PMR2560 Visão Computacional Alinhamento de imagens. Prof. Eduardo L. L. Cabral

Documentos relacionados
Gráficos de Controle para Processos Autocorrelacionados

Análise de influência

2º ano (MIEEC) 11 de Junho, 2013

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Prof. Lorí Viali, Dr.

REGRESSÃO NÃO LINEAR 27/06/2017

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

4 Critérios para Avaliação dos Cenários

Métodos Avançados em Epidemiologia

Covariância na Propagação de Erros

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

Créditos. SCC0173 Mineração de Dados Biológicos. Conteúdo. Métodos Particionais (Sem Sobreposição)

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.

Problemas de engenharia

O problema da superdispersão na análise de dados de contagens

Flambagem. Cálculo da carga crítica via MDF

Estatística II Antonio Roque Aula 18. Regressão Linear

7 Tratamento dos Dados

AEP FISCAL ESTATÍSTICA

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

D = POLINÔMIO INTERPOLADOR DE NEWTON 1) DIFERENÇAS DIVIDIDAS 1.1) DIFERENÇAS DIVIDIDAS ORDINÁRIAS (D) Sejam n+1 pontos de uma função y = f(x):

Prof. Lorí Viali, Dr.

Eletromagnetismo Aplicado

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA

2 Referencial Teórico

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

O problema da superdispersão na análise de dados de contagens

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

Aprendizagem de Máquina

Prof. Lorí Viali, Dr.

Centro de massa - Movimento de um sistema de partículas

Análise de Regressão

Medidas de Tendência Central. Prof.: Ademilson Teixeira

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Os redutores são fornecidos com LUBRIFICAÇÃO PERMANENTE POR ÓLEO SINTÉTICO.

2 Principio do Trabalho Virtual (PTV)

7 - Distribuição de Freqüências

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

62C. B14 Flange Tipo C-DIN 63C. Fxxx Flange de Saída (Ver Opções de Flanges na Tabela de Desenhos) 72C. B1 Bucha Simples. B5 Flange Tipo FF 73C

N Sem Bucha. B14 Flange Tipo C-DIN. N Sem Acessórios FA42 FA43 FA52. Fxxx Flange de Saída (Ver Opções de Flanges na Tabela de Desenhos)

Curso Técnico em Informática. Eletricidade

Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017

2 Aproximação por curvas impĺıcitas e partição da unidade

EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI)

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Análise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

N Sem Bucha. N Sem Acessórios. B14 Flange Tipo C-DIN 211A. B5 Flange Tipo FF. B1 Bucha Simples 311A

Torques de até 1300 N.m. IBR q IBR qdr IBR qp IBR r IBR m IBR c IBR p IBR H IBR x variadores TRANS. A Direito. A Direito. N Sem Bucha.

Associação entre duas variáveis quantitativas

Reconhecimento Estatístico de Padrões

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 1ª FASE 23 DE JUNHO

Algarismos Significativos Propagação de Erros ou Desvios

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Modelagem do Transistor Bipolar

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

Capítulo 2 Método de Cross

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

Identidade dos parâmetros de modelos segmentados

Testes não-paramétricos

3 A técnica de computação intensiva Bootstrap

CORRELAÇÃO E REGRESSÃO

Probabilidade de Óbito por Leptospirose Humana em Belém - PA

3 Método Numérico. 3.1 Discretização da Equação Diferencial

A VELOCIDADE ESCALAR. Prof. Alberto Ricardo Präss

N Sem Acessórios. B14 Flange Tipo C-DIN. N Sem Bucha 202A 302A. B1 Bucha Simples. B5 Flange Tipo FF

Chapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação

Sistemas de equações lineares

Experiência V (aulas 08 e 09) Curvas características

INF 1771 Inteligência Artificial

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

Estatística Espacial: Dados de Área

Análise Complexa Resolução de alguns exercícios do capítulo 1

Física C Extensivo V. 2

Análise Exploratória de Dados

Análise Exploratória de Dados

Escalonamento Baseado em Prioridades Fixas

1. CORRELAÇÃO E REGRESSÃO LINEAR

Introdução a Combinatória- Aplicações, parte II

Realimentação negativa em ampliadores

REGRESSÃO E CORRELAÇÃO

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

4 MEDIÇÃO DA POSIÇÃO USANDO VISÃO ESTÉREO

Redes Neurais (Inteligência Artificial)

(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:

Regressão múltipla linear

Medidas Numéricas Descritivas:

Em muitas aplicações, estamos interessados em subgrafos especiais de um determinado grafo.

