Fugu-MT 論文翻訳(概要): Automatic Reproducible Camera Intrinsic Calibration

論文の概要: Automatic Reproducible Camera Intrinsic Calibration

arxiv url: http://arxiv.org/abs/2609.10082v1
Date: Wed, 09 Sep 2026 12:05:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:09.009736
Title: Automatic Reproducible Camera Intrinsic Calibration
Title（参考訳）: 自動再生可能なカメラ固有の校正
Abstract要約: 本稿では,収集したデータから両方を決定する完全自動固有キャリブレーションパイプラインを提案する。われわれのカメラデータと5つの公開実世界のデータセットによる実験は、画像フィルタリングが保持された再投影エラーを25%削減することを示している。
参考スコア（独自算出の注目度）: 0.19036571490366502
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Accurate camera intrinsic calibration is fundamental to robot perception, and the accuracy depends on the quality of the collected images. However, existing target-based calibration methods often require the practitioner to manually filter out high-quality images and to specify an appropriate radial distortion order. This paper presents a fully automatic intrinsic calibration pipeline that determines both from the collected data. We adopt an iterative rejection scheme that estimates parameters on a candidate image set and removes views whose mean residual exceeds a multiple of the median. Crucially, this process runs independently under each candidate distortion order, so that the retained image set is consistent with the residual scale of that order. Further, the distortion order is selected on held-out images, with the intrinsics and distortion fixed and only the board pose re-estimated, ensuring that an added coefficient is supported by independent observations. Finally, we integrate both steps into an interactive calibration tool that supports full-pipeline data inspection and parameter estimation. Experiments on our own camera data and five public real-world datasets show that image filtering reduces the held-out reprojection error by 25\%, the order selection further by 5\%, achieving the lowest held-out mean among four compared configurations without manual image selection. We will release the code and data to facilitate future research.
Abstract（参考訳）: 正確なカメラ固有のキャリブレーションはロボットの知覚に基本的であり、精度は収集画像の品質に依存する。しかし、既存のターゲットベースキャリブレーション手法では、手動で高品質な画像をフィルタリングし、適切な半径歪み順序を指定する必要があることが多い。本稿では,収集したデータから両方を決定する完全自動固有キャリブレーションパイプラインを提案する。我々は、候補画像集合上のパラメータを推定し、平均残差が中央値の倍数を超えるビューを除去する反復的拒絶方式を採用する。重要なことに、このプロセスは各候補の歪み順序の下で独立に実行されるので、保持された画像集合はその順序の残留スケールと一致している。さらに、内在性及び歪みが固定され、基板のみが再推定され、補正係数が独立観測により支持されることを保証した保持画像上で歪み順序が選択される。最後に、全パイプラインデータ検査とパラメータ推定をサポートする対話型キャリブレーションツールに、両方のステップを統合する。我々のカメラデータと5つの公開実世界のデータセットによる実験により、手動による画像選択を伴わない4つの比較構成の中で、画像フィルタリングは保持された再投影誤差を25 %削減し、注文選択をさらに5 %減らし、最低保持平均を達成した。今後の研究を促進するため、コードとデータを公開します。

関連論文リスト

CalibFree: Self-Supervised View Feature Separation for Calibration-Free Multi-Camera Multi-Object Tracking [50.354685761416484]
CalibFreeは、MCMOTタスクのキャリブレーションや手動ラベリングを必要としない自己教師型表現学習フレームワークである。 MMP-MvMHATデータセットの実験では、全体の精度が3%向上し、最先端のアプローチよりも平均F1スコアが7.5%向上した。
論文参考訳（メタデータ） (2026-05-10T01:04:12Z)
Robust Camera-to-Mocap Calibration and Verification for Large-Scale Multi-Camera Data Capture [18.22576487999375]
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。
論文参考訳（メタデータ） (2026-04-23T23:37:00Z)
Single-Scanline Relative Pose Estimation for Rolling Shutter Cameras [56.39904484784127]
本稿では,ラインプロジェクションの交差点と1枚の走査線を用いて,ローリングシャッターカメラ間の相対的なポーズを推定する手法を提案する。あるいは、単一の画像内でスキャニングラインを選択することができ、ローリングシャッターカメラのスキャニングラインに対するシングルビュー相対ポーズ推定を可能にする。
論文参考訳（メタデータ） (2025-06-27T10:00:21Z)
CalibRefine: Deep Learning-Based Online Automatic Targetless LiDAR-Camera Calibration with Iterative and Attention-Driven Post-Refinement [7.736775961390864]
CalibRefineは完全に自動化され、ターゲットレス、オンラインキャリブレーションフレームワークである。生のLiDAR点雲とカメラ画像を直接処理する。以上の結果から,頑健なオブジェクトレベルの特徴マッチングと反復的改善と自己監督的注意に基づく改善が組み合わさって,信頼性の高いセンサアライメントを実現することが示唆された。
論文参考訳（メタデータ） (2025-02-24T20:53:42Z)
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)
EdgeCalib: Multi-Frame Weighted Edge Features for Automatic Targetless LiDAR-Camera Calibration [15.057994140880373]
実世界のシナリオにおけるLiDARとカメラの自動校正のためのエッジベースのアプローチを提案する。エッジ機能は、様々な環境で広く使われているが、画像と点雲の両方に並び、外在パラメータを決定する。その結果, 最先端回転精度は0.086deg, 翻訳精度は0.977cmであり, 既存のエッジベースキャリブレーション法よりも精度とロバスト性が高いことがわかった。
論文参考訳（メタデータ） (2023-10-25T13:27:56Z)
Degradation-agnostic Correspondence from Resolution-asymmetric Stereo [96.03964515969652]
テレワイドカメラシステムで取得した解像度の異なる2枚の画像からステレオマッチングの問題を考察する。特徴量整合性という画像空間の代わりに特徴空間に2つのビュー間の整合性を課すことを提案する。測光損失をトレーニングしたステレオマッチングネットワークは最適ではないが, 特徴抽出器は劣化に依存しない, マッチング特有の特徴を生成できる。
論文参考訳（メタデータ） (2022-04-04T12:24:34Z)
Self-Supervised Camera Self-Calibration from Video [34.35533943247917]
汎用カメラモデルの効率的なファミリーを用いてシーケンスごとのキャリブレーションパラメータを回帰する学習アルゴリズムを提案する。提案手法は,サブピクセル再投射誤差による自己校正を行い,他の学習手法よりも優れる。
論文参考訳（メタデータ） (2021-12-06T19:42:05Z)
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)
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)
Self-Calibration Supported Robust Projective Structure-from-Motion [80.15392629310507]
本稿では,自己校正制約によってマッチングプロセスが支持される統合されたStructure-from-Motion (SfM)法を提案する。これらの制約を利用して,ロバストなマルチビューマッチングと正確なカメラキャリブレーションを示す実験結果を示す。
論文参考訳（メタデータ） (2020-07-04T08:47:10Z)

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。