Il progetto mira allo studio e sperimentazione di metodi efficienti per l'analisi di dati tridimensionali acquisiti con tecniche di vario tipo: stereo da immagini ottiche, acustiche in ambito subacqueo, laser con scanner 3D o sistemi per la generazione di immagini biomedicali. L'analisi consisterà nell'elaborare i dati acquisiti allo scopo di migliorare la loro percezione visiva e interpretazione. Le operazioni da perseguire saranno: filtraggio, registrazione e segmentazione. Il filtraggio consiste nel rimuovere dai dati originali (grezzi) le componenti di disturbo (rumore) che degradano il segnale di interesse. La registrazione permette di allineare immagini dello stesso soggetto prese da punti di vista diversi o in istanti di tempo differenti. La segmentazione ha lo scopo di isolare nelle immagini le componenti che sono associabili ad oggetti diversi della scena. L'aspetto innovativo del progetto riguarderà il coinvolgimento di metodologie avanzate della visione artificiale e della pattern recognition. Verranno studiati metodi efficienti per l'identificazione di descrittori geometrici locali robusti al rumore e alla variazione delle condizioni ambientali e di posizione. La ricerca si focalizzerà sulla definizione di tecniche di calcolo delle corrispondenze 3D dando enfasi sia alle problematiche riguardanti l'accuratezza dei risultati, specialmente nella gestione degli outlies, e sia all'efficienza degli algoritmi proposti negli ambiti in cui siano richieste prestazioni in tempo reale. Dal punto di vista metodologico il progetto intende esplorare l'impiego di strumenti di classificazione e apprendimento automatico (learning) nel contesto dell'elaborazione 3D. In particolare la segmentazione verrà modellata come un problema di clustering su misure eterogenee estratte dai dati tridimensionali. Tale approccio è ancora poco sperimentato e rappresenta un promettente e interessante ambito di ricerca.
