High-Speed Range Estimation Based on Intensity Gradient Analysis

درک سریع و نسبتاً دقیق از محیط برای ناوبری موفق یک عامل مستقل ضروری است. اگرچه بسیاری از حالت‌های سنجش برای این کار قابل استفاده هستند و مورد استفاده قرار گرفته‌اند، بینایی به دلیل ماهیت غیرفعال، برد خوب و وضوح آن جذاب‌ترین است. اکثر تکنیک های بینایی برای بازیابی عمق برای ناوبری از استریو استفاده می کنند. در چند سال اخیر، محققان شروع به مطالعه تکنیک هایی برای ترکیب استریو با حرکت دوربین کرده اند. پایان نامه Skifstad رویکرد جدیدی را برای بازیابی اطلاعات عمق با استفاده از حرکت شناخته شده دوربین پیشنهاد می کند. این رویکرد منجر به یک تکنیک قوی برای تخمین سریع فواصل تا اشیاء در یک تصویر با استفاده از تنها یک دوربین ترجمه می‌شود. یکی از جنبه‌های بسیار جالب رویکردی که Skifstad دنبال می‌کند، روشی است که برای دور زدن سخت‌ترین و گران‌ترین مرحله محاسباتی در استفاده از روش‌های استریو یا مشابه برای تخمین عمق مبتنی بر دید استفاده می‌شود. مشکل مکاتبات در اکثر رویکردهای استریو تمرکز تحقیقات بوده است. Skifstad با استفاده از این واقعیت که تشخیص نابرابری های تک پیکسل در یک دنباله از تصاویر به جای نابرابری های دلخواه پس از دو فریم آسان تر است، مشکل مطابقت را با حرکت ترجمه شناخته شده مبادله می کند. یکی از ویژگی های بسیار جذاب این رویکرد این است که محاسبات مورد نیاز برای تشخیص نابرابری های تک پیکسلی محلی هستند و از این رو می توان به راحتی موازی کرد. یکی دیگر از ویژگی های مفید این رویکرد، به ویژه در برنامه های ناوبری، این است که اشیاء نزدیکتر زودتر شناسایی می شوند.

A fast and reasonably accurate perception of the environment is essential for successful navigation of an autonomous agent. Although many modes of sensing are applicable to this task and have been used, vision remains the most appealing due to its passive nature, good range, and resolution. Most vision techniques to recover depth for navigation use stereo. In the last few years, researchers have started studying techniques to combine stereo with the motion of the camera. Skifstad's dissertation proposes a new approach to recover depth information using known camera motion. This approach results in a robust technique for fast estimation of distances to objects in an image using only one translating camera. A very interesting aspect of the approach pursued by Skifstad is the method used to bypass the most difficult and computationally expensive step in using stereo or similar approaches for the vision-based depth esti­ mation. The correspondence problem has been the focus of research in most stereo approaches. Skifstad trades the correspondence problem for the known translational motion by using the fact that it is easier to detect single pixel disparities in a sequence of images rather than arbitrary disparities after two frames. A very attractive feature of this approach is that the computations required to detect single pixel disparities are local and hence can be easily parallelized. Another useful feature of the approach, particularly in naviga­ tion applications, is that the closer objects are detected earlier.