論文の概要: The Influence of Autofocus Lenses in the Camera Calibration Process
- arxiv url: http://arxiv.org/abs/2402.04686v1
- Date: Wed, 7 Feb 2024 09:20:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 16:04:08.614363
- Title: The Influence of Autofocus Lenses in the Camera Calibration Process
- Title（参考訳）: カメラ校正過程におけるオートフォーカスレンズの影響
- Authors: Carlos Ricolfe-Viala, Alicia Esparza
- Abstract要約: カメラキャリブレーションプロセスは、データのセットをピンホールモデルに調整することで構成される。
ピンホールモデルは焦点を考慮した場合、カメラの挙動を正確に表現しない。
距離依存焦点距離を持つピンホールモデルを提案し, キャリブレーション法を大幅に改善した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Camera calibration is a crucial step in robotics and computer vision.
Accurate camera parameters are necessary to achieve robust applications.
Nowadays, camera calibration process consists of adjusting a set of data to a
pin-hole model, assuming that with a reprojection error close to cero, camera
parameters are correct. Since all camera parameters are unknown, computed
results are considered true. However, the pin-hole model does not represent the
camera behavior accurately if the focus is considered. Real cameras change the
focal length slightly to obtain sharp objects in the image and this feature
skews the calibration result if a unique pin-hole model is computed with a
constant focal length. In this paper, a deep analysis of the camera calibration
process is done to detect and strengthen its weaknesses. The camera is mounted
in a robot arm to known extrinsic camera parameters with accuracy and to be
able to compare computed results with the true ones. Based on the bias that
exist between computed results and the true ones, a modification of the widely
accepted camera calibration method using images of a planar template is
presented. A pin-hole model with distance dependent focal length is proposed to
improve the calibration process substantially
- Abstract（参考訳）: カメラのキャリブレーションは、ロボットとコンピュータビジョンにとって重要なステップだ。
堅牢なアプリケーションを実現するには正確なカメラパラメータが必要である。
今日では、カメラキャリブレーションプロセスは、セロに近い再投影誤差でカメラパラメータが正しいと仮定して、一連のデータをピンホールモデルに調整することで構成されている。
全てのカメラパラメータが未知であるため、計算結果は真と考えられる。
しかし、ピンホールモデルは焦点を考慮した場合、カメラの挙動を正確に表現しない。
実写カメラは焦点距離をわずかに変えて画像中の鋭い物体を得るが、一意なピンホールモデルが一定の焦点距離で計算された場合、この特徴はキャリブレーション結果を歪める。
本稿では,カメラキャリブレーションプロセスの深い解析を行い,その弱点を検出し,強化する。
カメラはロボットアームに装着され、外部カメラパラメータを正確に把握し、計算結果と実際のパラメータを比較することができる。
計算結果と真の結果との間に存在するバイアスに基づいて、平面テンプレートの画像を用いた広く受け入れられるカメラキャリブレーション方法の修正を提案する。
距離依存焦点長ピンホールモデルを提案し,キャリブレーションプロセスを大幅に改善した。
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) - E-Calib: A Fast, Robust and Accurate Calibration Toolbox for Event
Cameras [34.71767308204867]
E-Calibは、イベントカメラの新しい、高速で、堅牢で、正確なキャリブレーションツールボックスである。
提案手法は,様々なイベントカメラモデルに対する様々な厳密な実験で検証される。
論文 参考訳（メタデータ） (2023-06-15T12:16:38Z) - 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) - An Adaptive Method for Camera Attribution under Complex Radial
Distortion Corrections [77.34726150561087]
インカメラまたはインカメラソフトウェア/アサートウェアは、PRNUベースのカメラ属性を妨げるために、画像の支持グリッドを変更する。
この問題に対処する既存のソリューションは、計算負荷を抑制するために、数変数でパラメータ化された半径変換を用いて補正を反転/推定しようとする。
本稿では,Adobe Lightroom, Photoshop, Gimp, PT-Lensといったサードパーティ製ソフトウェアが適用したような高度な補正を,同心円に分割することで実現する適応アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-28T08:44:00Z) - Extrinsic Camera Calibration with Semantic Segmentation [60.330549990863624]
本稿では,セグメンテーション情報を利用してパラメータ推定を自動化する,外部カメラキャリブレーション手法を提案する。
われわれのアプローチは、カメラのポーズの粗い初期測定と、車両に搭載されたライダーセンサーによる構築に依存している。
シミュレーションおよび実世界のデータを用いて,キャリブレーション結果の低誤差測定を行う。
論文 参考訳（メタデータ） (2022-08-08T07:25:03Z) - 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) - BabelCalib: A Universal Approach to Calibrating Central Cameras [24.662262051346087]
既存のキャリブレーション方式は、時々大規模な視野カメラでは失敗する。
本稿では,後方投射モデルを用いてパラメータを校正し,対象前方モデルに対するパラメータを回帰する解法を提案する。
これらのステップは、外部検出に対処する堅牢な推定フレームワークに組み込まれる。
論文 参考訳（メタデータ） (2021-09-20T17:21:57Z) - Self-Calibrating Neural Radiance Fields [68.64327335620708]
キャリブレーション対象のないシーンの幾何学と正確なカメラパラメータを共同で学習する。
我々のカメラモデルは、ピンホールモデル、第4次ラジアル歪み、および任意の非線形カメラ歪みを学習可能な汎用ノイズモデルで構成されている。
論文 参考訳（メタデータ） (2021-08-31T13:34:28Z) - 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) - Infrastructure-based Multi-Camera Calibration using Radial Projections [117.22654577367246]
パターンベースのキャリブレーション技術は、カメラの内在を個別にキャリブレーションするために使用することができる。
Infrastucture-based calibration techniqueはSLAMやStructure-from-Motionで事前に構築した3Dマップを用いて外部情報を推定することができる。
本稿では,インフラストラクチャベースのアプローチを用いて,マルチカメラシステムをスクラッチから完全にキャリブレーションすることを提案する。
論文 参考訳（メタデータ） (2020-07-30T09:21:04Z) - 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。