Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | National Land Survey of Finland | - |
Autor(es): dc.creator | Garcia, Thaisa Aline Correia | - |
Autor(es): dc.creator | Tommaselli, Antonio Maria Garcia | - |
Autor(es): dc.creator | Castanheiro, Letícia Ferrrari | - |
Autor(es): dc.creator | Campos, Mariana Batista | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:23:05Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:23:05Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-11-06 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5194/isprs-archives-XLVIII-3-2024-177-2024 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307343 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307343 | - |
Descrição: dc.description | Keypoint detectors and descriptors are essential for identifying points and their correspondences in overlapping images, being fundamental inputs for many subsequent processes, including Pose Estimation, Visual Odometry, vSLAM, Object Detection, Object Tracking, Augmented Reality, Image Mosaicking, and Panorama Stitching. Techniques like SIFT, SURF, KAZE, and ORB aim to identify repeatable, distinctive, efficient, and local features. Despite their robustness, some keypoints, especially those detected in fisheye cameras, do not contribute to the solution, and may introduce outliers or errors. Fisheye cameras capture a broader view, leading to more keypoints at infinity and potential errors. Filtering these keypoints is important to maintain consistent input observations. Various methods, including gradient-based sky region detection, adaptive algorithms, and K-means clustering, addressed this issue. Semantic segmentation could be an effective alternative, but it requires extensive computational resources. Machine learning provides a more flexible alternative, processing large data volumes with moderate computational power and enhancing solution robustness by filtering non-contributing keypoints already detected in these vision-based approaches. In this paper we present and assess a machine learning model to classify keypoints as sky or non-sky, achieving an accuracy of 82.1%. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Research Council of Finland | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Department of Cartography Faculty of Sciences and Technology São Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Remote Sensing and Photogrammetry Finnish Geospatial Research Institute (FGI) National Land Survey of Finland | - |
Descrição: dc.description | Department of Cartography Faculty of Sciences and Technology São Paulo State University (UNESP) | - |
Descrição: dc.description | FAPESP: 2021/06029-7 | - |
Descrição: dc.description | CNPq: 303670_2018-5 | - |
Descrição: dc.description | Research Council of Finland: 353264 | - |
Descrição: dc.description | CAPES: 88887.310313/2018-00 | - |
Formato: dc.format | 177-182 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | fisheye lenses | - |
Palavras-chave: dc.subject | keypoints | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | ORB features | - |
Título: dc.title | Filtering Keypoints with ORB Features | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: