Φασματική επεξεργασία και αλγόριθμοι βελτιστοποίησης σε στατικά και δυναμικά αντικείμενα τρισδιάστατης γεωμετρίας
Περίληψη
Η γεωμετρική επεξεργασία τρισδιάστατων αντικειμένων έχει μεγάλο ερευνητικό ενδιαφέρον σε ένα ευρύ φάσμα εφαρμογών που σχετίζονται με την υπολογιστική όραση και τα γραφικά, όπως για παράδειγμα στην αυτόματη κίνηση robot στον χώρο, την αναγνώριση τρισδιάστατων αντικειμένων, την κατηγοριοποίηση, την εξαγωγή χαρακτηριστικών και άλλες. Η δημιουργία νέας γενιάς οικονομικών αισθητήρων, που έχουν αναπτυχθεί τα τελευταία χρόνια, έχει παίξει σημαντικό ρόλο στην προσέλκυση ενδιαφέροντος από διάφορες περιοχές, οι οποίες έχουν σκοπό να αναπτύξουν εφαρμογές που να κάνουν χρήση της 3D πληροφορίας επωφελούμενες των πλεονεκτημάτων που προσφέρει μια πιο ολοκληρωμένη αναπαράσταση του κόσμου (3D αναπαράσταση) σε σύγκριση με την εικόνα και το video. Οι υπάρχουσες προσεγγίσεις που σχετίζονται με την επεξεργασία 3D αντικειμένων, απαιτούν, σε σημαντικό βαθμό, ειδικές παρεμβάσεις από τους χρήστες και επίσης είναι αρκετά χρονοβόρες για να χρησιμοποιηθούν σε εφαρμογές πραγματικού χρόνου. Στόχος της παρούσας διατ ...
περισσότερα
Περίληψη σε άλλη γλώσσα
Geometry processing of 3D objects is of primary interest in many areas of computer vision and graphics, including robot navigation, 3D object recognition, classification, feature extraction, etc. The recent introduction of low cost range sensors has created a great interest in many new areas, driving the need for developing efficient algorithms for 3D object processing. The current approaches of 3D object processing require a significant amount of manual intervention and they are still time-consuming making them unavailable for use in real-time applications. The aim of this thesis is to present algorithms, mainly inspired by the spectral analysis, subspace tracking and modern learning-based solutions, that can be used and facilitate many areas of low-level 3D geometry processing (i.e., reconstruction, outliers removal, denoising, compression), pattern recognition tasks (i.e., significant features extraction) and high-level applications (i.e., registration and identification of 3D objec ...
περισσότερα
![]() | |
![]() | Κατεβάστε τη διατριβή σε μορφή PDF (144.58 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης

ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.

ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.

ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.

ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.