【コンピュータビジョン】ネコと学ぶエピポーラ幾何 - Qiita
はじめに ネコ、かわいいですね〜 この記事では、コンピュータビジョン分野で取り扱われる、多視点画像から３次元世界を復元する技術について、ネコと一緒に学んでいく記事です。 この分野は現在でも研究が進められている分野で難しい数式も出てきて時には辛くなりますが、その辛さがネコと一緒に学ぶことで中和されれば幸いです。 この記事は「実践コンピュータビジョン」の、第5章「5.1 エピポーラ幾何、5.2 カメラと3D構造を使った計算」に相当します。 多視点画像から３次元世界を復元したい 冒頭のネコの画像は２次元画像でした。では、このネコの３次元形状を復元するにはどうしたらよいでしょうか？ 正解は、カメラをネコに向けて移動しながら、複数の視点から撮影するです。 それぞれの視点でネコがどのように映るかをてがかりに、カメラの姿勢の変化と、そのカメラが撮影しているネコの幾何学な構造を逆計算します。 これは、St
カメラキャリブレーションと3次元再構成 — opencv v2.1 documentation
カメラキャリブレーションと3次元再構成¶ このセクションで述べる関数は，いわゆるピンホールカメラモデルを取り扱います．つまりこのモデルでは，3次元座点を透視投影変換を用いて画像平面に射影することで，シーンのビューが構成されています． ここで はワールド座標系の3次元座標を表し は画像平面に投影された点の座標を表します． は，カメラ行列，またはカメラの内部パラメータ行列と呼ばれます． は主点（通常は画像中心）， はピクセル単位で表される焦点距離です． したがって， あるファクタによってカメラ画像がスケーリングされている場合， このすべてのパラメータを同じファクタでスケーリング（それぞれが，拡大または縮小）する必要があります． 内部パラメータ行列はビューに依存しないので，一度推定すれば（ズームレンズの場合）焦点距離を固定している限りは繰返し使用することができます． 並進-回転の同次変換行列であ
特徴点追跡による動画像からの 逐次三次元復元とその応用
1 SSII2015 チュートリアル 特徴点追跡による動画像からの 逐次三次元復元とその応用 －座標系の基礎から応用事例・最新研究動向まで－ 奈良先端科学技術大学院大学 情報科学研究科 准教授 佐藤 智和 E-mail: tomoka-s@is.naist.jp 1 チュートリアル概要 1. 導入 2. v-SLAMの応用分野 3. カメラ位置・姿勢推定(Localization) 4. 特徴点追跡と三次元位置推定(Mapping) 5. v-SLAMのアルゴリズム 6. 様々な課題への対応 7. 最新研究動向 2 2 Simultaneous Localization And Mapping (SLAM) もともとはロボット分野の研究/用語 • Localization: ロボットの位置・姿勢推定 • Mapping: マップの推定 各種センサ情報 ロボットの位置(3DOF/6DOF)
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
