論文の概要: Camera Calibration Using Inaccurate and Asynchronous Discrete GPS Trajectory from Drones
- arxiv url: http://arxiv.org/abs/2608.26548v1
- Date: Thu, 27 Aug 2026 02:39:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.218415
- Title: Camera Calibration Using Inaccurate and Asynchronous Discrete GPS Trajectory from Drones
- Title（参考訳）: ドローンからの不正確な非同期離散GPS軌道を用いたカメラキャリブレーション
- Abstract要約: カメラキャリブレーションにおける地平線としてGPSトラジェクトリを使用する上での課題は3つある。
GPSデータの高度は、未知のバイアスで不正確である。
GPSの軌道は時間差があり、正確さが必要である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper considers a stationary camera calibration problem, which estimates the camera orientation angles yaw, pitch and roll, using a drone trajectory recorded by a GPS. There are three challenges in using a GPS trajectory as ground truth for camera calibration. One, the altitude of GPS data is inaccurate with an unknown bias. Two, the GPS receiver and camera are not time synchronized, and there is an unknown time offset between the two systems. Three, the GPS trajectory is time-discrete and accurate interpolation is needed. This is actually an estimation problem since velocity is also needed. To address the first two challenges, we formulate the problem as a parameter estimation problem to estimate a vector consisting of the GPS altitude bias and time offset in addition to the camera yaw, pitch and roll biases. We then develop a special maximum likelihood estimator using the Iterated Least Squares algorithm which can work with a non-synchronized time-discrete GPS trajectory for the third challenge. Since the camera measurement errors are usually small, this requires a high calibration accuracy so that the residual bias error following the calibration should not be significant compared to the measurement error standard deviation. The calibration accuracy depends highly on the drone trajectory. This paper also recommends an appropriate drone trajectory which can yield a good calibration accuracy, namely, 14\% of the measurement error standard deviation. Simulation tests are conducted to demonstrate the algorithm performance. The estimation results meet the Cramer-Rao Lower Bound (CRLB) since the Normalized Estimation Error Squared w.r.t.\ the CRLB is statistically acceptable.
- Abstract（参考訳）: 本稿では、GPSで記録されたドローン軌道を用いて、カメラの向きをヨー、ピッチ、ロールで推定する静止カメラキャリブレーション問題について考察する。
カメラキャリブレーションにおける地平線としてGPSトラジェクトリを使用する上での課題は3つある。
ひとつは、GPSデータの高度が未知のバイアスで不正確なことだ。
2つ目は、GPS受信機とカメラは時間同期されておらず、2つのシステムの間には未定のタイムオフセットがある。
3つ目に、GPS軌道は時間差があり、正確な補間が必要である。
これは、速度も必要であるため、実際は推定問題である。
最初の2つの課題に対処するために、カメラヨー、ピッチ、ロールバイアスに加えて、GPS高度バイアスとタイムオフセットからなるベクトルを推定するパラメータ推定問題として問題を定式化する。
次に、同期しない時間離散GPSトラジェクトリで動作可能な反復最小二乗アルゴリズムを用いて、特殊極大推定器を開発する。
カメラ測定誤差は通常小さいため、キャリブレーション後の残差誤差が測定誤差標準偏差よりも大きくならないように、高いキャリブレーション精度を必要とする。
キャリブレーションの精度は、ドローンの軌道に大きく依存する。
