„Számítógépes látórendszerek - Ellenőrző kérdések: Kameramodellek, kalibráció” változatai közötti eltérés
(21 közbenső módosítás, amit 4 másik szerkesztő végzett, nincs mutatva) | |||
2. sor: | 2. sor: | ||
== Ismertesse a pinhole kameramodellt! (Rajz, egyenletek, paraméterek, mátrixok) == | == Ismertesse a pinhole kameramodellt! (Rajz, egyenletek, paraméterek, mátrixok) == | ||
[http://www.cse.iitd.ernet.in/~suban/vision/geometry/node3.html] | |||
[http://www.cse.iitd.ernet.in/~suban/vision/geometry/node4.html] | |||
(A ''Kameramodell, kalibráció'' diasoron van még némileg több is.) | |||
=== Mátrix === | |||
'''Vetítés egyenlete''': <math>x = P \cdot X = A \cdot [R t] \cdot X </math> <br/> | |||
'''A vetítés mátrixa''': <math>P = A \cdot [R t]</math>: <br/> | |||
A vetítés mátrixa felbontható belső és külső paraméterekre. | |||
*'''Külső''':<math>T_{ext} = [R t]</math> - A kamera helyzetétől függenek a világ koordinátarendszerben | |||
*'''Belső''':<math>A</math>: - A kamera paraméterei (kameramátrix) | |||
**Pixelsűrűség (pix/mm) (k,l) | |||
**Fókusztáv (f) | |||
**Skew (Θ) | |||
**Principális pont (px py) | |||
== Mutassa be a 3D markeres kalibráció elvét és lépéseit! == | == Mutassa be a 3D markeres kalibráció elvét és lépéseit! == | ||
===Elve=== | |||
Van egy 3D objektumunk, azon előre ismert markerek. A markerek képét akarjuk meghatározni. | |||
===Lépései=== | |||
Lépései | |||
#Markerek megkeresése | #Markerek megkeresése | ||
##Sarokdetektálással | ##Sarokdetektálással | ||
15. sor: | 27. sor: | ||
== Ismertesse a sakktáblás kalibráció elvét és lépéseit! == | == Ismertesse a sakktáblás kalibráció elvét és lépéseit! == | ||
Elve: gyakran nincsen 3D kalibrációs objektum,ekkor 2D objektumot használunk. <br/>Ismert számú sakktáblaszerűen elhelyezkedő markerünk van. Az egymástól mért távolságuk is ismert. | |||
Lépései: | |||
*Sarokdetektálás | |||
**Mivel nincs 3D információnk a markerekről P mátrix nem határozható meg egyértelműen. | |||
*Homográfia (H mátrix meghatározása DLT- vel) | |||
*Kameramátrix meghatározása | |||
*Torzítások figyelembevétele | |||
== Hogyan lehet a kamerák torzítását figyelembe venni a kalibráció során? == | == Hogyan lehet a kamerák torzítását figyelembe venni a kalibráció során? == | ||
Csak a radiális torzítást vesszük figyelembe, mert általában ez a domináns. | |||
(A diasorban leírt képlet magyarázata [http://en.wikipedia.org/wiki/Distortion_(optics)#Software_correction itt található.]) | |||
== Hogyan néz ki a sztereó elrendezés? Mi az esszenciális és a fundamentális mátrix? == | == Hogyan néz ki a sztereó elrendezés? Mi az esszenciális és a fundamentális mátrix? == | ||
=== Sztereó elrendezés === | |||
==== Alapeleme ==== | |||
Sztereó elrendezés | |||
==== Elrendezés jellemzően ==== | |||
Vízszintes vagy függőleges eltoltás | |||
*'''Vízszintes''': Pontpárok csak vízszintesen vannak eltolva (csak egy irányba kell keresni a pontpárokat) | |||
==== Rektifikáció ==== | |||
Képek elforgatása, hogy csak vízszintesek legyenek az egyes pontpárok. | |||
=== Mátrixok === | |||
'''Fundamentális egyenes''':Azok az egyenesek, amelyek mentén az elmozdulás történik! Nem biztos, hogy a képen is egyenesek (torzítás, stb). | |||
Epipoláris megkötés kalibrált kamerák esetén: | |||
== Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit! == | == Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit! == | ||
=== 7 pontos === | |||
==== Elve ==== | |||
''Fundamentális mátrix'' szinguláris mátrix kell, hogy legyen. Plusz egy megkötés → 7 pont elég | |||
==== Lépések ==== | |||
#DLT módszerrel általános megoldás 2 dimenziós → megoldáshalmaz | |||
#Megoldás alakja: | |||
# <math> det(F) = 0 </math> feltételből a paraméterek számolása | |||
=== 8 pontos === | |||
==== Elve ==== | |||
F szinguláris kell, hogy legyen: 8 pontos módszerrel nem lesz az! | |||
==== Megoldás ==== | |||
#Kiszámoljuk F SVD felbontását | |||
#A legkisebb szinguláris értéket nullára állítjuk | |||
#A kapott F' lesz az F-hez legközelebb lévő szinguláris mátrix | |||
==== Korrigálás ==== | |||
A 8 pontos kalibráció rossz eredményt ad zaj esetén! | |||
Érzékeny a skálára és az origó megválasztására! <br/> | |||
'''Pontok normalizálása''': | |||
*A pontokat úgy toljuk el, hogy az átlaguk pont az origóban legyen! | |||
*A skálafaktort úgy válasszuk meg, hogy a pontok RMS távolsága az origótól pont <math> sqrt(2) </math> legyen. | |||
'''''SOHA NE HASZNÁLJUK A 8 PONTOS ALGORITMUST NORMALIZÁLATLAN PONTOKKAL!!!''''' | |||
== Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit!== | == Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit!== | ||
'''Felhasználási lehetőségek''':<br> | |||
Kalibráció, 2D/3D alakfelismerés | |||
'''Lépései''':<br> | |||
kiindulás: sok pontpárunk van | |||
#Véletlen 7/8 pontpár halmazok kiválasztása | |||
#7/8 pontos kalibráció elvégzése minden halmazra | |||
#Megnézni, hogy hány pontpár illeszkedik kis hibával az adott fundamentális mátrixra | |||
#A legjobb kiválasztása | |||
'''Előnyök''':<br> | |||
#Egyszerű | |||
#50%-nál nagyobb arányú outlier esetén is működik | |||
#Zajos esetben is jól használható, ekkora mértékű zaj esetén az LS becslés teljesen csődöt mond | |||
'''Hátrányok''':<br> | |||
#Nem garantált, hogy megtalálja a jó megoldást! | |||
#Ha szeretnénk biztosra menni, akkor nagyon sok véletlen jelöltet kell állítani: nagyon lassú tud lenni! |
A lap jelenlegi, 2015. június 16., 20:06-kori változata
Ismertesse a pinhole kameramodellt! (Rajz, egyenletek, paraméterek, mátrixok)
[1] [2] (A Kameramodell, kalibráció diasoron van még némileg több is.)
