Onderzoekers van Microsoft Research en de universiteit van Illinois hebben op de European Conference on Computer Vision in het Italiaanse Firenze een betere methode getoond om diepte te schatten in 2D-beelden. Wat hun aanpak uniek maakt, is dat deze ook goed werkt op beelden waarbij de camera stilstaat. Ook werkt het algoritme op foto‘s, alhoewel de resultaten bij bewegende materiaal beter zijn.
De truc zit in het gebruik van een referentiedatabase van beelden waarvan de diepte-informatie bekend is. Daarin worden objecten gezocht die, qua kleur, overeenkomen met delen in het te onderzoeken beeld. De bijbehorende dieptes zullen hier grofweg ook mee overeenkomen, is de gedachte. Dit beeld en de bijbehorende diepte-informatie wordt vervormd om het overeen te laten komen met het object in het doelbeeld. Meerdere kandidaatobjecten worden daarbij uitgemiddeld om de invloed van missers te verminderen. Op die manier wordt een dieptekaart opgesteld voor de meeste delen in het beeld. Als laatste stap worden tussenliggende gebieden geïnterpoleerd en worden randjes gladgestreken. Bij filmpjes word bewegingsinformatie gebruikt om de schatting verder te optimaliseren.
Het algoritme doet geen aannamen over de situatie, waardoor het breed inzetbaar is. Maar er is wel een grote database nodig voor de referentiedata. Volgens de onderzoekers is dit niet zo‘n probleem aangezien er al verschillende online databases zijn en nieuwe referentiegegevens vrij eenvoudig te verkrijgen zijn, bijvoorbeeld via Microsofts Kinect, of buiten met behulp van twee camera‘s.
This article is exclusively available to premium members of Bits&Chips. Already a premium member? Please log in. Not yet a premium member? Become one for just €20 for the first year and enjoy all the benefits.
