@misc{upm10424,
           month = {February},
           title = {Sistema de Autocalibraci{\'o}n de C{\'a}maras y Reconstrucci{\'o}n 3D},
            year = {2004},
         address = {Madrid, Spain},
          author = {Gallego Bonet, Guillermo},
        abstract = {El presente proyecto est{\'a} englobado dentro del campo de la visi{\'o}n artificial, la cual pretende emular el comportamiento de la visi{\'o}n humana utilizando una c{\'a}mara como sensor y un ordenador como procesador. Suponemos que se dispone de un conjunto de im{\'a}genes digitales o una secuencia de v{\'i}deo que
re?fleja una escena est{\'a}tica. El objetivo del proyecto es fascinante: s{\'o}lo con la informaci{\'o}n contenida en las
im{\'a}genes, obtener un modelo en tres dimensiones de la escena y las caracter{\'i}sticas de la c{\'a}mara con que fueron adquiridas las im{\'a}genes. Suponemos que se desconoce la posici{\'o}n espacial de la c{\'a}mara respecto de la escena (par{\'a}metros extr{\'i}nsecos), as{\'i} como los par{\'a}metros intr{\'i}nsecos de la misma.

Los dos elementos principales del t{\'i}tulo del proyecto ya han sido presentados: el t{\'e}rmino autocalibraci{\'o}n significa obtener los par{\'a}metros que definen la c{\'a}mara (distancia focal, punto principal, posici{\'o}n del espacio, etc.) sin ning{\'u}n conocimiento a priori de la escena adquirida, mientras que el t{\'e}rmino reconstrucci{\'o}n 3D significa obtener un modelo tridimensional de la escena bajo estudio: forma y localizaci{\'o}n de los objetos que est{\'a}n delante de la c{\'a}mara.

Las herramientas necesarias para lograr el citado objetivo son: el tratamiento digital de im{\'a}genes, la geometr{\'i}a proyectiva y las t{\'e}cnicas de optimizaci{\'o}n. El tratamiento digital de im{\'a}genes permite extraer la informaci{\'o}n adecuada de las proyecciones de la escena, caracter{\'i}sticas tales como puntos y/o rectas. Esto reduce el problema a uno puramente geom{\'e}trico. La geometr{\'i}a proyectiva permite crear modelos sencillos que describen el sistema de formaci{\'o}n de la imagen en la c{\'a}mara y plantear diversos algoritmos
para invertir dicha operaci{\'o}n. Las t{\'e}cnicas de optimizaci{\'o}n consiguen que dichos algoritmos sean {\'u}tiles desde el punto de vista num{\'e}rico y pr{\'a}ctico.

No es objeto del proyecto la extracci{\'o}n de caracter{\'i}sticas de las im{\'a}genes digitales de partida, ni su correspondencia entre im{\'a}genes, ni la representaci{\'o}n tridimensional de la escena reconstruida mediante mallado y pegado de texturas. El proyecto se centra en abordar las etapas intermedias entre estos extremos.

Este proyecto es innovador en la teor{\'i}a de autocalibraci{\'o}n de c{\'a}maras y reconstrucci{\'o}n 3D. El ejemplo del cap{\'i}tulo 8 es muy ilustrativo y se recomienda su consulta en caso de que el lector se sienta abrumado por los cap{\'i}tulos intermedios. As{\'i} no se pierde de vista el objetivo final.},
        keywords = {Camera autocalibration, Euclidean upgrading, Three-dimensional reconstruction, Algebraic geometry, Square pixels, Known Pixel Shape},
             url = {https://oa.upm.es/10424/}
}