論文の概要: Three-view Focal Length Recovery From Homographies

• arxiv url: http://arxiv.org/abs/2501.07499v1
• Date: Mon, 13 Jan 2025 17:17:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:24:01.857597
• Title: Three-view Focal Length Recovery From Homographies
• Title（参考訳）: ホログラフィーからの3次元焦点長復元
• Authors: Yaqing Ding, Viktor Kocur, Zuzana Berger Haladová, Qianliang Wu, Shen Cai, Jian Yang, Zuzana Kukelova,
• Abstract要約: 本稿では,3次元ホモグラフから焦点距離を復元する手法を提案する。 2つのホモグラフ間の正規ベクトルの整合性を調べることによって、焦点距離とホモグラフの間の新しい明示的な制約を導出する。 3次元ホモグラフは1つか2つの焦点距離の回復を可能にする2つの制約を与えることを示した。
• 参考スコア（独自算出の注目度）: 27.694441903879934
• License:
• Abstract: In this paper, we propose a novel approach for recovering focal lengths from three-view homographies. By examining the consistency of normal vectors between two homographies, we derive new explicit constraints between the focal lengths and homographies using an elimination technique. We demonstrate that three-view homographies provide two additional constraints, enabling the recovery of one or two focal lengths. We discuss four possible cases, including three cameras having an unknown equal focal length, three cameras having two different unknown focal lengths, three cameras where one focal length is known, and the other two cameras have equal or different unknown focal lengths. All the problems can be converted into solving polynomials in one or two unknowns, which can be efficiently solved using Sturm sequence or hidden variable technique. Evaluation using both synthetic and real data shows that the proposed solvers are both faster and more accurate than methods relying on existing two-view solvers. The code and data are available on https://github.com/kocurvik/hf
• Abstract（参考訳）: 本稿では,3次元ホモグラフから焦点距離を復元する手法を提案する。 2つのホモグラフ間の正規ベクトルの整合性を調べることにより、焦点長とホモグラフの間の新しい明示的な制約を除去法を用いて導出する。 3次元ホモグラフは1つか2つの焦点距離の回復を可能にする2つの制約を与えることを示した。 同一焦点長の異なる3台のカメラ、2台の異なる焦点長の異なる3台のカメラ、1台の焦点長の異なる3台のカメラ、および残りの2台のカメラは同一または異なる焦点長の3台のカメラを含む4つのケースについて論じる。 全ての問題は1つまたは2つの未知の多項式に変換することができ、ストゥルム列や隠れ変数技法を用いて効率的に解ける。 合成データと実データの両方を用いて評価した結果,提案手法は既存の2視点解法に依拠する手法よりも高速かつ高精度であることが示唆された。 コードとデータはhttps://github.com/kocurvik/hfで公開されている。

関連論文リスト

• Spatiotemporal Multi-Camera Calibration using Freely Moving People [32.288669810272864]
  マルチビュー動画における移動自由度を用いたマルチカメラキャリブレーション手法を提案する。 我々は、時間外時空間の棚から得られた3D人間のポーズを用いて、それらを単位球上の3Dポイントに変換する。 我々は、時間データの整合と対応の確立という両問題を共同で解決する確率論的アプローチを採用する。
  論文  参考訳（メタデータ） (2025-02-18T05:15:52Z)
• Fixing the Scale and Shift in Monocular Depth For Camera Pose Estimation [47.68705641608316]
  本稿では,2つのカメラ間の相対的なポーズを,関連する単眼深度に対応する点対応から推定する新しい枠組みを提案する。 2台の校正カメラ, 2台の未校正カメラ, 2台の未校正カメラ, 2台の未校正カメラ, 3台の未校正カメラ, 3台の非校正カメラ, 3台の非校正カメラの焦点長を比較検討した。 従来の研究と比較すると、我々の解法は2つの大規模な実世界のデータセットに対して最先端の結果が得られる。
  論文  参考訳（メタデータ） (2025-01-13T23:13:33Z)
• Relative pose of three calibrated and partially calibrated cameras from four points using virtual correspondences [56.44647186049448]
  3台のカメラの相対的なポーズを推定する際の課題について検討する。 我々のソリューションは、2つのビューで1つまたは2つの仮想点対応を生成するという単純なアイデアに基づいている。
  論文  参考訳（メタデータ） (2023-03-28T15:50:48Z)
• Monocular 3D Object Detection with Depth from Motion [74.29588921594853]
  我々は、正確な物体深度推定と検出にカメラエゴモーションを利用する。 我々のフレームワークはDfM(Depth from Motion)と呼ばれ、2D画像の特徴を3D空間に持ち上げて3Dオブジェクトを検出する。 我々のフレームワークは、KITTIベンチマークにおいて最先端の手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2022-07-26T15:48:46Z)
• Multi-Event-Camera Depth Estimation and Outlier Rejection by Refocused Events Fusion [14.15744053080529]
  イベントカメラはバイオインスパイアされたセンサーで、従来のカメラよりも有利だ。 SLAMにおけるイベントベースステレオ3D再構成の課題に対処する。 我々は融合理論を開発し、それをマルチカメラ3D再構成アルゴリズムの設計に適用する。
  論文  参考訳（メタデータ） (2022-07-21T14:19:39Z)
• Aliasing is your Ally: End-to-End Super-Resolution from Raw Image Bursts [70.80220990106467]
  本発表では,空間と時間に若干異なる視点から撮影された複数の低解像度スナップショットから高分解能画像を再構成する問題に対処する。 この問題を解決するための主な課題は、(i)入力画像とサブピクセル精度の整合性、(ii)ネイティブカメラデータに対する最大限の忠実性のための生(ノイズ)画像の扱い、(iii)タスクに適した画像事前(正規化器)を設計・学習することである。
  論文  参考訳（メタデータ） (2021-04-13T13:39:43Z)
• DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
  DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。 本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。 登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
  論文  参考訳（メタデータ） (2021-04-08T04:27:32Z)
• 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)
• Du$^2$Net: Learning Depth Estimation from Dual-Cameras and Dual-Pixels [16.797169907541164]
  本稿では,デュアルカメラのステレオとデュアルピクセルセンサのステレオを組み合わせた深度推定のためのニューラルネットワークに基づく新しいアプローチを提案する。 我々のネットワークは、2つの情報ソースを融合するために新しいアーキテクチャを使用し、純粋な双眼鏡ステレオマッチングの限界を克服することができる。
  論文  参考訳（メタデータ） (2020-03-31T15:39:43Z)

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。