Inkrementelle Akquisition von 3D-Objektmodellen - Institut für ...
Inkrementelle Akquisition von 3D-Objektmodellen - Institut für ...
Inkrementelle Akquisition von 3D-Objektmodellen - Institut für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Kapitel 8<br />
Optimierung der Rekonstruktion<br />
Wie in Abschnitt 7.3.2 zusammengefasst haben wir nun unser Ziel erreicht – eine <strong>3D</strong>-<br />
Rekonstruktion der Punkte, die wir in den vorigen Abschnitten beobachtet und getrackt haben.<br />
Wir haben festgestellt, dass uns auf dem Weg zu dieser Rekonstruktion einige Fehlerquellen begegnet<br />
sind und wir nicht da<strong>von</strong> ausgehen können, dass unser Ergebnis wirklich eine zufriedenstellende<br />
projektive Rekonstruktion ist. Wir müssen nun einen Weg finden, um die Güte unserer Rekonstruktion<br />
zu messen. Anschließend werden wir versuchen, diese Güte nachträglich zu verbessern.<br />
8.1 Bewertung der Rekonstruktion durch den Rückprojektionsfehler<br />
Die einzige Information, die wir verwendet haben, ist die Position <strong>von</strong> bestimmten Punkten in den<br />
Bildern und welche Bildpunkte miteinander korrespondieren, also den gleichen Raumpunkt darstellen.<br />
An unser Modell kann also auch nur das unsere Anforderung sein: Die rekonstruierten Punkte<br />
sollen durch die rekonstruierten Kameras genau an die Stellen abgebildet (also zurückprojiziert)<br />
werden, an denen wir die zugehörigen Bildpunkte gemessen haben. Die Abweichungen können wir<br />
messen und erhalten einen Rückprojektionsfehler.<br />
Der Rückprojektionsfehler eines Punktes ist uns bereits in Abschnitt 7.2.1 begegnet. Er lässt sich<br />
ausdrücken durch<br />
e ˆX<br />
= d( ˆP ˆX, x)<br />
Hier ist also x der gemessene Bildpunkt, ˆX der rekonstruierte Raumpunkt und ˆP die rekonstruierte<br />
Kameramatrix.<br />
Wir betrachten nun die gesamte Rekonstruktion Γ = ({ ˆP j }, { ˆX i }) mit den berechneten Raumpunkten<br />
ˆX i und den berechneten Kameramatrizen ˆP j . x ij sei der im j-ten Bild gemessene Bildpunkt,<br />
der den i-ten Raumpunkt abbildet. Dann summiert sich der Rückprojektionsfehler zu<br />
e Γ = ∑ i,j<br />
d( ˆP j ˆXi , x ij ) 2 (8.1)<br />
Hier drückt d die geometrische Bilddistanz aus, also den Abstand des zurückprojizierten zum gemessenen<br />
Punkt im Bild.<br />
Da die Messungen nicht exakt sind, wird selbst bei einer optimalen Rekonstruktion ein Fehler übrig<br />
bleiben. In der Annahme, dass der Messfehler ein Gauß-verteiltes Rauschen ist, suchen wir eine<br />
Maximum-Likelihood-Schätzung, daher wird in Formel 8.1 jeder einzelne Fehler quadriert.<br />
Wir können die Güte unseres Modells also durch eine handliche Formel ausdrücken. Offensichtlich<br />
47