illeszt´es hib´aj´at, ´es meghat´arozza a torzul´ast legjobban k¨ozel´ıt˝o affin transzform´aci´ot is. Ez a mintailleszt´esi elj´ar´as kiv´al´oan alkalmas sz´eles b´azist´avols´ag´ u k´epekre, ahol a k´epi torzul´as tipikusan magas. 8
2.2 Megfigyelve a torzul´ast k¨ozel´ıt˝o affin transzform´aci´o param´etereinek viselked´es´et, u ´j illeszt´esi megszor´ıt´asokat fogalmaztam meg. 2.3 Kifejlesztettem egy u ´j ter¨ uletn¨oveszt´es alap´ u s˝ ur˝ u illeszt´esi m´odszert (S˝ ur˝ u Affin Illeszt´es), ami kiterjeszti a klasszikus mintailleszt´esi m´odszereket, ´es affin megszor´ıt´asokat is haszn´al. A ter¨ uletn¨oveszt´es terjeszt´esi ´es meg´all´asi szab´alyait is az affin megszor´ıt´asok befoly´asolj´ak. Az eredm´eny sz´eles b´azist´avols´ag´ u k´epek eset´en sim´abb, s˝ ur˝ ubb ´es megb´ızhat´obb rekonstru´alt pontfelh˝o. 2.4 Teszteltem a S˝ ur˝ u Affin Illeszt´est val´os sz´ıntereken ´es egy sz´amszer˝ u ki´ert´ekel´es m´odszerrel is. A m´odszer jobbnak bizonyult a klasszikus Hirschm¨ uller ´es t´arsainak m´odszer´en´el pontoss´agban, s˝ ur˝ us´egben, megb´ızhat´os´agban. T´ ezis 3 Norm´ alissal Jav´ıtott Illeszt´ es Bevezettem egy u ´ j m´ odot arra, hogy a s˝ ur˝ u illeszt´ es sor´ an kalibr´ aci´ os adatokat haszn´ aljunk. Kihaszn´ alva a kapcsolatot a torzul´ as ´ es a fel¨ ulet orient´ aci´ o k¨ oz¨ ott, kifejlesztettem egy u ´ j s˝ ur˝ u illeszt´ esi elj´ ar´ ast, ami fel¨ uleti norm´ alisokat haszn´ al. 3.1 Formaliz´altam a kapcsolatot a k´epi torzul´ast legjobban k¨ozel´ıt˝o affin transzform´aci´o ´es a fel¨ uleti norm´alis k¨oz¨ott. Egy sz´ınt´erbeli fel¨ uletdarab fel¨ uleti norm´alisa meghat´arozhat´o bizonyos kamera param´eterek ismeret´evel a k¨ ul¨onb¨oz˝o k´epek k¨oz¨otti torzul´as alapj´an. A m´odszer alkalmazhat´o line´aris rektifik´aci´os transzform´aci´o alatt.
9
3.2 A fel¨ uleti norm´alisok seg´ıts´eg´evel u ´j megszor´ıt´asokat fogalmaztam meg, amelyeket s˝ ur˝ u illeszt´esi elj´ar´asokban keres´esi t´er cs¨okkent´esre lehet haszn´alni. Ezek a megszor´ıt´asok a fel¨ uletek fizikai geometri´aj´aval ´allnak kapcsolatban ´es nem torzulnak a n´ez˝opont vagy a fel¨ uleti orient´aci´o v´altoz´as´aval. 3.3 Kifejlesztettem egy u ´j ter¨ uletn¨oveszt´esen alapul´o s˝ ur˝ u illeszt´esi elj´ar´ast (Norm´alissal Jav´ıtott Illeszt´es), amely a fel¨ uleti norm´alisokb´ol sz´armaz´o megszor´ıt´asokat haszn´al a terjeszt´esi ´es meg´all´asi szab´alyokhoz. Ez az illeszt´es jobban kihaszn´alja a kamera kalibr´aci´os adatokat mint m´as m´odszerek. 3.4 Teszteltem a Norm´alissal Jav´ıtott Illeszt´est val´os sz´ıntereken ´es egy sz´amszer˝ u ki´ert´ekel´es m´odszerrel is. A m´odszer jobbnak bizonyult mind a S˝ ur˝ u Affin Illeszt´esn´el, mind a klasszikus Hirschm¨ uller ´es t´arsainak m´odszer´en´el pontoss´agban ´es megb´ızhat´os´agban.
10
A szerz˝ o disszert´ aci´ ohoz kapcsol´ od´ o publik´ aci´ oi [1] Zolt´ an Megyesi. Sztere´o l´at´asban haszn´alt k´epilleszt´esi algoritmusok.
