Behandling av punktmoln

Tack vare den allt större tillgängligheten till djupkameror och lidar har behandling av punktmoln blivit ett underområde till datorseende.

Illustration av probabilistisk modellering av punktmoln.Data från dessa sensorer är ofta glesa och kräver förtätning. Positionen och orienteringen är dessutom oftast bara delvis kända vilket betyder att ett gemensamt referenssystem krävs för registrering av mätningarna.

Slutligen måste punktmolnen delas upp per objekt, vilket kräver 3D-segmentering. Vi närmar oss problemet genom att använda en ny djupinlärningsmetod baserad på normaliserade neurala faltningsnätverk och fusion i 3D av 2D-segmenteringar, såväl som probabilistisk modellering - modelleringsmetoder som tar hänsyn till osäkerhet.

Forskare Visa/dölj innehåll

Abdelrahman Eldesokey

Adjungerad universitetsadjunkt

Per-Erik Forssén

Biträdande professor

Fahad Khan

Universitetslektor, Docent

Michael Felsberg

Proprefekt, Professor, Avdelningschef

Externa partners

Centauro och Cykla-projektet (Veoneer)

Publikationer Visa/dölj innehåll

Ett urval av tre publikationer

Abdelrahman Eldesokey, Michael Felsberg, Fahad Shahbaz Khan (2019)

Propagating Confidences through CNNs for Sparse Data Regression

British Machine Vision Conference 2018, BMVC 2018 Vidare till DOI

Felix Järemo Lawin, Martin Danelljan, Fahad Shahbaz Khan, Per-Erik Forssén, Michael Felsberg (2018)

Density Adaptive Point Set Registration

2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition , s.3829-3837 Vidare till DOI

Felix Järemo-Lawin, Martin Danelljan, Patrik Tosteberg, Goutam Bhat, Fahad Shahbaz Khan, Michael Felsberg (2017)

Deep Projective 3D Semantic Segmentation

Computer Analysis of Images and Patterns: 17th International Conference, CAIP 2017, Ystad, Sweden, August 22-24, 2017, Proceedings, Part I , s.95-107 Vidare till DOI

WASP forskning CVL Visa/dölj innehåll

Visuell objektföljning

Visuell objektföljning är en av de grundläggande utmaningarna inom området datorseende, där uppgiften är att följa ett visst objekt i en video där positionen enbart är given på den första bilden.

Maskininlärning för visuell navigering och lokalisering

Navigering och lokalisering är grundläggande utmaningar inom robotseende, där uppgiften är att estimera den geometriska relationen mellan fordonet och omgivningen.

Förfinat ramverk för beskrivning och tolkning av människor

En semantisk beskrivning av människan i bild och video är ett av de fundamentala problemen inom datorseende med en lång rad applikationer.

WASP Datorseende

Forskningen täcker ett brett spektrum av ämnen inom artificiella seende system med särskilt fokus på maskininlärning för robotseende. Gruppen har funnits sedan 1970-talet och har i hög grad bidragit till att etablera begreppet datorseende i Sverige.