„Számítógépes látórendszerek - Ellenőrző kérdések: Kameramodellek, kalibráció” változatai közötti eltérés
44. sor: | 44. sor: | ||
== 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 === | ||
+ | === 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: <math> x^R_{t} (t \Rx_{L})=0 </math> | ||
== Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit! == | == Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit! == |
A lap 2015. június 11., 18:12-kori változata
Tartalomjegyzék
- 1 Ismertesse a pinhole kameramodellt! (Rajz, egyenletek, paraméterek, mátrixok)
- 2 Mutassa be a 3D markeres kalibráció elvét és lépéseit!
- 3 Ismertesse a sakktáblás kalibráció elvét és lépéseit!
- 4 Hogyan lehet a kamerák torzítását figyelembe venni a kalibráció során?
- 5 Hogyan néz ki a sztereó elrendezés? Mi az esszenciális és a fundamentális mátrix?
- 6 Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit!
- 7 Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit!
Ismertesse a pinhole kameramodellt! (Rajz, egyenletek, paraméterek, mátrixok)
[1] [2] (A Kameramodell, kalibráció diasoron van még némileg több is.)
Mátrix
Vetítés egyenlete: [math]x = P \cdot X = A \cdot [R t] \cdot X [/math]
A vetítés mátrixa: [math]P = A \cdot [R t][/math]:
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!
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
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: [math] x^R_{t} (t \Rx_{L})=0 [/math]
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
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!