https://vik.wiki/api.php?action=feedcontributions&feedformat=atom&user=Kaulics+Bence 2026-05-06T04:57:12Z Felhasználó közreműködései MediaWiki 1.43.8 https://vik.wiki/index.php?title=Sz%C3%A1m%C3%ADt%C3%B3g%C3%A9pes_l%C3%A1t%C3%B3rendszerek_-_Ellen%C5%91rz%C5%91_k%C3%A9rd%C3%A9sek:_Kameramodellek,_kalibr%C3%A1ci%C3%B3&diff=186084 2015-06-03T22:31:30Z

<p>Kaulics Bence: /* Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit! */</p> <hr /> <div>{{Vissza|Számítógépes látórendszerek}}<br /> <br /> == Ismertesse a pinhole kameramodellt! (Rajz, egyenletek, paraméterek, mátrixok) ==<br /> [http://www.cse.iitd.ernet.in/~suban/vision/geometry/node3.html]<br /> [http://www.cse.iitd.ernet.in/~suban/vision/geometry/node4.html]<br /> (A ''Kameramodell, kalibráció'' diasoron van még némileg több is.)<br /> <br /> == Mutassa be a 3D markeres kalibráció elvét és lépéseit! ==<br /> ===Elve=== <br /> Van egy 3D objektumunk, azon előre ismert markerek. A markerek képét akarjuk meghatározni. <br /> ===Lépései===<br /> #Markerek megkeresése<br /> ##Sarokdetektálással <br /> #P meghatározása (projekciós mátrix)<br /> #A, R, t meghatározása (külső-belső paraméterek)<br /> #Becslések finomítása<br /> <br /> == Ismertesse a sakktáblás kalibráció elvét és lépéseit! ==<br /> <br /> Elve: gyakran nincsen 3D kalibrációs objektum,ekkor 2D objektumot használunk. &lt;br/&gt;Ismert számú sakktáblaszerűen elhelyezkedő markerünk van. Az egymástól mért távolságuk is ismert.<br /> <br /> Lépései: <br /> *Sarokdetektálás<br /> **Mivel nincs 3D információnk a markerekről P mátrix nem határozható meg egyértelműen.<br /> *Homográfia (H mátrix meghatározása DLT- vel)<br /> *Kameramátrix meghatározása<br /> *Torzítások figyelembevétele<br /> <br /> == Hogyan lehet a kamerák torzítását figyelembe venni a kalibráció során? ==<br /> <br /> Csak a radiális torzítást vesszük figyelembe, mert általában ez a domináns.<br /> <br /> (A diasorban leírt képlet magyarázata [http://en.wikipedia.org/wiki/Distortion_(optics)#Software_correction itt található.])<br /> <br /> == Hogyan néz ki a sztereó elrendezés? Mi az esszenciális és a fundamentális mátrix? ==<br /> <br /> == Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit! ==<br /> <br /> == Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit!==<br /> '''Felhasználási lehetőségek''':&lt;br&gt;<br /> Kalibráció, 2D/3D alakfelismerés<br /> <br /> '''Lépései''':&lt;br&gt;<br /> kiindulás: sok pontpárunk van <br /> #Véletlen 7/8 pontpár halmazok kiválasztása<br /> #7/8 pontos kalibráció elvégzése minden halmazra<br /> #Megnézni, hogy hány pontpár illeszkedik kis hibával az adott fundamentális mátrixra<br /> #A legjobb kiválasztása<br /> <br /> '''Előnyök''':&lt;br&gt;<br /> #Egyszerű<br /> #50%-nál nagyobb arányú outlier esetén is működik<br /> #Zajos esetben is jól használható, ekkora mértékű zaj esetén az LS becslés teljesen csődöt mond<br /> <br /> '''Hátrányok''':&lt;br&gt;<br /> #Nem garantált, hogy megtalálja a jó megoldást!<br /> #Nagyon lassú tud lenni!</div>

Kaulics Bence https://vik.wiki/index.php?title=Sz%C3%A1m%C3%ADt%C3%B3g%C3%A9pes_l%C3%A1t%C3%B3rendszerek_-_Ellen%C5%91rz%C5%91_k%C3%A9rd%C3%A9sek:_Kameramodellek,_kalibr%C3%A1ci%C3%B3&diff=186083 2015-06-03T22:23:57Z

<p>Kaulics Bence: /* Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit! */</p> <hr /> <div>{{Vissza|Számítógépes látórendszerek}}<br /> <br /> == Ismertesse a pinhole kameramodellt! (Rajz, egyenletek, paraméterek, mátrixok) ==<br /> [http://www.cse.iitd.ernet.in/~suban/vision/geometry/node3.html]<br /> [http://www.cse.iitd.ernet.in/~suban/vision/geometry/node4.html]<br /> (A ''Kameramodell, kalibráció'' diasoron van még némileg több is.)<br /> <br /> == Mutassa be a 3D markeres kalibráció elvét és lépéseit! ==<br /> ===Elve=== <br /> Van egy 3D objektumunk, azon előre ismert markerek. A markerek képét akarjuk meghatározni. <br /> ===Lépései===<br /> #Markerek megkeresése<br /> ##Sarokdetektálással <br /> #P meghatározása (projekciós mátrix)<br /> #A, R, t meghatározása (külső-belső paraméterek)<br /> #Becslések finomítása<br /> <br /> == Ismertesse a sakktáblás kalibráció elvét és lépéseit! ==<br /> <br /> Elve: gyakran nincsen 3D kalibrációs objektum,ekkor 2D objektumot használunk. &lt;br/&gt;Ismert számú sakktáblaszerűen elhelyezkedő markerünk van. Az egymástól mért távolságuk is ismert.<br /> <br /> Lépései: <br /> *Sarokdetektálás<br /> **Mivel nincs 3D információnk a markerekről P mátrix nem határozható meg egyértelműen.<br /> *Homográfia (H mátrix meghatározása DLT- vel)<br /> *Kameramátrix meghatározása<br /> *Torzítások figyelembevétele<br /> <br /> == Hogyan lehet a kamerák torzítását figyelembe venni a kalibráció során? ==<br /> <br /> Csak a radiális torzítást vesszük figyelembe, mert általában ez a domináns.<br /> <br /> (A diasorban leírt képlet magyarázata [http://en.wikipedia.org/wiki/Distortion_(optics)#Software_correction itt található.])<br /> <br /> == Hogyan néz ki a sztereó elrendezés? Mi az esszenciális és a fundamentális mátrix? ==<br /> <br /> == Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit! ==<br /> <br /> == Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit!==<br /> '''Felhasználási lehetőségek''':&lt;br&gt;<br /> Kalibrációra és sok egyéb paraméterillesztési feladatra használható.<br /> <br /> '''Lépései''':&lt;br&gt;<br /> kiindulás: sok pontpárunk van <br /> #Véletlen 7/8 pontpár halmazok kiválasztása<br /> #7/8 pontos kalibráció elvégzése minden halmazra<br /> #Megnézni, hogy hány pontpár illeszkedik kis hibával az adott fundamentális mátrixra<br /> #A legjobb kiválasztása<br /> <br /> '''Előnyök''':&lt;br&gt;<br /> #Egyszerű<br /> #50%-nál nagyobb arányú outlier esetén is működik<br /> #Zajos esetben is jól használható, ekkora mértékű zaj esetén az LS becslés teljesen csődöt mond<br /> <br /> '''Hátrányok''':&lt;br&gt;<br /> #Nem garantált, hogy megtalálja a jó megoldást!<br /> #Nagyon lassú tud lenni!</div>

Kaulics Bence