論文の概要: A Reliable Online Method for Joint Estimation of Focal Length and Camera Rotation

• arxiv url: http://arxiv.org/abs/2207.12934v1
• Date: Tue, 26 Jul 2022 14:39:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-27 12:53:12.259777
• Title: A Reliable Online Method for Joint Estimation of Focal Length and Camera Rotation
• Title（参考訳）: 焦点長とカメラ回転の同時推定のための信頼性の高いオンライン手法
• Authors: Yiming Qian, James H. Elder
• Abstract要約: 構築された環境の規則性から導かれる線形視点は、本質的なカメラパラメータと外生的なカメラパラメータの両方をオンラインで再分類するために使用できる。 しかし、これらの推定はシーンの不規則、線分推定の不確実性、背景乱れなどにより信頼性が低い。 ここでは、4つのイニシアチブを通じてこの課題に対処する。
• 参考スコア（独自算出の注目度）: 18.78057492899129
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Linear perspectivecues deriving from regularities of the built environment can be used to recalibrate both intrinsic and extrinsic camera parameters online, but these estimates can be unreliable due to irregularities in the scene, uncertainties in line segment estimation and background clutter. Here we address this challenge through four initiatives. First, we use the PanoContext panoramic image dataset [27] to curate a novel and realistic dataset of planar projections over a broad range of scenes, focal lengths and camera poses. Second, we use this novel dataset and the YorkUrbanDB [4] to systematically evaluate the linear perspective deviation measures frequently found in the literature and show that the choice of deviation measure and likelihood model has a huge impact on reliability. Third, we use these findings to create a novel system for online camera calibration we call fR, and show that it outperforms the prior state of the art, substantially reducing error in estimated camera rotation and focal length. Our fourth contribution is a novel and efficient approach to estimating uncertainty that can dramatically improve online reliability for performance-critical applications by strategically selecting which frames to use for recalibration.
• Abstract（参考訳）: 建設環境の規則性から導かれる線形視点は,本質的なカメラパラメータと外生的なカメラパラメータの両方をオンラインで再分類するために利用することができるが,これらの推定は,シーンの不規則,線分推定の不確実性,背景乱れなどにより信頼性が低い。 ここでは、この課題を4つのイニシアティブを通じて解決する。 まず、panocontextパノラマ画像データセット[27]を使用して、広範囲のシーン、焦点距離、カメラポーズにわたる平面投影の斬新で現実的なデータセットをキュレーションします。 第二に、この新たなデータセットと YorkUrbanDB [4] を用いて、文献でよく見られる線形視点偏差尺度を体系的に評価し、偏差測度と確率モデルの選択が信頼性に大きな影響を与えることを示す。 第3に,これらの知見を用いてオンラインカメラキャリブレーションシステムfrを作成し,先行技術よりも優れており,推定カメラ回転と焦点距離の誤差を大幅に低減できることを示した。 第4のコントリビューションは、リカレーションに使用するフレームを戦略的に選択することで、パフォーマンスクリティカルなアプリケーションのオンライン信頼性を劇的に向上する不確実性を推定するための、新しく効率的なアプローチです。

