Fugu-MT 論文翻訳(概要): Robust Camera-to-Mocap Calibration and Verification for Large-Scale Multi-Camera Data Capture

論文の概要: Robust Camera-to-Mocap Calibration and Verification for Large-Scale Multi-Camera Data Capture

arxiv url: http://arxiv.org/abs/2604.22118v1
Date: Thu, 23 Apr 2026 23:37:00 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-27 15:36:26.290678
Title: Robust Camera-to-Mocap Calibration and Verification for Large-Scale Multi-Camera Data Capture
Title（参考訳）: 大規模マルチカメラデータキャプチャのロバストカメラ対モック校正と検証
Authors: Tianyi Liu, Christopher Twigg, Patrick Grady, Kevin Harris, Shangchen Han, Kun He,
Abstract要約: 魚眼カメラの校正・検証システムについて述べる。 lollypopは、キャリブレーションデータから完全に独立した測定チェーンを通じて、高速で演算子に依存しない評価を提供する。システムは運用データ収集パイプラインにデプロイされている。
参考スコア（独自算出の注目度）: 18.22576487999375
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Optical motion capture (mocap) systems are widely used for ground-truth capture in AR/VR, SLAM and robotics datasets. These datasets require extrinsic calibration to align mocap coordinates to external camera frames -- a step that is subject to multiple sources of error in practice, and failures often go undetected until they corrupt downstream data. These issues are compounded for fisheye cameras, where spatially non-uniform distortion makes both calibration and verification more challenging. We present a calibration and verification system designed for this setting. Concretely, we target robustness to board-to-marker attachment variation, optimization initialization ambiguity, and session-to-session calibration drift after deployment. The calibration jointly estimates camera extrinsics and the board-to-marker transform, and uses a staged solver to improve convergence reliability under ambiguous initialization. The verification component, \lollypop, provides fast, operator-independent assessment through a measurement chain entirely independent of the calibration data. In experiments on a Meta Quest 3 headset with fisheye cameras, our calibration outperforms existing benchwork, and lollypop reliably detects calibration degradation over time. The system has been deployed in production data collection pipelines.
Abstract（参考訳）: 光モーションキャプチャ(mocap)システムは、AR/VR、SLAM、ロボティクスのデータセットにおいて、グラウンドトルースキャプチャーに広く使われている。これらのデータセットは、モカプ座標を外部カメラフレームに合わせるために、外部のキャリブレーションを必要とする。これらの問題は、空間的に一様でない歪みによって校正と検証がより困難になる魚眼カメラに複合されている。この設定のために設計された校正・検証システムを提案する。具体的には,ボード・ツー・マーカーのアタッチメントの変動,最適化初期化のあいまいさ,セッション・ツー・セッションのキャリブレーションドリフトに対するロバスト性を目標とする。キャリブレーションは、カメラの外部特性とボード・ツー・マーカー変換を共同で推定し、段階分解器を用いて、曖昧な初期化下での収束信頼性を向上させる。検証コンポーネントである‘lollypop’は、キャリブレーションデータとは独立な測定チェーンを通じて、高速で演算子に依存しない評価を提供する。魚眼カメラを搭載したMeta Quest 3ヘッドセットの実験では、私たちのキャリブレーションは既存のベンチワークよりも優れており、ロリーポップは時間とともにキャリブレーションの劣化を確実に検出します。システムは運用データ収集パイプラインにデプロイされている。

関連論文リスト

DST-Calib: A Dual-Path, Self-Supervised, Target-Free LiDAR-Camera Extrinsic Calibration Network [57.22935789233992]
本稿では,オンライン方式で動作するLiDARカメラ外装キャリブレーションネットワークについて紹介する。提案手法は,一般化可能性の観点から既存手法を著しく上回っている。
論文参考訳（メタデータ） (2026-01-03T13:57:01Z)
UniCal: Unified Neural Sensor Calibration [32.7372115947273]
自動運転車(SDV)には、LiDARとカメラの正確な校正が必要である。従来のキャリブレーション手法では、制御され構造化されたシーンでキャプチャされたフィデューシャルを利用し、処理を最適化するために対応を計算する。我々は、複数のLiDARとカメラを備えたSDVを強制的に校正する統合フレームワークUniCalを提案する。
論文参考訳（メタデータ） (2024-09-27T17:56:04Z)
A re-calibration method for object detection with multi-modal alignment bias in autonomous driving [6.672552664633057]
自律走行における多モード物体検出は、異なるセンサからの補完情報を融合させることにより、大きなブレークスルーを達成した。 LiDARやカメラなどのセンサーとの融合の校正は、以前の研究で常に正確であるはずだった。実際には、キャリブレーション行列は車両が工場を出る際に固定されるが、機械的振動、道路の隆起、データラグはキャリブレーションバイアスを引き起こす可能性がある。
論文参考訳（メタデータ） (2024-05-27T05:46:37Z)
W-HMR: Monocular Human Mesh Recovery in World Space with Weak-Supervised Calibration [57.37135310143126]
モノクロ画像からの3次元運動回復のための従来の手法は、カメラ座標に依存するため、しばしば不足する。 W-HMRは、身体の歪み情報に基づいて「適切な」焦点長を予測する弱教師付き校正法である。また,世界空間における可視的再構築のために,身体の向きを補正する OrientCorrect モジュールを提案する。
論文参考訳（メタデータ） (2023-11-29T09:02:07Z)
E-Calib: A Fast, Robust and Accurate Calibration Toolbox for Event Cameras [18.54225086007182]
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)
Learning Adaptive Warping for Real-World Rolling Shutter Correction [52.45689075940234]
本稿では,実世界のローリングシャッター(RS)補正データセットであるBS-RSCと,歪みビデオ中のRSフレームを補正するための対応するモデルを提案する。ビデオキャプチャ用のCMOSベースのセンサを備えたコンシューマ市場のモバイルデバイスは、ビデオ取得プロセス中に相対的な動きが発生した場合、ローリングシャッター効果をもたらすことが多い。
論文参考訳（メタデータ） (2022-04-29T05:13:50Z)
Continuous-Time Spatiotemporal Calibration of a Rolling Shutter Camera---IMU System [8.201100713224003]
シャッター(RS)機構は、スマートフォンや自動運転車に不可欠な、コンシューマグレードのカメラで広く使用されている。この研究は、カメラ-IMUシステムを例に挙げ、その時間的キャリブレーションにおけるRS効果を考察する。
論文参考訳（メタデータ） (2021-08-16T16:09:22Z)
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)
Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文参考訳（メタデータ） (2021-01-12T12:02:26Z)
Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文参考訳（メタデータ） (2020-05-24T10:32:49Z)

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。