Stima della profondità da singola immagine per mezzo di una CNN addestrata mediante tecniche di computer graphics

In questa tesi viene affrontato il problema della stima della profondità di una scena. Esistono diverse soluzioni a questo problema, come le telecamere stereo, i sensori ad infrarossi, i sensori time-of-flight e i laser scanner 3D. Tutti questi strumenti permettono di stimare più o meno bene la profondità della scena, ma molto spesso sono poco pratici o difficili da utilizzare, e spesso presentano costi molto elevati, e per questi motivi non hanno mai trovato una vera diffusione in ambito commerciale, come invece è successo negli ultimi anni per i dispositivi mobile, come gli smartphone, che hanno portato parallelamente ad una grande diffusione delle normali telecamere a colori. Alla luce di questo, in questo lavoro di tesi viene proposta una soluzione basata sul machine learning che permette di sfruttare questi dispositivi stimando la profondità da singola immagine rgb, producendo risultati comparabili agli attuali algoritmi di stereo-vision. Viene proposto anche un nuovo dataset per l’addestramento ed il testing di reti neurali per la stima della profondità in ambito indoor, e nello specifico nello scenario dei supermercati.