Image Based Rendering Daniele Marini.

Presentazione sul tema: "Image Based Rendering Daniele Marini."— Transcript della presentazione:

1 Image Based Rendering Daniele Marini

2 Image based rendering ricavare informazioni per il rendering dalle immagini acquisite profondita’ colore BRDF luminanza

3 Ricavare la geometria Ricostruzione della profondità da immagini multiple problema della inversione della proiezione prospettica

4 la “costruzione legittima” L.B. Alberti

5

6 Come ricavare la forma? Shape from shading Shape from motion

7 Shape from stereo

8 b= 65 mm distanza interpupillare

9 Ricerca dei punti corrispondenti

10 Metodi basati su immagini
Ricostruzione “a quinte” Mapping di panoramiche su forme regolari (cilindri, calotte sferiche)

11 Ricostruzione a “quinte”
Ricavando z per diversi piani di profondità permette di organizzare la scena come “quinte” teatrali Ogni immagine viene mappata come texture su una superficie a profondità z Si può esplorare la scena con sistemi di visualizzazione 3D

12 Panoramiche: QuickTimeVR
Costruzione dello “stitch” Stima dell’obiettivo Correzione prospettica Collimazione fotogrammi Mapping dello stitch Costruzione sequenza video Dislay con interpolazione

13

14 Un esempio

15 Stima obiettivo

16 Collimazione immagini

17

18 Mapping dello stitch

19 Tiling: fotogrammi chiave e traiettorie di navigazione

20 Tiling e compressione

21 Il risultato

22 Struttura ipertestuale
Si possono inserire “hot spots” per collegare scenari diversi La struttura del meta-filmato:

23 Oggetti Si possono creare modelli virtuali di oggetti
Riprese multiple di un oggetto, organizzate in un array 2D Il mapping idealmente è su una struttura sferica

24

25 Scene e link Panorami e oggetti si possono organizzare in scene
Il passaggio a scene, panorami e oggetti diversi avviene con hot spots Sono disponibili links URL

26 Costruzione dello “stitch”
Determinare lo scarto tra due immagini: Basato su caratteristiche delle immagini Correlazione di fase

27 Correlazione di fase La correlazione di fase è basata sulla valutazione della fase del Cross Power Spectrum (CPS) delle due immagini. Se una delle due immagini è una replica sfasata dell’altra, cioè se: f2(x,y) = f1(x+x0,y+y0) la fase del Cross Power Spectrum delle due immagini f1 e f2 è data dall’equazione:

28 Correlazione di fase (cont.)
F è la trasformata di Fourier dell’immagine f e F* è la sua coniugata complessa. La trasformata di Fourier inversa dell’equazione è solitamente un impulso di coordinate (x0,y0) la cui posizione indica lo scostamento cercato.

29 Correlazione di fase (cont.)

30 Ricostruzione con luce coerente
Esame del profilo della forma delineato con un fascio laser

31 La faccia nascosta della luna
Ricostruzione da proiezioni multiple (TAC, NMR)

32 Proiezioni multiple

33 Trasformata di Radon x’,y’ coordinate del punto trasformato per rotazione R viene rilevato più volte al variare dell’angolo l’inversione dell’equazione produce f(x,y)

34 HDRI e Image-Based lighting
Uso di immagini ad alta dinamica di un ambiente per illuminare oggetti virtuali.

35 HDRI Bisogna acquisire un’immagine ad alta dinamica di un ambiente.
Varie soluzioni: Mirrored Ball Fisheye lens Panoramic camera Stitching

36 Mirrored ball

37 Fisheye lens

38 Image-Based Lighting (1\4)
L’immagine ad alta dinamica fornisce i valori di luminanza reali di tutti i 360° della scena. Utilizzandola come environment riesco a renderizzare oggetti virtuali che sembrano inseriti nella scena reale

39 Image-Based Lighting (2\4)

40 Image-Based Lighting (3\4)

41 Image-Based Lighting (4\4)