論文の概要: Creating Realistic Ground Truth Data for the Evaluation of Calibration
Methods for Plenoptic and Conventional Cameras
- arxiv url: http://arxiv.org/abs/2203.04661v1
- Date: Wed, 9 Mar 2022 11:58:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-10 16:11:27.763054
- Title: Creating Realistic Ground Truth Data for the Evaluation of Calibration
Methods for Plenoptic and Conventional Cameras
- Title（参考訳）: プレンオプティクスおよび従来型カメラの校正法評価のための現実的地上真理データの作成
- Authors: Tim Michels, Arne Petersen and Reinhard Koch
- Abstract要約: カメラキャリブレーション手法の有意義な評価は、現実的な合成データの可用性に依存する。
現実的な地上真実データを生成するために,後方レイトレーシングに基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 0.9668407688201357
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Camera calibration methods usually consist of capturing images of known
calibration patterns and using the detected correspondences to optimize the
parameters of the assumed camera model. A meaningful evaluation of these
methods relies on the availability of realistic synthetic data. In previous
works concerned with conventional cameras the synthetic data was mainly created
by rendering perfect images with a pinhole camera and subsequently adding
distortions and aberrations to the renderings and correspondences according to
the assumed camera model. This method can bias the evaluation since not every
camera perfectly complies with an assumed model. Furthermore, in the field of
plenoptic camera calibration there is no synthetic ground truth data available
at all. We address these problems by proposing a method based on backward ray
tracing to create realistic ground truth data that can be used for an unbiased
evaluation of calibration methods for both types of cameras.
- Abstract（参考訳）: カメラキャリブレーション法は通常、既知のキャリブレーションパターンの画像を取得し、検出された対応を使って推定されたカメラモデルのパラメータを最適化する。
これらの手法の有意義な評価は、現実的な合成データの可用性に依存する。
従来の一般的なカメラに関する研究では、合成データはピンホールカメラで完璧な画像をレンダリングし、その後、想定されたカメラモデルに従ってレンダリングや対応に歪みや収差を加えることで作成された。
この方法は、全てのカメラが仮定されたモデルに完全に準拠するわけではないため、評価をバイアスすることができる。
さらに、光学カメラキャリブレーションの分野では、合成地上真実データが全く利用できない。
両タイプのカメラのキャリブレーション手法の偏りのない評価に使用できるリアルな地上真理データを作成するために,後方方向のレイトレーシングに基づく手法を提案することで,これらの問題に対処する。
関連論文リスト
- Single-image camera calibration with model-free distortion correction [0.0]
本稿では,センサ全体をカバーする平面スペックルパターンの単一画像から,キャリブレーションパラメータの完全な集合を推定する方法を提案する。
デジタル画像相関を用いて校正対象の画像点と物理点との対応を求める。
プロシージャの最後には、画像全体にわたって、密度が高く均一なモデルフリーな歪みマップが得られる。
論文 参考訳（メタデータ） (2024-03-02T16:51:35Z) - Cameras as Rays: Pose Estimation via Ray Diffusion [54.098613859015856]
カメラのポーズを推定することは3D再構成の基本的な課題であり、まばらにサンプリングされたビューを考えると依然として困難である。
本稿では,カメラを光束として扱うカメラポーズの分散表現を提案する。
提案手法は回帰法と拡散法の両方で,CO3Dのカメラポーズ推定における最先端性能を示す。
論文 参考訳（メタデータ） (2024-02-22T18:59:56Z) - The Drunkard's Odometry: Estimating Camera Motion in Deforming Scenes [79.00228778543553]
このデータセットは、3Dシーンの中で地上の真実を語る最初の大規模なカメラ軌道である。
リアルな3Dビルディングのシミュレーションでは、膨大な量のデータと地上の真実のラベルが得られます。
本稿では,光学的フロー推定を剛体カメラ運動に分解するDrunkard's Odometryと呼ばれる,変形可能な新しいオドメトリー法を提案する。
論文 参考訳（メタデータ） (2023-06-29T13:09:31Z) - 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) - Self-Supervised Camera Self-Calibration from Video [34.35533943247917]
汎用カメラモデルの効率的なファミリーを用いてシーケンスごとのキャリブレーションパラメータを回帰する学習アルゴリズムを提案する。
提案手法は,サブピクセル再投射誤差による自己校正を行い,他の学習手法よりも優れる。
論文 参考訳（メタデータ） (2021-12-06T19:42:05Z) - Rethinking Generic Camera Models for Deep Single Image Camera
Calibration to Recover Rotation and Fisheye Distortion [8.877834897951578]
本稿では,様々な歪みに対処可能な汎用カメラモデルを提案する。
提案手法は,市販の魚眼カメラで撮影した2つの大規模データセットと画像に対して,従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2021-11-25T05:58:23Z) - 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) - Wide-angle Image Rectification: A Survey [86.36118799330802]
広角画像は、基礎となるピンホールカメラモデルに反する歪みを含む。
これらの歪みを補正することを目的とした画像修正は、これらの問題を解決することができる。
本稿では、異なるアプローチで使用されるカメラモデルについて、詳細な説明と議論を行う。
次に,従来の幾何学に基づく画像修正手法と深層学習法の両方について検討する。
論文 参考訳（メタデータ） (2020-10-30T17:28:40Z) - 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)
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。