Politecnico di Torino - Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY

+39 011 090 6100 info@tech-share.it

Self-Confident: Apprendimento online per rilevare i guasti dei sensori di profondità

apprendimento automaticoInformatica TsdIPA21Metodo auto-adattivoStima confidenzaStima incertezzaStima profondità

Introduzione

L’invenzione riguarda un metodo e un sistema di sensori, progettato in particolare per determinare la confidenza delle mappe di disparità inferite da un algoritmo stereo o una rete attraverso una rete neurale in grado di auto-adattarsi.

Caratteristiche Tecniche

Esistono sul mercato diversi sistemi per l’acquisizione d’immagini in 3D per determinare la profondità di un’immagine ed attualmente lo stereo matching è una delle strategie più popolari per percepire con precisione la struttura 3D della scena attraverso telecamere sincronizzate e diversi algoritmi.
L’invenzione riguarda un metodo e un sistema di sensori, progettato per determinare la confidenza delle mappe di disparità inferite da un algoritmo stereo o una rete attraverso una rete neurale in grado di auto-adattarsi, che può essere utilizzato per tutti i sistemi di acquisizione di immagini in cui è necessario stimare la confidenza nel calcolo della profondità o disparità, determinando così il livello di affidabilità (o incertezza) di ciascun pixel dell’immagine. La stima della confidenza auto-adattiva è una caratteristica altamente desiderabile per molte applicazioni, tra cui quella degli smartphone, ad oggi equipaggiati con fotocamere multiple e algoritmi stereo sviluppati per la realtà aumentata o per altri applicazioni in ambienti imprevedibili.

Possibili Applicazioni

  • Automotive (guida autonoma);
  • Settore della Computer Vision;
  • Robotica;
  • Realtà aumentata;
  • Ricostruzione 3D.

Vantaggi

  • Si adatta automaticamente all’ambiente esplorato;
  • Misura non vincolata al sistema stereo impiegato;
  • Elevata affidabilità;
  • Facile implementazione;
  • Competitivo in termini di costi.