A de nição do operador derivada, em coordenadas cartesianas ortogonais é dada por. + r i^e i i ; i =

CCI-22 CCI-22. 8) Equações Diferenciais. Matemática Computacional. Definições Problemas de Valor Inicial (PVI)

3 Subtração de Fundo Segmentação por Subtração de Fundo

Transcrição:

PMR256 Vsão Computaconal Alnamento de magens Prof. Eduardo L. L. Cabral

Objetvos Alnamento de magens Mosaco magem panorâmca

Motvação Mosaco montagem de magens panorâmcas Reconecmento de objetos

Desafos Pequeno grau de sobreposção Oclusão, deformação, rotação

Duas abordagens Alnamento dreto ( pel-based ) busca pelo alnamento onde quase todos os pels se casam Alnamento baseado em característcas busca pelo alnamento onde característcas se casam: Pode ser verfcado a posteror usando alnamento dreto

Alnamento como ajuste Alnamento de duas magens processo de obtenção de um modelo de transformação Objetvo do alnamento ajustar um modelo para algumas característcas de uma magem M Acar modelo M que mnmza: resduo(, M )

Alnamento como ajuste Obter um modelo para uma transformação entre dos conjuntos de característcas correspondentes em duas magens ' Acar transformação que mnmza resduo( ( ), )

Alnamento usando característcas Dadas duas magens

Alnamento usando característcas Etrar cacacterístcas

Alnamento usando característcas Etrar característcas Determnar possíves correspondencas

Alnamento usando característcas Etrar característcas Determnar possíves correspondêncas Repetr: Assumr transformação (usar que relacona um subconjunto de característcas);

Alnamento usando característcas Etrar característcas Determnar possíves correspondêncas Repetr: Assumr transformação (usar que relacona um subconjunto de característcas); Verfcar transformação (procurar por outras característcas que são consstentes com )

Alnamento usando característcas Etrar característcas Determnar possíves correspondêncas Repetr: Assumr transformação (usar que relacona um subconjunto de característcas); Verfcar transformação (procurar por outras característcas que são consstentes com )

ransformações O que acontece quando temos duas magens da mesma cena e tentamos alná-las? Possíves movmentos: ranslação Rotação Escala Affne Perspectve?

ransformações em 2D Smlardade (translação, escala, rotação) Affne Perspectva (omográfca)

ransformações

ransformação affne Procedmento de ajuste smples (método dos mínmos quadrados) Aproma mudanças de ponto de vsta da cena para objetos quase planos e câmeras comuns Pode ser usado para ncalzar ajustes mas compleos

Assumndo que se conece os pontos correspondentes como obter a transformação? ), ( y ), ( y + = 2 4 3 2 t t y m m m m y = L L L L y t t m m m m y y 2 4 3 2 ransformação affne

Sstema lnear com 6 varáves Cada característca correspondente fornece 2 equações lnearmente ndependentes precsa pelo menos 3 característcas correspondentes para obter a transformação = L L L L y t t m m m m y y 2 4 3 2 ransformação affne

ransformação affne Se as correspondêncas não forem conecdas? Precsa determnar característcas correspondentes por meo de verfcação da smlardade? =

Busca de correspondentes Métodos para acar característcas correspondentes: Random Sample Consensus (RANSAC) Alnamento ncremental ransformada de Houg Cudado especal para dentfcar e solar outlers

RANSAC. Seleconar aleatoramente um grupo semente de correspondentes 2. Calcular a transformação desse grupo 3. Determnar as outras característcas que seguem essa transformação 4. Se o números de correspondentes for grande o sufcente recalcular a transformação com o grupo maor de correspondentes 5. Repetr o processo dversas vezes para outros grupo ncas (novas sementes) guardar a transformação que é obedecda pelo maor número de característcas

RANSAC Consderando somente translação Prováves correspondentes

RANSAC Consderando somente translação Seleconar um par, contar quantas outras característcas obedecem a transformação do par seleconado

RANSAC Consderando somente translação Seleconar transformação obedecda pelo maor número de correspondentes

RANSAC Problemas com o RANSAC: Em mutas stuações prátcas o número de característcas que não obedecem a transformação é muto grande (9% ou mas) Estratéga alternatva restrngr busca em regões lmtadas da magem Alnamento Incremental

ransformação omográfca Homográfca transformação de projeção (transforma um quadrado em um quadrlátero arbtráro)

ransformação omográfca ransformação entre duas vstas de uma superfíce plana ransformação entre magens obtdas de duas câmeras no mesmo centro

ransformação omogênea: Modelo de transformação omográfca: ransformação omográfca = 33 32 3 23 22 2 3 2 y y λ

Mas compactamente: Vetores e são paralelos produto vetoral gual a zero: H = = 3 2 λ ransformação omográfca = H = y y H 2 3 2 3

Equação da transformação para um par correspondente: Somente 2 equações são lnearmente ndependentes 3 2 = y y ransformação omográfca

Equação da tranformação omográfca: 9 parâmetros, sendo que escala (λ) é arbtrára Um par de característcas correspondentes fornece duas equações Necessáro no mínmo 4 pares de correspondentes para obter uma solução Mas de 4 pares solução por mnmzação do erro 3 2 = n n n n n n y y L L L ransformação omográfca

Mosaco magem panorâmca Unr váras magens sobrepostas em uma únca magem panorâmca + + + =

Mosaco magem panorâmca