Richard Newcombe

Original: http://www.doc.ic.ac.uk/~rnewcomb/

Département de l’informatique
Imperial College
Londres, UK
Téléphone: + 44-20-75948445

Biographie
Je suis actuellement une Ph.d. candidate en vision robotique et informatique cognitive sous la supervision du Prof. Murray Shanahan et Dr Andrew Davison.

Recherche

KinectFusion : Surface Dense en temps réel cartographie et suivi
Richard A. Newcombe, Shahram Izadi, Otmar Hilliges, David Molyneaux, David Kim, Andrew J. Davison, Pushmeet Kohli, Jamie Shotton, Steve Hodges et Andrew Fitzgibbon, ISMAR 2011 (vainqueur, meilleur papier).
Nous présentons un système de cartographie en temps réel des scènes d’intérieur complexes et arbitraires dans des conditions d’éclairage variable, en utilisant seulement un mouvement faible coût profondeur caméra et des matières premières matériel graphique. Nous fusionner toutes les données de profondeur diffusées à partir d’un capteur Kinect dans un seul modèle mondial de surface implicit de la scène observée en temps réel. La pose de capteur actuel est obtenue simultanément en suivant le cadre direct de profondeur par rapport au modèle global à l’aide d’un gros-de-ямБne plus proche point (ICP) algorithme itératif, qui utilise toutes les données de profondeur observée disponibles. Nous démontrer les avantages de suivi contre le modèle pleine surface croissant par rapport avec le suivi de l’image à image, obtention de suivi et de cartographie des résultats en temps constant dans les scènes de chambre de taille à dérive limitée et une haute précision. Nous montrons également des résultats qualitatifs et quantitatifs concernant différents aspects de notre suivi et système cartographique. Modélisation de scènes naturelles, en temps réel avec seulement le capteur des marchandises et le matériel GPU, promet un formidable pas en avant dans la réalité augmentée (AR), en particulier, il permet des surfaces denses être reconstruit en temps réel, avec un niveau de détail et de la robustesse au-delà de toute solution encore présenté à l’aide de la vision par ordinateur passive.

DTAM : Suivi Dense et cartographie en temps réel

Richard A. Newcombe, Steven J. Lovegrove et Andrew J. Davison IEEE International Conference on Computer Vision (ICCV 2011)
DTAM est un système de caméra en temps réel de suivi et la reconstruction qui s’appuie non sur longs extraction mais dense, les méthodes de chaque pixel. Comme une seule caméra à l’épaule de RVB survole une scène statique, nous estimons profondeur de texture détaillée des cartes à des images clés sélectionnées pour produire un surface patchwork avec des millions de sommets. Nous utilisons des centaines d’images disponibles dans un flux vidéo pour améliorer la qualité d’un terme simple de données photométriques et minimiser un fonctionnel dans un cadre d’optimisation non convexe roman régularisé dans l’espace mondial de l’énergie. Entrelacés, nous suivons les mouvements de caméra 6DDL précisément par l’alignement de l’image entière-cadence contre l’ensemble du modèle dense. Nos algorithmes sont hautement parallélisées tout au long et DTAM atteint des performances en temps réel à l’aide de matériel GPU actuel des produits de base. Nous démontrons qu’un modèle dense permet suivi superior performance sous déplacement rapide par rapport à une méthode de pointe à l’aide de fonctionnalités ; et aussi de montrer l’utilité supplémentaire du modèle dense pour l’interaction de la scène en temps réel dans une application de réalité augmentée physique améliorée.

Vivre la Reconstruction Dense avec un seul déplacement de caméra
Richard A. Newcombe et Andrew J. Davison IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2010)
Dans ce travail, nous présentons une méthode qui permet la reconstruction rapide et dense de scènes parcourues par une seule caméra live. Nous prenons structure en temps réel basée sur le point de mouvement (SFM) comme point de départ, générant des estimations de pose de caméra 3D précis et un nuage de points épars. Notre nouvelle contribution principale consiste à utiliser un maillage de base approximatif mais lisse produit de la gestion durable des forêts pour prédire la vue à un ensemble de poses autour des cadres de référence sélectionnés automatiquement s’étendant sur la scène et puis se déformer le maillage de base des cartes de profondeur très précis basé sur le flux optique vue-prédictive et une mise à jour du flux de scène restreinte. La qualité de la profondeur qui en résulte des cartes signifie qu’un modèle convaincant de la scène mondiale peut être obtenu simplement en les plaçant côte à côte et en supprimant les régions qui se chevauchent. Nous montrons qu’un environnement intérieur encombré peut être reconstruit à partir un direct de la caméra à main en quelques secondes, avec tous les traitements effectués par le matériel de bureau actuel. Reconstruction de dense monoculaire en temps réel ouvre de nombreux domaines d’application, et nous démontrons fois synthèse vue roman en temps réel et la réalité augmentée avancée les augmentations interagissent physiquement avec la scène 3D et sont correctement découpées par les occlusions.

Comments are closed.