Konenäön menetelmiä mobiilikuvantamiseen ja 3D-rekonstruktioon

Älypuhelimien suorituskyky ja kuvausominaisuudet ovat kehittyneet viime vuosina suurin harppauksin. Parhaimmillaan kännykkäkamerat pystyvät jo kilpailemaan suurien ja kalliiden järjestelmäkameroiden kanssa. Ongelmia kuitenkin syntyy erityisesti hämärässä käsivaralta kuvattaessa. Pieni kamera pystyy keräämään vain rajallisen määrän valoa, jolloin kuvista tulee helposti kohinaisia. Toisaalta kuva saattaa näyttää tärähtäneeltä jos kamera tai kuvattava kohde liikkuu valotuksen aikana. Tämä niin sanottu liike-epäterävyys vaikuttaa negatiivisesti paitsi kuvanlaatuun myös moniin konenäön sovelluksiin, kuten kuvapohjaiseen 3D-rekonstruktioon.

Tässä työssä esitellään kaksi menetelmää liike-epäterävyyden poistoon. Menetelmät hyödyntävät inertiamittausyksikköä, joka löytyy useimmista kamerapuhelimista. Inertiamittausyksikkö antaa tietoa laitteen liikkeestä kuvanottohetkellä, mikä helpottaa tärähtäneen kuvan korjaamista. Väitöskirjassa tutkitaan myös yhtäaikaista kohinan- ja liike-epäterävyydenpoistoa. Monilla laitteilla on mahdollista ottaa useita kuvia nopeasti peräkkäin eri valotusajoilla. Tämä työ esittää uudenlaisen menetelmän, joka hyödyntää koneoppimista sekä kuvapareja, jotka on otettu lyhyellä ja pitkällä valotusajalla.

Kuvapohjainen 3D-rekonstruktio on eräs konenäön keskeisimmistä ongelmista. Tavoitteena on muodostaa ympäristöstä 3D-malli kuvien tai videon pohjalta. Tähän prosessiin liittyy tunnettu rajoitus, että 3D-mallin absoluuttista skaalaa ei voida määrittää pelkästään yhden kameran avulla. Tämä työ esittelee inertiaalipohjaisen menetelmän, jolla tuntematon skaalauskerroin voidaan määrittää. Menetelmällä saadut tulokset ovat ensiluokkaisia ja menetelmä voidaan helposti integroida olemassa oleviin 3D-rekonstruktio-ohjelmistoihin.

Moniaukkokamerat ovat yleistyneet älypuhelimissa. Useita kamerayksiköitä hyödyntämällä voidaan parantaa kuvien laatua ja kameran ominaisuuksia. Tässä työssä perehdytään parallaksivirheen korjaamiseen, mikä aiheutuu siitä, että kamerayksiköiden näkymät eroavat hieman toisistaan. Työ esittelee kuvafuusioalgoritmin moniaukkokameraan, missä jokainen kamerayksikkö on varustettu erillisellä värisuodattimella. Syötekuvat yhdistetään dispariteetti-kartan perusteella, joka estimoidaan hyödyntämällä kaikkia kuvia yhtä aikaa. Kyseinen lähestymistapa on varteenotettava vaihtoehto perinteiselle Bayer-suodattimella varustetulle kameralle.