Correspondˆencia Est´ereo

O processo de correspondˆencia entre pontos das imagens que comp˜oe um par est´ereo corresponde a uma etapa importante para a gerac¸˜ao de mapas de disparidade densos. Esta etapa ´e considerado por muitos como o problema principal da estereoscopia, e por este motivo tem sido vastamente estudada. Diversos algoritmos tˆem sido desenvolvidos, seguindo tanto abordagens lo- cais, globais ou mesmo h´ıbridas (SCHARSTEIN; SZELISKI, 2002).

intensidade, muitos destes algoritmos s˜ao baseados em t´ecnicas elaboradas envolvendo segmentac¸˜ao, minimizac¸˜ao de func¸˜oes de custo e ajuste de pla- nos. Desta forma, procuram contornar principalmente o problema associado a regi˜oes homogˆeneas existente nas t´ecnicas cl´assicas baseadas em correlac¸˜ao de janelas. Exemplo disso ´e o algoritmo de correspondˆencia baseado em su- porte regional, proposto dentro do contexto de pesquisas realizadas com es- tereoscopia passiva (STIVANELLO et al., 2010). Como ilustrado na Figura 40, este algoritmo consegue melhores resultados na correspondˆencia em regi˜oes com valores de intensidade similares quando comparado aos resultados obti- dos por algoritmos por correlac¸˜ao de janelas simples. Para isso, a abordagem utilizada no processo de correlac¸˜ao emprega uma nova func¸˜ao de custo que inclui informac¸˜ao de componentes de alta frequˆencia presentes na periferia do ponto avaliado.

Apesar de que algoritmos cada vez mais elaborados tˆem surgido, ainda encontra-se falta de robustez quando s˜ao considerados diferentes cen´arios ou ambientes. Al´em disso, a utilizac¸˜ao destes algoritmos mais complexos para aplicac¸˜oes com requisito de tempo real torna-se dif´ıcil ou impratic´avel. Por este motivo, em aplicac¸˜oes de rob´otica, a correspondˆencia por correlac¸˜ao de janelas simples ainda ´e amplamente utilizada.

Para o sistema desenvolvido no presente trabalho, a correlac¸˜ao de ja- nelas simples foi selecionada visto que, como descrito na Sec¸˜ao 3.4, para os m´etodos de medic¸˜ao propostos o valor utilizado na comparac¸˜ao entre as jane- las ´e o valor de fase de cada ponto, ao inv´es do valor de intensidade original. Com isso, al´em de se conseguir robustez no tratamento de superf´ıcies com textura homogˆenea ao se considerar a fase, pode-se fazer uso da simplicidade da correlac¸˜ao de janelas simples para poss´ıveis implementac¸˜oes em hardware, por exemplo.

O algoritmo implementado segue a descric¸˜ao realizada na Sec¸˜ao 2.1.2.3. A correlac¸˜ao de janelas utiliza uma func¸˜ao de custo que levam em conta a similaridade dos valores de cada ponto da imagem, baseada na soma das diferenc¸as absolutas (SAD). Duas vers˜oes do algoritmo foram disponibilizadas, utilizando tanto valores de intensidade como valores de fase.

Adicionalmente, com o objetivo de remover pontos semi-oclusos ou correspondˆencias incorretas dos mapa de disparidade gerados, foi inclu´ıda uma verificac¸˜ao de consistˆencia conhecida como Left-Right Consistency Check (SCHARSTEIN; SZELISKI, 2002). Esta verificac¸˜ao consiste em pegar o valor de disparidade computado em uma imagem, e retroprojetar o mesmo na

Imagem original (esquerda) Mapa de referência

Mapa calculado por correlação de janelas simples

Mapa calculado por correlação de janelas com suporte regional

Figura 40: Correspondˆencia por correlac¸˜ao de janelas (M´etodo Simples - M´etodo proposto com Suporte Regional)

outra imagem. Se a diferenc¸a entre os valores for maior ou igual a um dado limiar, ent˜ao o ponto ´e marcado como uma correspondˆencia inconsistente.

A implementac¸˜ao direta do procedimento de correlac¸˜ao descrito re- sultou em um algoritmo com custo computacional elevado, incluindo v´arios lac¸os associados ao fluxo de processamento. Esta caracter´ıstica ´e ainda mais evidente quando janelas grandes foram utilizadas. Para resolver o pro- blema realizou-se uma pesquisa em busca de poss´ıveis otimizac¸˜oes dos al- goritmos. Com base nas t´ecnicas de otimizac¸˜ao levantadas novas vers˜oes dos algoritmos foram implementadas. A inclus˜ao do c´alculo otimizado da func¸˜ao de custo que leva em considerac¸˜ao a sobreposic¸˜ao de janelas vizi- nhas (STEFANO; MATTOCCIA, 2000) foi suficiente para fazer com que as novas vers˜oes consumissem muito menos tempo de processamento, sem prejudicar

os resultados qualitativos obtidos nas vers˜oes originais dos algoritmos. Ou- tras otimizac¸˜oes muito empregadas, como as que se baseiam na utilizac¸˜ao de hardware espec´ıfico, n˜ao foram utilizadas. Por´em, sabe-se que ´e poss´ıvel diminuir em muito o tempo de processamento empregando estas t´ecnicas (JIN et al., 2010;STEFANO; MATTOCCIA, 2000;STEFANO et al., 2004).

A avaliac¸˜ao dos resultados obtidos na correspondˆencia de pontos ´e realizada na Sec¸˜ao 3.5.2.

3.3.4 Reconstruc¸˜ao

Empregando os parˆametros estimados no momento da calibrac¸˜ao, e utilizando os pares de pontos correspondentes obtidos na etapa de corres- pondˆencia, ´e poss´ıvel realizar a reconstruc¸˜ao. Dado o tipo de sistema bi- nocular utilizado e os parˆametros de calibrac¸˜ao conhecidos, torna-se vi´avel realizar a reconstruc¸˜ao m´etrica atrav´es de triangulac¸˜ao. O algoritmo imple- mentado segue a descric¸˜ao feita na Sec¸˜ao 2.1.2.4.

A Figura 41 exibe a plotagem referente `a reconstruc¸˜ao dos pontos do gabarito em uma seq¨uˆencia de amostras utilizadas na calibrac¸˜ao do conjunto binocular. Os centros de projec¸˜ao das cˆameras tamb´em s˜ao reconstru´ıdos.

Figura 41: Reconstruc¸˜ao do cen´ario de calibrac¸˜ao

A avaliac¸˜ao dos resultados obtidos na reconstruc¸˜ao ´e realizada na Sec¸˜ao 3.5.3.