Simulación de entornos urbanos para el aprendizaje de descriptores locales de apariencia

Abstract

En este trabajo se presenta “RUF3DM” una base de datos de: (1) imágenes urbanas realistas, que contienen información de profundidad, obtenidas desde un simulador y (2) porciones pequeñas de imágenes (patches) correspondientes a esquinas, manchas y segmentos (características locales) provenientes de las imágenes previamente mencionadas. Esta base de datos puede ser usada en distintos tipos de problemas, como pueden ser la estimación de puntos de fuga, la reconstrucción 3D, la estimación de profundidad, etc. Asimismo, se detalla paso a paso el procedimiento seguido para la generación de la base de datos, que básicamente consiste en: (1) obtener las imágenes y su información de profundidad, (2) alinear los sistemas de referencia para expresar las coordenadas de la cámara y su orientación en términos del mundo, (3) la detección de las características locales, (4) la orientación y el recortado de los patches y (5) la evaluación de la eficacia de los patches generados en el entrenamiento de un descriptor. Los experimentos realizados demuestran que el dataset sintético generado es tan parecido al real, que los descriptores de imágenes locales pueden ser entrenados a partir de este dataset y obtener resultados comparables con los obtenidos con imágenes reales.