論文の概要: A Note on Geometric Calibration of Multiple Cameras and Projectors

• arxiv url: http://arxiv.org/abs/2410.18511v1
• Date: Thu, 24 Oct 2024 07:54:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 12:50:05.655825
• Title: A Note on Geometric Calibration of Multiple Cameras and Projectors
• Title（参考訳）: 複数のカメラとプロジェクタの幾何学的校正に関する一考察
• Authors: Tomislav Petkovic, Simone Gasparini, Tomislav Pribanic,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.693200946453174
• License:
• Abstract: Geometric calibration of cameras and projectors is an essential step that must be performed before any imaging system can be used. There are many well-known geometric calibration methods for calibrating systems comprised of multiple cameras, but simultaneous geometric calibration of multiple projectors and cameras has received less attention. This leaves unresolved several practical issues which must be considered to achieve the simplicity of use required for real world applications. In this work we discuss several important components of a real-world geometric calibration procedure used in our laboratory to calibrate surface imaging systems comprised of many projectors and cameras. We specifically discuss the design of the calibration object and the image processing pipeline used to analyze it in the acquired images. We also provide quantitative calibration results in the form of reprojection errors and compare them to the classic approaches such as Zhang's calibration method.
• Abstract（参考訳）: カメラとプロジェクターの幾何学的キャリブレーションは、撮像システムを使用する前に行う必要がある重要なステップである。 複数のカメラからなるシステムの校正には幾何的校正法がよく知られているが、複数のプロジェクタとカメラの同時幾何校正法はあまり注目されていない。 このことは、現実のアプリケーションに必要な使用の単純さを達成するために考慮しなければならないいくつかの実践的な問題を未解決のまま残している。 本研究では,多数のプロジェクタとカメラからなる表面イメージングシステムのキャリブレーションを行うために,実験室で使用される実世界の幾何キャリブレーション手法の重要コンポーネントについて検討する。 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。 また、再射誤差の形で定量的な校正結果を提供し、張校正法のような古典的手法と比較する。

関連論文リスト

• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• 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)
• Online Marker-free Extrinsic Camera Calibration using Person Keypoint Detections [25.393382192511716]
  本稿では,複数のスマートエッジセンサの外部校正のためのマーカーレスオンライン手法を提案する。 本手法では,固有カメラパラメータを推定し,カメラのポーズの粗い初期推定値でプライマーを推定する。 本手法による校正は,オフライン手法による基準校正よりも低い再投影誤差が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-15T15:54:21Z)
• A Deep Perceptual Measure for Lens and Camera Calibration [35.03926427249506]
  従来のマルチイメージキャリブレーション法の代わりに,単一画像から直接カメラキャリブレーションパラメータを推定することを提案する。 大規模なパノラマデータセットから自動的に生成されたサンプルを用いて、このネットワークをトレーニングする。 そこで我々は, カメラキャリブレーションパラメータを補正した3次元物体のリアリズムの判断を参加者に依頼した。
  論文  参考訳（メタデータ） (2022-08-25T18:40:45Z)
• 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)
• Camera Calibration with Pose Guidance [1.0152838128195465]
  カメラキャリブレーションは、自動運転や拡張現実など、さまざまなコンピュータビジョンタスクで重要な役割を果たします。 Pose Guidanceと呼ばれるキャリブレーションシステムを提案し、キャリブレーションの精度を向上させ、異なるユーザー間のキャリブレーションのばらつきを減らしたり、同じ人の異なる試験を行います。
  論文  参考訳（メタデータ） (2021-02-19T23:23:54Z)
• 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)
• 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)
• Blur Aware Calibration of Multi-Focus Plenoptic Camera [7.57024681220677]
  本稿では, 原画像のみを用いた多焦点Plenoptic Camera (Cs) の新しい校正アルゴリズムを提案する。 ぼやけた情報を考慮して,Blur Aware Plenoptic (BAP) 機能を提案する。 キャリブレーション法の有効性を定量的および定性的実験により検証した。
  論文  参考訳（メタデータ） (2020-04-16T16:29:34Z)
• 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)
• Redesigning SLAM for Arbitrary Multi-Camera Systems [51.81798192085111]
  SLAMシステムにより多くのカメラを追加することで、堅牢性と精度が向上するが、視覚的なフロントエンドの設計は大幅に複雑になる。 本研究では,任意のマルチカメラ装置で動作する適応SLAMシステムを提案する。 これらの修正を応用した最先端の視覚慣性計測装置を試作し, 改良したパイプラインが広い範囲のカメラ装置に適応可能であることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2020-03-04T11:44:42Z)

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。