Uvedli smo koncept kanalne in prostorske zanesljivosti v diskriminativne korelacijske filtre za sledenje in predlagali nov učni algoritem za hitro posodabljanje filtra. Predlagali smo uporabo prostorske mape, ki določa dele v sliki primerne za sledenje. S tem dosežemo povečanje območja iskanja tarče in boljše sledenje nepravokotnih objektov. Kakovost kanalov modeliramo z merami zanesljivosti za izboljšanje lokalizacije. Z zgolj standardnimi značilnicami sledilnik dosega ali presega zmogljivost najboljših sledilnih algoritmov na VOT 2016, VOT 2015 in OTB100. Sledilnik napisan v Matlabu se izvaja približno v realnem času na CPU. Metodo smo v nadaljevanju prenesli v jezik C++ in optimizirali hitrost. Sedaj je popolnoma realnočasna. Preliminarna verzija metode je bila objavljena v obliki članka na najprestižnejši konferenci računalniškega vida CVPR 2017.
COBISS.SI-ID: 1537691075
V članku obravnavamo problem razvoja algoritmov vizualnega sledenja. Predstavljamo specializiran komunikacijski protokol za komunikacijo med sledilnikom in aplikacijo. S tem ločimo razvoj sledilnih algoritmov od specifične aplikacije. Primer primarne uporabe je evalvacija sledilnih algoritmov v kompleksnih scenarijih, ki jih pričakujemo na robotskih platformah kot so na primer robotska plovila. Predstavljamo referenčno implementacijo protokola, ki omogoča enostavno uporabo v več priljubljenih programskih jezikih in podajamo diskusijo o možnih prihodnjih scenarijih uporabe.
COBISS.SI-ID: 1537470147
Članek opisuje metodo sledenja ovir na podlagi 3D oblaka točk, ki deluje na podlagi 3D segmentacije prizora na prostor nad vodo, prostor pod vodo, in ozek pas pod in nad vodno gladino. Vodno gladino določimo s pomočjo prileganja modela ravnine, vendar pa rezultate primerjamo s konstrukcijskimi omejitvami robotskega plovila in podatki o 3D orientaciji plovila, zajetimi iz inercialnega senzorja. Na ta način precej zanesljivo ugotovimo, ali je prišlo do odpovedi algoritmov pri določanju gladine - takrat se zanesemo na sicer manj natančne podatke inercialnega senzorja.Gruče točk nad gladino zaznamo kot ovire - ta koncept ni povsem nov, vendar ne deluje dobro; zato smo ga nadgradili z izvirnim prispevkom, kjer iz oblakov točk posameznih ovir izračunamo posebne histogramske značilnice (“prstni odtis”), katerih medsebojno razdaljo v prostoru značilnic upoštevamo, ko izvajamo povezovanje detekcij med zaporednimi časovnimi trenutki. Izkaže se namreč da se značilnice lažno pozitivnih detekcij ovir zelo hitro spreminjajo, značilnice pravih ovir pa le počasi. Rezultat je občutno zmanjšanje števila lažnih detekcij, od 1:6 do 1:10.
COBISS.SI-ID: 1537721027