論文の概要: Directionally Decomposing Structured Light for Projector Calibration
- arxiv url: http://arxiv.org/abs/2110.03924v1
- Date: Fri, 8 Oct 2021 06:44:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 16:55:02.481146
- Title: Directionally Decomposing Structured Light for Projector Calibration
- Title（参考訳）: プロジェクタキャリブレーションのための方向分解構造光
- Authors: Masatoki Sugimoto, Daisuke Iwai, Koki Ishida, Parinya Punpongsanon,
Kosuke Sato
- Abstract要約: プロジェクションマッピング(PM)の適用においては、固有のプロジェクターキャリブレーションが不可欠である。
本稿では、プロジェクターレンズの前方に最小限の作業量を必要とする実用的校正装置を提案する。
従来の手法と同じ精度で焦点距離と開口径の異なるプロジェクターをキャリブレーションできることを実証した。
- 参考スコア（独自算出の注目度）: 22.062182997296805
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intrinsic projector calibration is essential in projection mapping (PM)
applications, especially in dynamic PM. However, due to the shallow
depth-of-field (DOF) of a projector, more work is needed to ensure accurate
calibration. We aim to estimate the intrinsic parameters of a projector while
avoiding the limitation of shallow DOF. As the core of our technique, we
present a practical calibration device that requires a minimal working volume
directly in front of the projector lens regardless of the projector's focusing
distance and aperture size. The device consists of a flat-bed scanner and
pinhole-array masks. For calibration, a projector projects a series of
structured light patterns in the device. The pinholes directionally decompose
the structured light, and only the projected rays that pass through the
pinholes hit the scanner plane. For each pinhole, we extract a ray passing
through the optical center of the projector. Consequently, we regard the
projector as a pinhole projector that projects the extracted rays only, and we
calibrate the projector by applying the standard camera calibration technique,
which assumes a pinhole camera model. Using a proof-of-concept prototype, we
demonstrate that our technique can calibrate projectors with different focusing
distances and aperture sizes at the same accuracy as a conventional method.
Finally, we confirm that our technique can provide intrinsic parameters
accurate enough for a dynamic PM application, even when a projector is placed
too far from a projection target for a conventional method to calibrate the
projector using a fiducial object of reasonable size.
- Abstract（参考訳）: 固有プロジェクターキャリブレーションはプロジェクションマッピング(PM)への応用、特に動的PMには不可欠である。
しかし、プロジェクターの深度(DOF)が浅いため、正確な校正を行うにはより多くの作業が必要である。
我々は、浅いdofの制限を避けつつ、プロジェクタの固有パラメータを推定することを目的としている。
提案手法のコアとして,プロジェクタの焦点距離や開口径に関わらず,プロジェクタレンズの前方に最小限の作業量を必要とする実用的なキャリブレーション装置を提案する。
デバイスはフラットベッドスキャナとピンホールアレイマスクで構成されている。
キャリブレーションのために、プロジェクターはデバイスに一連の構造化された光パターンを投影する。
ピンホールは構造された光を方向的に分解し、ピンホールを通過する投影された光だけがスキャナー面に衝突した。
各ピンホールに対して、プロジェクターの光中心を通る光線を抽出する。
その結果、プロジェクターを抽出した光線のみを投影するピンホールプロジェクターとみなし、ピンホールカメラモデルを想定した標準的なカメラキャリブレーション技術を適用して、プロジェクターを校正する。
本手法は,概念実証プロトタイプを用いて,従来の手法と同じ精度で焦点距離と開口径の異なるプロジェクタを校正できることを実証する。
