Kuvista pistepilveksi. Käytännön näkökulmia kolmiulotteiseen tietokonenäköön

Ympäristön kolmiulotteista mallintamista tietotekniikan avulla tarvitaan esimerkiksi lääketieteessä, viihde- ja pelisovelluksissa ja itseohjautuvissa autoissa. Laadukkaan 3D-kuvan muodostaminen epätäydellisestä kaksiulotteisesta kuvadatasta vaatii tarkkaa matemaattista mallinnusta ja tehokkaita laskenta-algoritmeja. Kyseistä tutkimusalaa kutsutaan laskennalliseksi kuvantamiseksi.

Väitöskirja tarjoaa useita uusia keinoja parantaa korkealaatuisen 3D-kuvan muodostamiseen vaadittavia vaiheita. Työssä on kehitetty uusia menetelmiä niin etäisyyskameroiden kalibrointiin, samanaikaisesti tapahtuvaan paikannukseen ja kartoitukseen, syvyyskartan korjaamiseen, etäisyyspistepilven yksinkertaistamiseen kuin vapaan katselukulman kuvantamiseenkin.

Väitöstyö esittää uuden yhtäaikaisen paikannus- ja kartoitusmenetelmän, joka hyödyntää yhden värikameran tuottamaa informaatiota. Väitös selvittää myös mahdollisuuksia pienentää 3D-datan määrää syvyyskarttoja harventamalla ja yhdistämällä. Tällöin päällekkäisestä datasta voidaan luopua säilyttämällä kuitenkin datan alkuperäinen resoluutio. Lisäksi väitöstyössä on esitetty uusi tapa, jolla kuvanäkymä voidaan muodostaa synteettisesti eri katselukulmista 3D-tietoa hyödyntämällä.

Väitöstyössä kehitetyt algoritmitoteutukset ovat julkaistu avoimena lähdekoodina, ja alan tutkimus- ja kehitysyhteisö on hyödyntänyt niitä jo laajasti. Esimerkiksi Kinect-sensorille vuonna 2011 suunniteltu uudenlainen kalibrointitapa oli kehityshetkellään alan edistyksellisin.