Implementazione di un algoritmo per l'individuazione di punti salienti in dati 3D

3     Introduzione     Un  problema  classico  nella  visione  artificiale  è   quello  di  determinare  se  l'immagine  analizzata   contiene  o  no  determinati  oggetti  ( Object   recognition ).     L'uomo  riconosce  una  moltitudine  di  oggetti  in   immagini  con  poco  sforzo,  nonostante  l'immagine   degli  oggetti  possa  variare  a  causa  di  diversi   punti  di  vista,  cambiamenti  di  scala  o  rotazioni.     sono  parzialmente  occlusi.  Riconoscere  oggetti  in   condizioni  così  disparate  rappresenta  ancora  una   sfida  per  la  computer  vision.     vengono  considerate  molte  'features',  che  sono  zone   interessanti  dell'oggetto,  dette  anche  punti   salienti,  i  quali  possono  essere  estratti   automaticamente  ne una  descrizione  "caratteristica"  dell'oggetto.   Esempi  di  tali  feature  sono  punti  con  forti   detti  corner,  o  zone  uniformi  circondate  da  una   differente  intensità  luminosa,  dette  blob.  Questa   descrizione  estratta  da  una  immagine  campione  può   poi  essere  utilizzata  per  identificare  l'oggetto   importante  che  l'insieme  di  feature  estratte  dal   modello  sia  invariante  a  rotazioni  e  cambiamenti  di   scala  delle  immagini  e  robusto  a  rumore  e  cambi  di   illuminazione,  in  modo  da  rendere  possibile  il   riconoscimento  basato  su  feature  anche  in  presenza   di  questi  fattori  di  disturbo.  Quindi  un  detector,   cioè  un  algoritmo  in  grado  di  estrarre  queste   feature,  deve  essere  invariante  a  rotazioni  e   cambiamenti  di  scala,  nonché  robusto  al  rumore  e d   a   variazioni  fotometriche.