関連論文リスト

• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• A Robust Anchor-based Method for Multi-Camera Pedestrian Localization [10.85161106611766]
  視覚に基づく歩行者位置推定は、画像とカメラパラメータを用いて歩行者の位置を推定する。 キャリブレーションされた カメラのパラメータは しばしば 真実から逸脱する ローカライゼーションの不正確さに 繋がる 固定位置アンカーを利用してカメラパラメータの誤差の影響を低減するアンカー方式を提案する。
  論文  参考訳（メタデータ） (2024-10-25T05:26:22Z)
• RobustCalib: Robust Lidar-Camera Extrinsic Calibration with Consistency Learning [42.90987864456673]
  LiDARカメラ外部推定の現在の手法は、オフラインの目標と人間の努力に依存している。 本稿では,外因性キャリブレーション問題に頑健で自動的で単発的な方法で対処する新しい手法を提案する。 我々は,異なるデータセットの総合的な実験を行い,本手法が正確かつ堅牢な性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-12-02T09:29:50Z)
• P2O-Calib: Camera-LiDAR Calibration Using Point-Pair Spatial Occlusion Relationship [1.6921147361216515]
  本研究では,3次元空間における閉塞関係を用いた2次元3次元エッジポイント抽出に基づく新たなターゲットレスキャリブレーション手法を提案する。 本手法は,高画質カメラ-LiDARキャリブレーションによる実用的応用に寄与する,低誤差かつ高ロバスト性を実現する。
  論文  参考訳（メタデータ） (2023-11-04T14:32:55Z)
• Probabilistic-based Feature Embedding of 4-D Light Fields for Compressive Imaging and Denoising [62.347491141163225]
  4次元光電場(LF)は、効率的で効果的な機能埋め込みを実現する上で大きな課題となる。 様々な低次元畳み込みパターンを組み立てることで特徴埋め込みアーキテクチャを学習する確率論的特徴埋め込み(PFE)を提案する。 実世界および合成4次元LF画像において,本手法の有意な優位性を実証した。
  論文  参考訳（メタデータ） (2023-06-15T03:46:40Z)
• Few-shot Non-line-of-sight Imaging with Signal-surface Collaborative Regularization [18.466941045530408]
  非視線イメージング技術は、多重反射光からターゲットを再構成することを目的としている。 最小限の測定回数でノイズロバストを再現する信号表面の協調正規化フレームワークを提案する。 我々のアプローチは、救助活動や自律運転といったリアルタイム非視線画像アプリケーションにおいて大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2022-11-21T11:19:20Z)
• Illumination-Invariant Active Camera Relocalization for Fine-Grained Change Detection in the Wild [12.104718944788141]
  本稿では,照度不変の能動カメラ再位置推定法について検討し,相対的なポーズ推定とスケール推定の両方を改善する。 画像ワープ誤差を最小限に抑え,各ACRの絶対スケールを求める線形システムを構築した。 我々の研究は、実世界の文化的遺産のきめ細かい変化監視タスクの実現可能性を大幅に拡大します。
  論文  参考訳（メタデータ） (2022-04-13T18:00:55Z)
• The Probabilistic Normal Epipolar Constraint for Frame-To-Frame Rotation Optimization under Uncertain Feature Positions [53.478856119297284]
  特徴位置における異方性および不均一性を考慮した確率論的正規極性制約(PNEC)を導入する。 合成データの実験において、新しいPNECは元のNECよりも正確な回転推定値が得られることを示した。 我々は,提案手法を最先端のモノクロ回転専用オドメトリーシステムに統合し,実世界のKITTIデータセットに対して一貫した改良を行った。
  論文  参考訳（メタデータ） (2022-04-05T14:47:11Z)
• Self-Supervised Multi-Frame Monocular Scene Flow [61.588808225321735]
  自己監督学習に基づくマルチフレーム一眼的シーンフローネットワークを導入。 自己監督学習に基づく単眼的シーンフロー法における最新の精度を観察する。
  論文  参考訳（メタデータ） (2021-05-05T17:49:55Z)
• Deep Bingham Networks: Dealing with Uncertainty and Ambiguity in Pose Estimation [74.76155168705975]
  Deep Bingham Networks (DBN)は、3Dデータに関するほぼすべての実生活アプリケーションで発生するポーズ関連の不確実性と曖昧性を扱うことができる。 DBNは、(i)異なる分布モードを生成できる多仮説予測ヘッドにより、アートダイレクトポーズ回帰ネットワークの状態を拡張する。 トレーニング中のモードや後方崩壊を回避し,数値安定性を向上させるための新しいトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-20T19:20:26Z)
• Privacy Preserving Recalibration under Domain Shift [119.21243107946555]
  本稿では,差分プライバシー制約下での校正問題の性質を抽象化する枠組みを提案する。 また、新しいリカレーションアルゴリズム、精度温度スケーリングを設計し、プライベートデータセットの事前処理より優れています。
  論文  参考訳（メタデータ） (2020-08-21T18:43:37Z)

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。