タグ

SfMに関するtoshikaz55のブックマーク (5)

  • 「電脳コイル」の「タネ」技術 - H-Yamaguchi.net

    3月14日はOGC2008の日。GLOCOMの鈴木健さんと「電脳コイル」ネタでお話をするのだが、それに関連して、現実はどうなってるのかいな、というあたりをYouTubeとかで探してみたらいろいろあるよねという件を。所詮は素人がぱらぱらと探してみた程度のものなので過度な期待はしないように。ご専門の方とか詳しい方とかには何をいまさら、全然わかんない方には何のことかいな、というストライクゾーンの狭い話。 「タネ技術」といっても、「電脳コイル」の作者である磯光雄さんがこれをネタにしたとかそういう意味ではない。今後「電脳コイル」的な仮想世界サービスが広がっていくとして、将来それにつながっていきそうな技術やら何やらはこういうやつかな、という意味。詳しい方、もしちがってたらご指摘いただきたく。 まずはAR技術。これはARToolkitを使って例のあの「赤いやつ」(このサイズだとなんだかかわいい)を出して

    「電脳コイル」の「タネ」技術 - H-Yamaguchi.net
    toshikaz55
    toshikaz55 2008/03/14
    AR系YouTube動画まとめ
  • とあーる研究Weblog(避難所) - livedoor Blog(ブログ)

    とりあえず住む所が決まりました!\(^o^)/ ペット可物件は増えてきているとはいえ、不可物件に比べればまだまだ圧倒的に少ないです。 更に、ペット可物件を探す人の最優先事項は『ペット可であること』。裏返せばそれ以外の条件には目を瞑る、というわけで、契約に至るまでの意思決定が非常に早く、勢い、早い者勝ちの物件争奪戦になります。 なんとかその争奪戦を勝ち抜いて、まぁまぁ納得のいく物件をゲット。 ペット可じゃなくてもそうなのかもしれませんが、物件探しは一言で言うと『縁』だなぁ、と痛感。 ------------------------------------------------ さて、住む所が決まれば次は生活用品。 しかし、ワタクシ、家具・家電の類を殆ど持ってません。アメリカから送るぐらいなら買ったほうが安いので送っていませんし、以前持ってた家具・家電はほとんど処分しました。

  • ゼミログ/第24回/4.Lucas-kanade(玉城絵美)

    &color(foreground[,background]){text}; † //////////////////////////////////////////////////////////////////// // OpticalFlow_LK.pde // // Dec.2004 Fujiyoshi Laboratory, Chubu Univ. // http://www.vision.cs.chubu.ac.jp/ // code by hiroki //////////////////////////////////////////////////////////////////// ↑ &color(foreground[,background]){text}; † size(320, 240) int _fps = 30; // frame rate (default

  • Georg Klein Home Page

    Introduction From Oct 2005 to August 2009 I was a post-doctoral research assistant in the Active Vision Group of the Oxford University Engineering Department. I worked under the supervision of Prof. David Murray. I was formerly a PhD student at the Machine Intelligence Laboratory of the Cambridge University Engineering Department, under the supervision of Dr. Tom Drummond. Originally from Austria,

  • 2007-02-23

    いろいろ調べていました。 因子分解法はF枚の2次元画像から得られるP個の点情報を並べた、の観測行列を 復元すべき3次元のP個の点情報を横に並べたの行列と、 カメラ行列と射影行列の積の、積に分解する方法です。 つまり、 (重心はゼロとしてます) のように分解できれば、3次元の座標とカメラの向きが分かります。 実際には、観測ノイズや射影モデル誤差などの影響で、左辺と右辺がちょうどイコールになることは ありませんので、なんらかの誤差基準に従って推定することになります。 観測行列を分解する方法として特異値分解を使うことができます。 特異値分解は二乗誤差を最小にしつつ、分解することができるため、 よく用いられるようです。となるものを一撃で計算できます。 実際には、カメラ行列が直交行列になるように制約加えて求めます。 上の場合では、全てのフレームで全ての点が観測されて対応付けられている、という前提です

    2007-02-23
  • 1