Adapting Monocular Depth Estimation Techniques for Static Scenes: From Conventional Cameras to Event-Based Systems
Recenzentas / Rewiewer | |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Magistro baigiamajame darbe pasiūlytas naujas monokulinio atstumo įvertinimo algoritmas, paremtas klasikinio fokusavimo pagal gylį principu, pritaikytu įvykių tipo kameroms. Metodas naudoja priešingo poliariškumo įvykių dažnių skirtumą kaip fokuso indikatorių ir leidžia atlikti gylio įvertinimą naudojant tik vieną įvykių kamerą, be papildomų signalų ar išorinės įrangos. Darbe pateikiama analitinė įvykių kamerų sistemų ir atstumo įvertinimo metodų apžvalga, pasirenkant tinkamiausią metodą tolimesnei plėtrai. Siūlomas algoritmas aprašytas, įgyvendintas ir išbandytas naudojant specialiai sukurtus sintetinius duomenų srautus - duomenų rinkinys sudarytas iš trijų skirtingų scenų, kiekvienai scenai pateikiama tiek švari, tiek triukšminga įvykių srauto versija. Modeliuojamos realistiškos testavimo sąlygos, įskaitant triukšmą ir ribinius atvejus. Eksperimentų rezultatai rodo, kad algoritmas geba apibendrinti scenas, naudojant linijinę atvirkštinio atstumo interpoliaciją ir mažiausių kvadratų regresiją. Visgi, veikimas blogėja paviršiams su mažu tekstūros lygiu bei esant įvykių disbalansui. Aptariamos galimos algoritmo tobulinimo kryptys, tokios kaip automatinis objektų aptikimas, nelinijinis modeliavimas ir giliojo mokymosi metodų taikymas. Darbas sudaro pagrindą tolimesniems tyrimams, susijusiems su monokuliniu atstumo įvertinimu naudojant įvykių kameras.Darbo apimtis - 46 puslapiai teksto be priedų, 18 iliustracijų, 11 lentelių, 13 formulių, 1 algoritmas ir 49 bibliografiniai šaltiniai. Atskiraipridedami darbo priedai.
In the final master's thesis, a novel monocular depth estimation algorithm is proposed, based on the classical depth-from-focus principle adapted to event-based cameras. The method leverages the difference in polarity event rates as a proxy for focus and enables depth estimation without requiring supplementary signals or external hardware. An analytical overview of event camera systems and depth estimation methodologies is provided, leading to the selection of the most suitable approach for further development. The proposed algorithm is derived, implemented, and evaluated using synthetic datasets specifically created for this work, comprising three scenes, each in both clean and noisy variants. Realistic testing scenarios are simulated, including edge cases and noise conditions. The results show that the algorithm generalizes well across scenes using linear inverse depth interpolation and least squares calibration. However, its performance degrades on low-texture surfaces and in cases of event imbalance. Potential improvements, such as automated ROI selection, non-linear modeling, and machine learning-based depth regression, are discussed. The thesis lays a foundational framework for future research in monocular depth estimation with event cameras.The thesis consists of 46 pages of text (excluding the appendices), 18 figures, 11 tables, 13 formulas, 1 algorithm, and 49 bibliographical references. The appendices are included separately.