Behandling av punktmoln

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

Publikationer

Ett urval av tre publikationer

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

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