また,測定誤差標準偏差の14倍の校正精度が得られる適切なドローン軌道も提案する。
シミュレーションテストを行い,アルゴリズムの性能を実証した。
CRLBは統計的に許容される正規化推定誤差(英語版)w.r.t.\であるため、推定結果はクラマー・ラオ下界(CRLB)に適合する。
関連論文リスト
- A Height-Constrained 2-Point Minimal Solver for Pose Estimation from Active LED Markers with Event Cameras [51.7262911415172]
本研究では,モーションキャプチャシステムから実世界のデータを集めるイベントベースアクティブマーカーシステムを開発した。
合成データと実データの両方の実験では、最先端のP2Pソルバよりも精度が向上した。
論文 参考訳（メタデータ） (2026-08-10T12:19:24Z) - Two-Stage Camera Calibration Method for Multi-Camera Systems Using Scene Geometry [52.27010615715154]
本稿では,マルチカメラトラッキングシステムのための2段階キャリブレーション手法を提案する。
第1段階では、自然幾何学的プリミティブの演算子のアノテーションに基づいて、個々のカメラの部分校正を行う。
第2段階では、投影された有効視野のインタラクティブな操作により、正確なシステム校正を行う。
論文 参考訳（メタデータ） (2025-12-04T16:47:39Z) - UniCalib: Targetless LiDAR-Camera Calibration via Probabilistic Flow on Unified Depth Representations [30.56092814783138]
DF-Calibは, キャリブレーションをモード内深さ流量推定問題として再構成するLiDARカメラキャリブレーション法である。
DF-Calibは、カメラ画像から深度マップを推定し、疎LiDAR投影深度マップを完成させる。
本稿では,有効画素を優先する信頼性マップを導入し,深度フロー推定の精度を高めるために,知覚的に重み付けされたスパースフロー損失を提案する。
論文 参考訳（メタデータ） (2025-04-02T07:09:44Z) - Accurate Pose Estimation for Flight Platforms based on Divergent Multi-Aperture Imaging System [8.98211713131741]
視覚に基づくポーズ推定は、飛行プラットフォームの自律的なナビゲーションにおいて重要な役割を果たす。
カメラ限界の視野と空間分解能は推定精度を推定する。
本稿では,広い視野と高空間分解能の同時観測を実現するため,多様なマルチアパーチャイメージングシステムの設計を行う。
論文 参考訳（メタデータ） (2025-02-27T02:51:09Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - Continuous Online Extrinsic Calibration of Fisheye Camera and LiDAR [7.906477322731106]
高レベルの知覚機能を必要とする共通空間参照フレームにカメラとLiDARデータを融合するためには、正確な外部キャリブレーションが必要である。
連続的なオンライン外部キャリブレーションアルゴリズムは、センサーデータのみを使用して、車両の寿命中にカメラ-LiDARキャリブレーションの値を自動更新することができる。
本稿では,一般的な単眼深度推定ネットワークによって提供されるカメラ画像の深度推定と,外部キャリブレーションの最適化指標としてLiDAR点雲の幾何距離の相互情報を用いることを提案する。
論文 参考訳（メタデータ） (2023-06-22T23:16:31Z) - Feature Tracks are not Zero-Mean Gaussian [63.51990384359593]
特徴トラック位置の誤差がゼロ平均ガウスであると考えるのが慣例である。
キャリブレーションされたカメラの内在、地中カメラのポーズ、深度画像の組み合わせにより、画像処理アルゴリズムを用いて抽出した特徴トラックの地中トラック位置を計算することができる。
論文 参考訳（メタデータ） (2023-03-25T00:58:30Z) - TrajMatch: Towards Automatic Spatio-temporal Calibration for Roadside
LiDARs through Trajectory Matching [12.980324010888664]
我々は,道路沿いのLiDARを時間と空間の両方で自動調整できる最初のシステムであるTrajMatchを提案する。
実験の結果,TrajMatchは空間キャリブレーション誤差が10cm未満であり,時間キャリブレーション誤差が1.5ms未満であることがわかった。
論文 参考訳（メタデータ） (2023-02-04T12:27:01Z) - What's Wrong with the Absolute Trajectory Error? [14.533304890042361]
本研究では,再構成されたカメラ軌跡の精度を評価するための代替誤差指標を提案する。
DTE (Disnalible Trajectory Error) と呼ばれる我々の測定値は5段階で計算される。
また、DTEに類似した長所を持つDRE(Disdisernible Rotation Error)という新しい回転誤差指標を提案する。
論文 参考訳（メタデータ） (2022-12-10T23:48:27Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳（メタデータ） (2021-07-08T15:19:36Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳（メタデータ） (2020-02-28T00:24:18Z)
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。