In Proc. K´epfeldolgoz´ok ´es Alakfelismer˝ok III. Konfer´ enci´ aja (NJSZT-KEPAF), pages 21–30, 2002. [2] D. Chetverikov, Z. Megyesi, Z. S. Janko, and J. Matas.
Us-
ing periodic texture as a tool for wide-baseline stereo. In Proc. 26th Workshop of the Austrian Association for Pattern Recognition, pages 37–44, 2002. [3] Z. Megyesi and D. Chetverikov. Affine dense matching for wide baseline stereo. In Proc. Grafika 2003, pages 109–114, 2003. [4] N. Nov´ak and Z. Megyesi. Building 3D models using calibrated stereo and structured light. In Proc. K´epfeldolgoz´ok ´es Alakfelis´ mer˝ ok IV. Konferenci´ aja (NJSZT-KEPAF), pages 213–220, 2004. [5] Dmitry Chetverikov, Zoltan Megyesi, and Zsolt Janko. Finding region correspondences for wide baseline stereo. In ICPR ’04: Proceedings of the Pattern Recognition, 17th International Conference on (ICPR’04) Volume 4, pages 276–279, Washington, DC, USA, 2004. IEEE Computer Society. [6] Zoltan Megyesi and Dmitry Chetverikov.
Affine propagation
for surface reconstruction in wide baseline stereo. In ICPR ’04: Proceedings of the Pattern Recognition, 17th International Conference on (ICPR’04) Volume 4, pages 76–79, Washington, DC, USA, 2004. IEEE Computer Society. [7] Z. Megyesi and D. Chetverikov. Enhanced surface reconstruction from wide baseline images. In 3D Data Processing, Visualization 11
and Transmission, 2004. 3DPVT 2004. Proceedings. 2nd International Symposium on, pages 463–469, 2004. [8] Z. Megyesi, G. K´os, and D. Chetverikov. Surface normal aided dense reconstruction from images.
In Proc. Computer Vision
Winter Workshop, pages 64–69, 2006. [9] Zolt´ an Megyesi, G´eza K´os, and Dmitry Chetverikov. Dense 3D reconstruction from images by normal aided matching. Machine GRAPHICS & VISION, 15(1):3–28, 2006. [10] Zolt´ an Megyesi.
K´ep alap´ u 3D modellalkot´as forg´oasztalhoz
kapcsolt kamera rendszerrel. In AGTEDU 2008, volume 1, pages 248–253, 2008. [11] Zolt´ an Megyesi and G´abor K´atai-Urb´an.
K´ep alap´ u 3D
modellalkot´as forg´oasztal ´es fel¨ uleti norm´alissal jav´ıtott illeszt´es haszn´alat´aval.
In Proc. K´epfeldolgoz´ok ´es Alakfelismer˝ok VII. ´ Konferenci´ aja (NJSZT-KEPAF), 2009.
[12] P. Kov´acs, Z. Gaal, A. Barsi and Z. Megyesi. Real time natural 3D contentdisplaying with holovizio displays.
In 29th Interna-
tional Display Research Conference, EuroDisplay 2009, September 2009. megjelen´es alatt. [13] Zolt´ an Megyesi.
K´ep alap´ u 3D fel¨ ulet rekonstrukci´o sz´eles
b´azist´avols´ag´ u k´epek eset´en, fel¨ uleti norm´alis meghat´aroz´as´aval. ´ GEP, A G´epipari Tudom´anyos Egyes¨ ulet Orsz´agos M˝ uszaki Foly´ oirata, 2009. megjelen´es alatt.
12
A szerz˝ o egy´ eb publik´ aci´ oi [14] D. Chetverikov, Z. Megyesi, and Z. S. Janko.
An overview
of research activities of image and pattern analysis group of mta sztaki. In Proc. International Workshop East-West Vision 2002, pages 35–40, 2002. [15] T. Balogh, P. Kov´acs, and Z. Megyesi. system.
Holovizio 3D display
In Proc. First International Conference on Immersive
Telecommunications (IMMERSCOM 2007), 2007. [16] Tomas Rodriguez, Adolfo C. de Leon, Bruno Uzzan, Nicolas Livet, Edmond Boyer, Florian Geffray, Tibor Balogh, Zoltan Megyesi, and Attila Barsi. Holographic and action capture techniques. In SIGGRAPH ’07: ACM SIGGRAPH 2007 emerging technologies, New York, NY, USA, 2007. ACM. [17] Tibor Balogh, Peter T. Kovacs, Zoltan Megyesi, and Attila Barsi. Holovizio true 3D display system. In NEM Summit 2008, 2008. [18] Z. Megyesi, A. Barsi, and T. Balogh.
3D video visualization
on the holovizio system. In 3DTV Conference: The True Vision - Capture, Transmission and Display of 3D Video, 2008, pages 269–272, 2008.
13
