< Terug naar vorige pagina

Project

Sparse voorstellingen van statische en dynamische point clouds gebaseerd op deep learning (FWOSB88)

3D technologieën verwerven grote academische en industriële interesse door het groeiende aantal mogelijke toepassingen. Een eerste stap in het creëren van een 3D model is het verzamelen van depth informatie dmv een depth-sensing technologie. De resulterende depth map, geproduceerd door een of meerdere depth- sensing toestellen, wordt dan geherprojecteerd tot een point cloud. Een van de voornaamste doelen van dit voorstel is dmv deep learning technieken een basis te vinden zodat sparse voorstellingen voor statische en dynamische point clouds geconstrueerd kunnen worden. In deze context is een doel van het project de constructie van sparse voorstellingen voor statische point clouds gebaseerd op deep learning. De resultaten zullen dan toegepast worden op 3D surface reconstruction. Het tweede deel van het project onderzoekt sparse voorstellingen voor dynamische point clouds. Het potentieel zal getoond worden op object classification. Door informatie te
gebruiken uit verschillende frames worden resultaten verwacht die de state-of-the-art overtreffen.
De constructie van sparse voorstellingen van point clouds is een zeer vernieuwende aanpak om ongestructureerde data te verwerken. De verwachtingen zijn dat deze aanpak zal leiden tot uitmuntende resultaten in verscheidene domeinen en mogelijks zelfs tot real-time en reduced processing power applicaties. De applicatiedomeinen zijn talrijk, incluis 3D camera verwerking, camera monitoring en tracking,
3D video, augmented reality, etc.
Datum:1 nov 2019 →  31 okt 2023
Trefwoorden:sparse representation of point clouds, 3D surface reconstruction
Disciplines:Computer vision, Beeld- en taalverwerking, Patroonherkenning en neurale netwerken, Datavisualisatie en beeldvorming