論文の概要: AP$n$P: A Less-constrained P$n$P Solver for Pose Estimation with Unknown
Anisotropic Scaling or Focal Lengths
- arxiv url: http://arxiv.org/abs/2310.09982v3
- Date: Thu, 9 Nov 2023 15:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-10 17:33:15.179574
- Title: AP$n$P: A Less-constrained P$n$P Solver for Pose Estimation with Unknown
Anisotropic Scaling or Focal Lengths
- Title(参考訳): AP$n$P:未知の異方性スケーリングまたは焦点長を用いた詩推定のための低制約P$n$Pソルバー
- Authors: Jiaxin Wei, Stefan Leutenegger and Laurent Kneip
- Abstract要約: Perspective-$n$-Point (P$n$P) は、様々なアプリケーションにおける推定の基本的なアルゴリズムである。
緩和制約を伴うP$n問題に対して, 正確な3次元座標を不要とした新しいアプローチを提案する。
- 参考スコア(独自算出の注目度): 29.6666848546598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Perspective-$n$-Point (P$n$P) stands as a fundamental algorithm for pose
estimation in various applications. In this paper, we present a new approach to
the P$n$P problem with relaxed constraints, eliminating the need for precise 3D
coordinates or complete calibration data. We refer to it as AP$n$P due to its
ability to handle unknown anisotropic scaling factors of 3D coordinates or
alternatively two distinct focal lengths in addition to the conventional rigid
transformation. Through algebraic manipulations and a novel parametrization,
both cases are brought into similar forms that distinguish themselves primarily
by the order of a rotation and an anisotropic scaling operation. AP$n$P then
boils down to one unique polynomial problem, which is solved by the Gr\"obner
basis approach. Experimental results on both simulated and real datasets
demonstrate the effectiveness of AP$n$P as a more flexible and practical
solution to camera pose estimation. Code: https://github.com/goldoak/APnP.
- Abstract(参考訳): perspective-$n$-point (p$n$p) は様々な応用におけるポーズ推定の基本的なアルゴリズムである。
本稿では,P$n$P問題に対して,制約を緩和し,正確な3次元座標や完全校正データを必要としない新しいアプローチを提案する。
我々は3d座標の未知の異方性スケーリング係数や、従来の剛体変換に加えて2つの異なる焦点長を扱うことができるため、ap$n$pと呼ぶ。
代数的操作と新しいパラメトリゼーションにより、どちらのケースも、回転の順序と異方性スケーリング操作によって自身を区別する類似の形式に変換される。
AP$n$P は、Gr\ "obner basis approach" によって解かれる一意多項式問題に沸騰する。
シミュレーションと実データの両方の実験結果から,AP$n$Pがカメラポーズ推定のより柔軟で実用的な解であることを示す。
コード:https://github.com/goldoak/APnP。
関連論文リスト
- Shuffled Autoregression For Motion Interpolation [53.61556200049156]
この作業は、モーションタスクのためのディープラーニングソリューションを提供することを目的としている。
本稿では,自己回帰を任意の(シャッフルされた)順序で生成するために拡張する,emphShuffled AutoRegressionと呼ばれる新しいフレームワークを提案する。
また,3つのステージを終端から終端の時空間運動変換器に組み込んだ依存グラフの構築手法を提案する。
論文 参考訳(メタデータ) (2023-06-10T07:14:59Z) - CPnP: Consistent Pose Estimator for Perspective-n-Point Problem with
Bias Elimination [5.4234575866087384]
バイアス除去を用いた一貫した解法emphCを提案する。
閉形式最小二乗解が得られた部分トラクションバイアスを解析する。
合成データと実画像の両方でテストしたところ,提案した推定器は,濃密な視覚的特徴を持つ画像に対して,よく知られた推定器よりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-09-13T09:00:58Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳(メタデータ) (2021-07-08T15:19:36Z) - SNARF: Differentiable Forward Skinning for Animating Non-Rigid Neural
Implicit Shapes [117.76767853430243]
SNARFは多角形メッシュに対する線形ブレンドスキンの利点とニューラル暗黙表面の利点を組み合わせたものである。
反復ルート探索を用いて任意の変形点のすべての正準対応を探索するフォワードスキンモデルを提案する。
最先端のニューラルネットワークの暗黙的表現と比較すると,このアプローチは,精度を維持しつつ,未認識のポーズを一般化する。
論文 参考訳(メタデータ) (2021-04-08T17:54:59Z) - 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) - A scaling hypothesis for projected entangled-pair states [0.0]
本稿では,強い相関関係を持つシステムに対して,射影絡み合ったペア状態(PEPS)でシミュレーションをスケールするための新しいパラダイムを提案する。
データポイントの崩壊を誘導するために有効相関長$chi$,$f(D,chi)=f(xi(D,chi))$,$D$の任意の値と環境結合次元$chi$を使用する。
本研究では, 臨界3次元二量体モデル, 3次元古典イジングモデル, 2次元量子ハイゼンベルクモデルに関する仮説を検証した。
論文 参考訳(メタデータ) (2021-02-05T12:48:01Z) - Relative Pose Estimation of Calibrated Cameras with Known
$\mathrm{SE}(3)$ Invariants [65.2314683780204]
既知の$mathrmSE(3)$不変量で制約されたカメラの相対ポーズ推定問題について完全な研究を行う。
これらの問題は、相対的なポーズ推定のための点対の最小数を減少させる。
合成データと実データを用いた実験では,従来の相対ポーズ推定法と比較して性能が向上した。
論文 参考訳(メタデータ) (2020-07-15T13:55:55Z) - PnP-Net: A hybrid Perspective-n-Point Network [2.66512000865131]
本稿では、ディープラーニングとモデルベースアルゴリズムを組み合わせたハイブリッドアプローチを用いて、ロバストなパースペクティブ・n・ポイント問題を考察する。
計算量の少ない合成パラメータと実世界のデータの両方を実証する。
論文 参考訳(メタデータ) (2020-03-10T10:43:14Z) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳(メタデータ) (2020-02-24T14:13:29Z) - Curvature Regularized Surface Reconstruction from Point Cloud [4.389913383268497]
曲率制約を伴って暗黙的表面を点雲データから再構成する変動関数と高速アルゴリズムを提案する。
提案手法は雑音に反し,曲率制約のないモデルと比較して,凹凸の特徴や鋭い角を回復する。
論文 参考訳(メタデータ) (2020-01-22T05:34:40Z)
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。