タグ

ブックマーク / web.wakayama-u.ac.jp/~wuhy (5)

  • Microsoft PowerPoint - CV11.ppt [互換モード]

    1 視覚の幾何学3 カメラキャリブレーション 呉海元@和歌山大学 Rigid Body Motion – Two views X X x  1 1  t x R x   1 1 2 2   X x  2 2   b a b b a b a                                                      0 0 0 ; 1 2 1 3 2 3 1 2 2 1 3 1 1 3 2 3 3 2 3 2 1 3 2 1 a a a a a a b a b a b a b a b a b a b b b a a a 0 0       b) (a b b) (a a b a トしているので は一つの平面をサポー と 行列・

  • Microsoft PowerPoint - CV10.ppt [互換モード]

    カメラキャリブレーション カメラキャリブレ ション 呉海元@和歌山大学 呉海元@和歌山大学 2010年6月21日 カメラキャリブレーション(校正) 実世界のカメラとカメラモデルとの対応付け 2 カメラキャリブレーション項目 ラキャリ ション項目  幾何学的キャリブレーション 外部パラメ タ: 6 - 外部パラメータ: 6 世界座標系におけるレンズの中心座標(t)、 レンズ光軸の方向(R) レンズ光軸の方向(R) - 内部パラメータ: 5 像 像 ズ 焦点距離、画像中心、画像(画素)サイズ、 歪収差係数 カメラの外部変数(extrinsic parameters): 6個 3 (world coordinate system) カメラキャリブレーション手順 ラキャリ シ 手順 1 幾何学的・光学的特性が既知の対象物を撮影 1. 幾何学的 光学的特性が既知の対象物を撮影 2. 対象物固有の特

    hsato2011
    hsato2011 2017/08/02
    カメラキャリブレーションの説明がわかりやすい.特に再投影誤差とか[コンピュータビジョン][初心者]
  • 視覚の幾何学1

    1 視覚の幾何学1 呉海元@和歌山大学 参考書 佐藤 淳: 「コンピュータビジョン -視覚の幾何学-」 コロナ社 ? projections Single view geometry Camera model Single view geom. 画像内の一点と3次元空間中の光線の関係 投影(Projections)・射影関係によって決定 ⇒ この関係を記述するカメラモデルが複数ある カメラモデル(Camera model) ? 投影による3次元空間から2次元画像への変換 レンズによる写真投影(物理モデル) ピンホールカメラ投影 射影・透視変換(中心投影) 正射影(平行投影) 平行投影・正射影モデル (Orthographic) 投影面 理想・簡単 ) , ( ) , , ( y x Z Y X  3D point 2D image position 投影中心 投影面 物理モデルに一番近い

    hsato2011
    hsato2011 2017/04/10
    ステレオビジョンとかの説明あり
  • コンピュータビジョン特論

    コンピュータビジョン特論(Advanced Computer Vision) 月曜4時限 担当教員 呉海元 教 授  天野敏之 准教授 授業の概要 コンピュータを用いて、入力された画像を扱うための、基礎 知識を修 得する。まず、画像の特徴抽出と記述 の手法を学ぶ。次に,カメラを用い た3次元計測や認識の基礎を学 び、それぞれの原理と手法の有 効性や制約をコ ンピュータビジョンなどの関連分野での最新動向と共に紹介する。 授業の位置づけ コンピュータビジョンにおける画像処理や理解の技術につい て、基礎 理論と最近の研究動向を学ぶ。 ガイダンス・ 画 像 処理、認識、理解研究の 歴 史と現状1 画像処理、認 識、理解研究の 歴 史と現状2 デジタ ル画像の扱 い、OpenCVの使い方・ 画像特徴の変換 OpenCV の入手方法、インストール方法、リファレンス(New) OpenCV の入手方法、

  • Microsoft PowerPoint - am8.pptx

    1 重回帰分析 multiple regression analysis 回帰分析(Regression Analysis) ●単回帰分析 ●重回帰分析 p.3~p.22 重回帰分析 (今日のポイント) ◎回帰分析は条件の付かない最小問題 ◎最小二乗法で因果関係を線形関係で表現 ○潜在能力/重要度ランキング/決定係数 単回帰分析(まとめ) ◎回帰分析は条件の付かない最小問題 ◎最小二乗法で因果関係を線形関係で表現 ◎過去のデータから未来のデータが予測・推定 推定誤差が最小 方向の偏差の合計 値 未来 回帰直線による推定 データ 過去の 観測 min )) ( ( ) ( ) , ( ) ( ) ( ) , , 2 , 1 ( 1 2 1 2 1 2                    n i i i n i i i n i i i i i i i b

  • 1