Mátrix
Vetítés egyenlete:
A vetítés mátrixa: :
A vetítés mátrixa felbontható belső és külső paraméterekre.
- Külső: - A kamera helyzetétől függenek a világ koordinátarendszerben
- Belső:: - A kamera paraméterei (kameramátrix)
- Pixelsűrűség (pix/mm) (k,l)
- Fókusztáv (f)
- Skew (Θ)
- Principális pont (px py)
Mutassa be a 3D markeres kalibráció elvét és lépéseit!
Elve
Van egy 3D objektumunk, azon előre ismert markerek. A markerek képét akarjuk meghatározni.
Lépései
- Markerek megkeresése
- Sarokdetektálással
- P meghatározása (projekciós mátrix)
- A, R, t meghatározása (külső-belső paraméterek)
- Becslések finomítása
Ismertesse a sakktáblás kalibráció elvét és lépéseit!
Elve: gyakran nincsen 3D kalibrációs objektum,ekkor 2D objektumot használunk.
Ismert számú sakktáblaszerűen elhelyezkedő markerünk van. Az egymástól mért távolságuk is ismert.
Lépései:
- Sarokdetektálás
- Mivel nincs 3D információnk a markerekről P mátrix nem határozható meg egyértelműen.
- Homográfia (H mátrix meghatározása DLT- vel)
- Kameramátrix meghatározása
- Torzítások figyelembevétele
Hogyan lehet a kamerák torzítását figyelembe venni a kalibráció során?
Csak a radiális torzítást vesszük figyelembe, mert általában ez a domináns.
(A diasorban leírt képlet magyarázata itt található.)
Hogyan néz ki a sztereó elrendezés? Mi az esszenciális és a fundamentális mátrix?
Sztereó elrendezés
Alapeleme
Sztereó elrendezés
Elrendezés jellemzően
Vízszintes vagy függőleges eltoltás
- Vízszintes: Pontpárok csak vízszintesen vannak eltolva (csak egy irányba kell keresni a pontpárokat)
Rektifikáció
Képek elforgatása, hogy csak vízszintesek legyenek az egyes pontpárok.
Mátrixok
Fundamentális egyenes:Azok az egyenesek, amelyek mentén az elmozdulás történik! Nem biztos, hogy a képen is egyenesek (torzítás, stb). Epipoláris megkötés kalibrált kamerák esetén:
Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit!
7 pontos
Elve
Fundamentális mátrix szinguláris mátrix kell, hogy legyen. Plusz egy megkötés → 7 pont elég
Lépések
- DLT módszerrel általános megoldás 2 dimenziós → megoldáshalmaz
- Megoldás alakja:
- feltételből a paraméterek számolása
8 pontos
Elve
F szinguláris kell, hogy legyen: 8 pontos módszerrel nem lesz az!
Megoldás
- Kiszámoljuk F SVD felbontását
- A legkisebb szinguláris értéket nullára állítjuk
- A kapott F' lesz az F-hez legközelebb lévő szinguláris mátrix
Korrigálás
A 8 pontos kalibráció rossz eredményt ad zaj esetén!
Érzékeny a skálára és az origó megválasztására!
Pontok normalizálása:
- A pontokat úgy toljuk el, hogy az átlaguk pont az origóban legyen!
- A skálafaktort úgy válasszuk meg, hogy a pontok RMS távolsága az origótól pont legyen.
SOHA NE HASZNÁLJUK A 8 PONTOS ALGORITMUST NORMALIZÁLATLAN PONTOKKAL!!!
Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit!
Felhasználási lehetőségek:
Kalibráció, 2D/3D alakfelismerés
Lépései:
kiindulás: sok pontpárunk van
- Véletlen 7/8 pontpár halmazok kiválasztása
- 7/8 pontos kalibráció elvégzése minden halmazra
- Megnézni, hogy hány pontpár illeszkedik kis hibával az adott fundamentális mátrixra
- A legjobb kiválasztása
Előnyök:
- Egyszerű
- 50%-nál nagyobb arányú outlier esetén is működik
- Zajos esetben is jól használható, ekkora mértékű zaj esetén az LS becslés teljesen csődöt mond
Hátrányok:
- Nem garantált, hogy megtalálja a jó megoldást!
- Ha szeretnénk biztosra menni, akkor nagyon sok véletlen jelöltet kell állítani: nagyon lassú tud lenni!