最後に,従来のプロジェクターではプロジェクターがプロジェクターから遠すぎる場合であっても,プロジェクターが妥当な大きさのフィデューシャルオブジェクトを用いてプロジェクターをキャリブレーションする場合に,動的PMアプリケーションに十分な精度で固有パラメータを提供できることを確認した。
関連論文リスト
- A Note on Geometric Calibration of Multiple Cameras and Projectors [1.693200946453174]
実験室で使用される実世界の幾何的校正手順の重要な要素について論じる。
具体的には、キャリブレーションオブジェクトの設計と、取得した画像でそれを分析するために使用される画像処理パイプラインについて論じる。
論文 参考訳（メタデータ） (2024-10-24T07:54:49Z) - RETINA: a hardware-in-the-loop optical facility with reduced optical aberrations [0.0]
視覚に基づくナビゲーションアルゴリズムは、低コストで汎用的なセンサーで軌道上の宇宙船の状態を決定する効果的な解決策として自らを確立している。
実験室で軌道環境をエミュレートするために、専用のシミュレーションフレームワークを開発する必要がある。
本稿では,RETINAと呼ばれる低収差光学設備の設計について述べる。
論文 参考訳（メタデータ） (2024-07-02T11:26:37Z) - CompenHR: Efficient Full Compensation for High-resolution Projector [68.42060996280064]
プロジェクター補償はプロジェクターカメラシステムの実用的なタスクである。
プロジェクター入力画像、名前付き補償画像を見つけることを目的としており、プロジェクターが投影されると幾何学的および測光的歪みがキャンセルされる。
最先端の手法では、ディープラーニングを使ってこの問題に対処し、低解像度のセットアップで有望なパフォーマンスを示す。
しかし、ディープラーニングを高精細なセットアップに直接適用することは、長いトレーニング時間と高いメモリコストのために現実的ではない。
論文 参考訳（メタデータ） (2023-11-22T14:13:27Z) - Neural Projection Mapping Using Reflectance Fields [11.74757574153076]
我々は、プロジェクターを神経反射場に導入し、プロジェクターを校正し、リアルな光編集を行う。
私たちのニューラルネットワークは3つのニューラルネットワークで構成されています。
ニューラルプロジェクションマッピングは、シーンとプロジェクションイメージの共同最適化を通じて、新規でエキサイティングな下流タスクへの扉を開くと信じている。
論文 参考訳（メタデータ） (2023-06-11T05:33:10Z) - Cutting Voxel Projector a New Approach to Construct 3D Cone Beam CT Operator [0.10923877073891444]
我々は3次元コーンビームトモグラフィ再構成のための新しいプロジェクターのクラスを導入する。
本手法は, ボクセルの局所改質を可能にし, 適応格子分解能と再構成品質の向上を実現する。
その結果, カットボクセルプロジェクターはTTプロジェクターよりも精度が高く, 特にコーンビーム角が大きいことが判明した。
論文 参考訳（メタデータ） (2021-10-19T10:54:01Z) - 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) - GMLight: Lighting Estimation via Geometric Distribution Approximation [86.95367898017358]
本稿では,効率的な照明推定のための回帰ネットワークと生成プロジェクタを用いた照明推定フレームワークを提案する。
幾何学的な光の分布、光強度、周囲条件、および補助深さの点から照明シーンをパラメータ化し、純粋な回帰タスクとして推定します。
推定照明パラメータを用いて、生成プロジェクタはパノラマ照明マップを現実的な外観と周波数で合成する。
論文 参考訳（メタデータ） (2021-02-20T03:31:52Z) - SPAA: Stealthy Projector-based Adversarial Attacks on Deep Image
Classifiers [82.19722134082645]
本稿では,ステルスプロジェクタを用いた対向攻撃を提案する。
PCNetというディープニューラルネットワークを用いて実際のプロジェクトとキャプチャ操作を推定します。
実験の結果,SPAAは高い攻撃成功率を達成し,他の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-12-10T18:14:03Z) - End-to-end Full Projector Compensation [81.19324259967742]
完全なプロジェクター補償は、プロジェクター入力画像を変更して、プロジェクター表面の幾何学的および測光的乱れを補償することを目的としている。
本稿では,この2つの問題を共同で解くために,CompenNeSt++というエンド・ツー・エンドの微分可能な最初のソリューションを提案する。
論文 参考訳（メタデータ） (2020-07-30T18:23:52Z) - DeProCams: Simultaneous Relighting, Compensation and Shape
Reconstruction for Projector-Camera Systems [91.45207885902786]
本稿では,ProCamsの測光および幾何学的マッピングを学習するために,DeProCamsという新しいエンドツーエンドトレーニングモデルを提案する。
DeProCamsは、プロジェクターカメライメージマッピングを、シェーディング属性推定、粗い直接光推定、フォトリアリスティックなニューラルレンダリングの3つのサブプロセスに明示的に分解する。
私たちの実験では、DeProCamsは、期待できる品質と完全に差別化可能な従来の芸術よりも明確な優位性を示している。
論文 参考訳（メタデータ） (2020-03-06T05:49:16Z)
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。