Abstract
En esta tesis se presenta un análisis en profundidad de cómo se deben utilizar dos
tipos de métodos directos, Lucas-Kanade e Inverse Compositional, en imágenes
RGB-D y se analiza la capacidad y precisión de los mismos en una serie de experimentos
sintéticos. Estos simulan imágenes RGB, imágenes de profundidad (D)
e imágenes RGB-D para comprobar cómo se comportan en cada una de las combinaciones.
Además, se analizan estos métodos sin ninguna técnica adicional que
modifique el algoritmo original ni que lo apoye en su tarea de optimización tal y como
sucede en la mayoría de los artículos encontrados en la literatura. Esto se hace con
el fin de poder entender cuándo y por qué los métodos convergen o divergen para
que así en el futuro cualquier interesado pueda aplicar los conocimientos adquiridos
en esta tesis de forma práctica. Esta tesis debería ayudar al futuro interesado a
decidir qué algoritmo conviene más en una determinada situación y debería también
ayudarle a entender qué problemas le pueden dar estos algoritmos para poder poner
el remedio más apropiado. Las técnicas adicionales que sirven de remedio para estos
problemas quedan fuera de los contenidos que abarca esta tesis, sin embargo, sí se
hace una revisión sobre ellas.---ABSTRACT---This thesis presents an in-depth analysis about how direct methods such as Lucas-
Kanade and Inverse Compositional can be applied in RGB-D images. The capability
and accuracy of these methods is also analyzed employing a series of synthetic experiments.
These simulate the efects produced by RGB images, depth images and
RGB-D images so that diferent combinations can be evaluated. Moreover, these
methods are analyzed without using any additional technique that modifies the
original algorithm or that aids the algorithm in its search for a global optima unlike
most of the articles found in the literature. Our goal is to understand when and why
do these methods converge or diverge so that in the future, the knowledge extracted
from the results presented here can efectively help a potential implementer. After
reading this thesis, the implementer should be able to decide which algorithm fits
best for a particular task and should also know which are the problems that have
to be addressed in each algorithm so that an appropriate correction is implemented
using additional techniques. These additional techniques are outside the scope of
this thesis, however, they are reviewed from the literature.
