Fugu-MT 論文翻訳(概要): Blur Aware Calibration of Multi-Focus Plenoptic Camera

論文の概要: Blur Aware Calibration of Multi-Focus Plenoptic Camera

arxiv url: http://arxiv.org/abs/2004.07745v1
Date: Thu, 16 Apr 2020 16:29:34 GMT
ステータス: 処理完了
システム内更新日: 2022-12-12 22:03:23.314680
Title: Blur Aware Calibration of Multi-Focus Plenoptic Camera
Title（参考訳）: 多焦点複眼カメラのブラーアウェア校正
Authors: Mathieu Labussi\`ere, C\'eline Teuli\`ere, Fr\'ed\'eric Bernardin, Omar Ait-Aider
Abstract要約: 本稿では, 原画像のみを用いた多焦点Plenoptic Camera (Cs) の新しい校正アルゴリズムを提案する。ぼやけた情報を考慮して,Blur Aware Plenoptic (BAP) 機能を提案する。キャリブレーション法の有効性を定量的および定性的実験により検証した。
参考スコア（独自算出の注目度）: 7.57024681220677
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a novel calibration algorithm for Multi-Focus Plenoptic Cameras (MFPCs) using raw images only. The design of such cameras is usually complex and relies on precise placement of optic elements. Several calibration procedures have been proposed to retrieve the camera parameters but relying on simplified models, reconstructed images to extract features, or multiple calibrations when several types of micro-lens are used. Considering blur information, we propose a new Blur Aware Plenoptic (BAP) feature. It is first exploited in a pre-calibration step that retrieves initial camera parameters, and secondly to express a new cost function for our single optimization process. The effectiveness of our calibration method is validated by quantitative and qualitative experiments.
Abstract（参考訳）: 本稿では,MFPC(Multi-Focus Plenoptic Cameras)の原画像のみを用いたキャリブレーションアルゴリズムを提案する。このようなカメラの設計は通常複雑で、光学素子の正確な配置に依存している。カメラパラメータの取得にはいくつかのキャリブレーション手順が提案されているが、単純化されたモデル、特徴抽出のための再構成画像、複数種類のマイクロレンズを使用する場合の複数のキャリブレーションに頼っている。ぼやけた情報を考慮して,Blur Aware Plenoptic (BAP) 機能を提案する。第一に、初期カメラパラメータを抽出する事前校正ステップで利用し、第二に、我々の単一最適化プロセスのための新しいコスト関数を表現する。キャリブレーション法の有効性を定量的および定性的実験により検証した。

関連論文リスト

EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
論文参考訳（メタデータ） (2023-05-02T03:49:54Z)
Deep Learning for Camera Calibration and Beyond: A Survey [100.75060862015945]
カメラキャリブレーションでは、キャプチャされたシーケンスから幾何学的特徴を推測するために、カメラパラメータを推定する。近年の取り組みでは,手動キャリブレーションの繰り返し作業に代えて,学習ベースのソリューションが活用される可能性が示唆されている。
論文参考訳（メタデータ） (2023-03-19T04:00:05Z)
Online Marker-free Extrinsic Camera Calibration using Person Keypoint Detections [25.393382192511716]
本稿では,複数のスマートエッジセンサの外部校正のためのマーカーレスオンライン手法を提案する。本手法では,固有カメラパラメータを推定し,カメラのポーズの粗い初期推定値でプライマーを推定する。本手法による校正は,オフライン手法による基準校正よりも低い再投影誤差が得られることを示す。
論文参考訳（メタデータ） (2022-09-15T15:54:21Z)
Leveraging blur information for plenoptic camera calibration [6.0982543764998995]
本稿では,光学カメラ,特にマルチフォーカス構成のための新しいキャリブレーションアルゴリズムを提案する。マルチフォーカス構成では、シーンの同じ部分がマイクロレンズ焦点長に応じて異なる量のぼやけを示す。通常、最小限のぼやけたマイクロイメージしか使われない。我々は,新たに導入されたBlur Aware Plenoptic機能を利用して,新しいカメラモデルにおけるデフォーカスのぼかしを明示的にモデル化することを提案する。
論文参考訳（メタデータ） (2021-11-09T16:07:07Z)
Dynamic Event Camera Calibration [27.852239869987947]
最初の動的イベントカメラキャリブレーションアルゴリズムを提案する。カメラとキャリブレーションパターンの間の相対的な動きで捉えたイベントから直接キャリブレーションする。その結果, 得られたキャリブレーション法は, 10秒未満のデータ列から, 極めて有用かつ確実なキャリブレーションを行うことができた。
論文参考訳（メタデータ） (2021-07-14T14:52:58Z)
How to Calibrate Your Event Camera [58.80418612800161]
画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
論文参考訳（メタデータ） (2021-05-26T07:06:58Z)
Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文参考訳（メタデータ） (2021-01-12T12:02:26Z)
Zero-Shot Calibration of Fisheye Cameras [0.010956300138340428]
提案手法は,カメラの水平及び垂直の視野情報から,画像の取得を伴わないカメラパラメータを推定する。この方法は画像歪みが大きい広角カメラや魚眼カメラに特に有用である。
論文参考訳（メタデータ） (2020-11-30T08:10:24Z)
Infrastructure-based Multi-Camera Calibration using Radial Projections [117.22654577367246]
パターンベースのキャリブレーション技術は、カメラの内在を個別にキャリブレーションするために使用することができる。 Infrastucture-based calibration techniqueはSLAMやStructure-from-Motionで事前に構築した3Dマップを用いて外部情報を推定することができる。本稿では,インフラストラクチャベースのアプローチを用いて,マルチカメラシステムをスクラッチから完全にキャリブレーションすることを提案する。
論文参考訳（メタデータ） (2020-07-30T09:21:04Z)
Superaccurate Camera Calibration via Inverse Rendering [0.19336815376402716]
逆レンダリングの原理を用いたカメラキャリブレーションの新しい手法を提案する。検出された特徴点のみに頼らず、内部パラメータの推定と校正対象のポーズを用いて光学的特徴の非フォトリアリスティックな等価性を暗黙的に描画する。
論文参考訳（メタデータ） (2020-03-20T10:26:16Z)
Redesigning SLAM for Arbitrary Multi-Camera Systems [51.81798192085111]
SLAMシステムにより多くのカメラを追加することで、堅牢性と精度が向上するが、視覚的なフロントエンドの設計は大幅に複雑になる。本研究では,任意のマルチカメラ装置で動作する適応SLAMシステムを提案する。これらの修正を応用した最先端の視覚慣性計測装置を試作し, 改良したパイプラインが広い範囲のカメラ装置に適応可能であることを示す実験結果を得た。
論文参考訳（メタデータ） (2020-03-04T11:44:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。