論文の概要: Optimal Triangulation Method is Not Really Optimal

• arxiv url: http://arxiv.org/abs/2107.04618v1
• Date: Fri, 9 Jul 2021 18:14:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-14 13:32:25.782804
• Title: Optimal Triangulation Method is Not Really Optimal
• Title（参考訳）: 最適三角法は本当に最適ではない
• Authors: Seyed-Mahdi Nasiri, Reshad Hosseini, Hadi Moradi
• Abstract要約: 三角測量は、複数のカメラ画像上の2次元投影から3次元点を見つける問題を指す。 この問題を解決するためには,L2法と呼ばれる,いわゆる最適三角法を用いるのが一般的である。 しかし、カメラパラメータの不確実性を前提としない場合に限り、この手法は最適である。
• 参考スコア（独自算出の注目度）: 6.789370732159177
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Triangulation refers to the problem of finding a 3D point from its 2D projections on multiple camera images. For solving this problem, it is the common practice to use so-called optimal triangulation method, which we call the L2 method in this paper. But, the method can be optimal only if we assume no uncertainty in the camera parameters. Through extensive comparison on synthetic and real data, we observed that the L2 method is actually not the best choice when there is uncertainty in the camera parameters. Interestingly, it can be observed that the simple mid-point method outperforms other methods. Apart from its high performance, the mid-point method has a simple closed formed solution for multiple camera images while the L2 method is hard to be used for more than two camera images. Therefore, in contrast to the common practice, we argue that the simple mid-point method should be used in structure-from-motion applications where there is uncertainty in camera parameters.
• Abstract（参考訳）: 三角測量は、複数のカメラ画像の2d投影から3dポイントを見つける問題を指す。 この問題を解決するには,いわゆる最適三角測量法を用いるのが一般的であり,本論文ではl2法と呼ぶ。 しかし、この方法はカメラパラメータの不確かさを仮定しない場合にのみ最適である。 合成データと実データとの広範な比較により,L2法はカメラパラメータに不確実性が存在する場合に最適ではないことがわかった。 興味深いことに、単純な中点法は他の方法よりも優れている。 ハイパフォーマンスとは別に、中点法は複数のカメラ画像に対して単純な閉じたソリューションを持ち、L2法は2つ以上のカメラ画像に対して使用できない。 したがって、一般的な手法とは対照的に、単純な中間点法は、カメラパラメータに不確かさがある構造から動きへのアプリケーションで使われるべきであると論じている。

関連論文リスト

• Multi-task Learning for Camera Calibration [3.274290296343038]
  一対の画像から内在性(主点オフセットと焦点長)と外因性(ベースライン,ピッチ,翻訳)を予測できるユニークな手法を提案する。 カメラモデルニューラルネットワークを用いて3Dポイントを再構成し、再構成の損失を利用してカメラ仕様を得ることにより、この革新的なカメラ投影損失(CPL)法により、所望のパラメータを推定できる。
  論文  参考訳（メタデータ） (2022-11-22T17:39:31Z)
• Partially calibrated semi-generalized pose from hybrid point correspondences [68.22708881161049]
  一般化カメラシステム内のカメラ構成について検討する。 実用的な解法を導出するために、異なるパラメタライゼーションと異なる解法戦略をテストする。 これらの解法は, 3次元点における雑音の存在下で, 対応する絶対ポーズ解法よりも優れた推定値が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-29T19:46:59Z)
• Direct Triangulation with Spherical Projection for Omnidirectional Cameras [0.0]
  射影球上での光対の最適化により、正方形全方位カメラの三角測量の問題を解決することを提案する。 提案した解は、二次関数の根を見つけるために沸騰し、閉形式であるため、従来の方法と比較して完全に非定性で計算的に安価である。
  論文  参考訳（メタデータ） (2022-06-08T14:43:56Z)
• Camera Distortion-aware 3D Human Pose Estimation in Video with Optimization-based Meta-Learning [23.200130129530653]
  歪みのないデータセットでトレーニングされた既存の3次元ポーズ推定アルゴリズムは、特定のカメラ歪みのある新しいシナリオに適用した場合、パフォーマンス低下を被る。 本研究では, 歪み環境に迅速に適応できる簡易かつ効果的な3次元ポーズ推定モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-30T01:35:04Z)
• Online Hyperparameter Meta-Learning with Hypergradient Distillation [59.973770725729636]
  勾配に基づくメタラーニング法は、内部最適化に関与しないパラメータのセットを仮定する。 知識蒸留による2次項の近似により,これらの限界を克服できる新しいHO法を提案する。
  論文  参考訳（メタデータ） (2021-10-06T05:14:53Z)
• Calibrated and Partially Calibrated Semi-Generalized Homographies [65.29477277713205]
  視点と一般化カメラから半一般化ホモグラフィーを推定するための最初の最小解を提案する。 提案した解法は、多くの合成および実世界の実験で実証されたように安定かつ効率的である。
  論文  参考訳（メタデータ） (2021-03-11T08:56:24Z)
• Displacement-Invariant Cost Computation for Efficient Stereo Matching [122.94051630000934]
  ディープラーニング手法は、前例のない不一致の精度を得ることによって、ステレオマッチングのリーダーボードを支配してきた。 しかし、その推測時間は一般的に540p画像の秒数で遅い。 本研究では,4次元特徴量を必要としないEmphdisplacement-invariant cost moduleを提案する。
  論文  参考訳（メタデータ） (2020-12-01T23:58:16Z)
• Robust Uncertainty-Aware Multiview Triangulation [20.02647320786556]
  マルチビュー三角測量と不確実性推定のための頑健で効率的な手法を提案する。 まず、中間点法を用いた2視点RANSACを用いた外乱除去方式を提案する。 第二に、初期解と不整集合を精製する異なる局所最適化法を比較する。 第三に、三角点の不確かさを、カメラの数、平均再投影誤差、最大パララックス角の3つの要素の関数としてモデル化する。
  論文  参考訳（メタデータ） (2020-08-04T00:47:42Z)
• PrimiTect: Fast Continuous Hough Voting for Primitive Detection [49.72425950418304]
  本手法は点を平面や円錐などの異なる幾何学的プリミティブに分類し,データのコンパクトな表現につながる。 我々は、プリミティブの局所的で低次元のパラメータ化を使用して、ポイントが属するオブジェクトのタイプ、形状、ポーズを決定する。 これにより、ロボットアプリケーションでしばしば必要とされるように、計算能力の低いデバイス上での動作に適したアルゴリズムが実現されます。
  論文  参考訳（メタデータ） (2020-05-15T10:16:07Z)
• Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled Representation [57.11299763566534]
  空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。 我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。 アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
  論文  参考訳（メタデータ） (2020-04-05T12:52:29Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。