論文の概要: Generic Calibration: Pose Ambiguity/Linear Solution and Parametric-hybrid Pipeline

• arxiv url: http://arxiv.org/abs/2508.07217v1
• Date: Sun, 10 Aug 2025 07:36:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.760066
• Title: Generic Calibration: Pose Ambiguity/Linear Solution and Parametric-hybrid Pipeline
• Title（参考訳）: ジェネリックキャリブレーション - Pose Ambiguity/Linear Solutionとパラメトリックハイブリッドパイプライン
• Authors: Yuqi Han, Qi Cai, Yuanxin Wu,
• Abstract要約: 本稿では,一般的なキャリブレーション法におけるポーズ解のあいまいさを明らかにする。 汎用モデルとパラメトリックモデルを統合するために,グローバル最適化ハイブリッドキャリブレーション手法を導入した。 シミュレーションおよび実世界の実験結果から、汎用パラメトリックハイブリッドキャリブレーション法は、様々なレンズタイプとノイズ汚染に対して一貫して優れることが示された。
• 参考スコア（独自算出の注目度）: 18.23955853642985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Offline camera calibration techniques typically employ parametric or generic camera models. Selecting parametric models relies heavily on user experience, and an inappropriate camera model can significantly affect calibration accuracy. Meanwhile, generic calibration methods involve complex procedures and cannot provide traditional intrinsic parameters. This paper reveals a pose ambiguity in the pose solutions of generic calibration methods that irreversibly impacts subsequent pose estimation. A linear solver and a nonlinear optimization are proposed to address this ambiguity issue. Then a global optimization hybrid calibration method is introduced to integrate generic and parametric models together, which improves extrinsic parameter accuracy of generic calibration and mitigates overfitting and numerical instability in parametric calibration. Simulation and real-world experimental results demonstrate that the generic-parametric hybrid calibration method consistently excels across various lens types and noise contamination, hopefully serving as a reliable and accurate solution for camera calibration in complex scenarios.
• Abstract（参考訳）: オフラインカメラキャリブレーション技術は通常パラメトリックまたはジェネリックカメラモデルを使用する。 パラメトリックモデルの選択はユーザエクスペリエンスに大きく依存しており、不適切なカメラモデルはキャリブレーション精度に大きな影響を与える可能性がある。 一方、一般的なキャリブレーション法は複雑な手順を伴い、従来の固有パラメータを提供できない。 本稿では、その後のポーズ推定に不可逆的に影響を及ぼすような一般的なキャリブレーション手法のポーズ解におけるポーズのあいまいさを明らかにする。 この曖昧性問題に対処するために線形解法と非線形最適化を提案する。 そこで,大域的最適化ハイブリッドキャリブレーション手法を導入し,一般的なキャリブレーションの外部パラメータ精度を改善し,パラメトリックキャリブレーションにおける過度な適合と数値不安定を緩和する。 シミュレーションおよび実世界の実験結果から、汎用パラメトリックハイブリッドキャリブレーション法は、様々なレンズタイプやノイズ汚染に対して一貫して優れており、複雑なシナリオにおけるカメラキャリブレーションの信頼性と正確な解決法として役立つことが示されている。

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)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Inferring bias and uncertainty in camera calibration [2.11622808613962]
  本稿では,カメラキャリブレーションにおける基本的な誤差源を捉えるための評価手法を提案する。 バイアス検出法は,最小の系統誤差を明らかにし,校正装置の欠陥を明らかにする。 再サンプリングに基づく新しい不確実性推定器は,非理想的条件下での不確実性推定を可能にする。 カメラモデルに依存しない単純な不確実性指標を導出する。
  論文  参考訳（メタデータ） (2021-07-28T16:49:39Z)
• 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)
• CRLF: Automatic Calibration and Refinement based on Line Feature for LiDAR and Camera in Road Scenes [16.201111055979453]
  道路シーンにおけるライダーとカメラの遠距離パラメータを校正する新しい手法を提案する。 道路の車線やポールなどの静的な直線形状の物体を画像と点群の両方で線状化します。 KITTIと社内データセットに関する広範な実験を行い、定量的および定性的な結果は、当社の方法の堅牢性と正確性を示しています。
  論文  参考訳（メタデータ） (2021-03-08T06:02:44Z)
• Localized Calibration: Metrics and Recalibration [133.07044916594361]
  完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。 次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
  論文  参考訳（メタデータ） (2021-02-22T07:22:12Z)
• 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)
• Uncertainty Quantification and Deep Ensembles [79.4957965474334]
  ディープアンサンブルが必ずしもキャリブレーション特性の改善につながるとは限らないことを示す。 そこで本研究では,混成正規化などの現代的な手法と併用して標準アンサンブル法を用いることで,キャリブレーションの少ないモデルが得られることを示す。 このテキストは、データが不足しているときにディープラーニングを活用するために、最も単純で一般的な3つのアプローチの相互作用を調べる。
  論文  参考訳（メタデータ） (2020-07-17T07:32:24Z)
• Unsupervised Calibration under Covariate Shift [92.02278658443166]
  ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。 実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
  論文  参考訳（メタデータ） (2020-06-29T21:50:07Z)

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。