End-to-End Optimization of a Coded Stereo Imaging System for Depth Estimation

López Durán, Jhon Edinson

End-to-End Optimization of a Coded Stereo Imaging System for Depth Estimation

dc.contributor.advisor	Argüello Fuentes, Henry
dc.contributor.author	López Durán, Jhon Edinson
dc.contributor.evaluator	Meneses Fonseca, Jaime Enrique
dc.contributor.evaluator	Ramírez Rondón, Juan Marcos
dc.date.accessioned	2023-02-17T19:59:02Z
dc.date.available	2023-02-17T19:59:02Z
dc.date.created	2023-02-17
dc.date.issued	2023-02-17
dc.description.abstract	La estimación de la profundidad es esencial para la comprensión de escenas, la conducción autónoma, la robótica y otras áreas. Sin embargo, la estimación de la profundidad sigue siendo un reto debido a la pérdida de información 3D durante el proceso de captura de imágenes RGB. A lo largo de los años, se han propuesto diferentes arquitecturas ópticas para capturar las escenas, desde una sola cámara hasta múltiples cámaras con iluminación activa o pasiva. También hay que desarrollar arquitecturas y métodos para la estimación de la profundidad en cualquier entorno. En este sentido, la adquisición de imágenes estereoscópicas es una arquitectura de adquisición eficiente, ya que imita el sistema de visión humano y estima la profundidad mediante estereopsis. Aunque las redes neuronales profundas mejoran el rendimiento de la estimación de la profundidad, sigue habiendo dificultades para predecir la profundidad absoluta y generalizar fuera de un entorno predeterminado. Por ello, recientemente se ha propuesto un enfoque denominado óptica profunda, que diseña elementos ópticos, como máscaras de fase y lentes difractivas, junto con el algoritmo de procesamiento de imágenes de forma integral. Por lo tanto, este trabajo propone utilizar el paradigma de la óptica profunda en la estimación de profundidad estereoscópica mediante el diseño de aperturas codificadas bajo un enfoque de optimización de extremo a extremo. El enfoque profundo propuesto se evalúa utilizando un conjunto de datos de última generación y, además, el método propuesto se valida en una configuración óptica real.
dc.description.abstractenglish	Depth estimation is essential for scene understanding, autonomous driving, robotics, and other areas. However, depth estimation remains challenging because of losing the 3D information during the RGB image capture process. Over the years, different optical architectures have been proposed to capture the scenes, from a single camera to multiple cameras with active or passive illumination. Also, architectures and methods for depth estimation in any environment have to be developed. Accordingly, stereoscopic image acquisition is an efficient acquisition architecture, as it mimics the human vision system and estimates depth by stereopsis. Although deep neural networks improve depth estimation performance, there are still difficulties in predicting absolute depth and generalizing outside a predetermined environment. Therefore, an approach called deep optics has recently been proposed, which designs optical elements, such as phase masks and diffractive lenses, in conjunction with the image processing algorithm in an end-to-end manner. Therefore, this work proposes using the deep optics paradigm in stereo depth estimation by designing coded apertures under an end-to-end optimization approach. The proposed deep approach is evaluated using a state-of-the-art data set, and additionally, the proposed method is validated in a real optical setup.
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Ingeniería de Sistemas e Informática
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/12262
dc.language.iso	eng
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Maestría en Ingeniería de Sistemas e Informática
dc.publisher.school	Escuela de Ingeniería de Sistemas e Informática
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Estimación de la profundidad
dc.subject	Optimización de extremo a extremo
dc.subject	Visión estereoscópica
dc.subject.keyword	Depth Estimation
dc.subject.keyword	End-to-End Optimization
dc.subject.keyword	Stereoscopic Vision
dc.title	End-to-End Optimization of a Coded Stereo Imaging System for Depth Estimation
dc.title.english	End-to-End Optimization of a Coded Stereo Imaging System for Depth Estimation
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type