基于贝叶斯推理的新方法用于对张的摄像头校准方法的不确定性表征
Ramón Gutiérrez-Moizant1, María Jesús L Boada1, María Ramírez-Berasategui1
1Mechanical Engineering Department, Universidad Carlos III de Madrid, Avda. de la Universidad 30, 28911 Leganés, Spain.
这项研究引入了贝叶斯推理方法,以改善相机校准,提高内在和外在参数的可靠性. 新方法在机器视觉应用中提供了更准确的预测.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 计量学 计量学 计量学
背景情况:
- 摄像头校准对于机器视觉至关重要,张的方法广泛用于内在参数和镜头扭曲.
- 目前用于估计参数不确定性的方法可能缺乏可靠性,可能会在后处理中引入偏差.
研究的目的:
- 开发和评估一种基于贝叶斯推理的新摄像头校准方法.
- 与张的方法相比,评估相机内在和外在参数的确定性和可靠性.
主要方法:
- 利用贝叶斯反转来重新校准内在相机参数,假设张的估计为先前的概率.
- 在贝叶斯框架内开发了一种优化外部参数的新程序.
主要成果:
- 与张的方法相比,贝叶斯重新校准对内在参数产生了不同的不确定性.
- 不准确的主要来源是在外部参数计算程序中确定的.
- 新的贝叶斯方法通过优化外部参数显著提高了图像点预测的可靠性.
结论:
- 提出的贝叶斯推理方法提高了摄像头校准的可靠性,特别是在外部参数估计中.
- 这种方法为需要精确的摄像头参数估计的机器视觉应用提供了更高的准确性.
更多相关视频
11:57Three-dimensional Super Resolution Microscopy of F-actin Filaments by Interferometric PhotoActivated Localization Microscopy iPALM
Published on: December 1, 2016
05:12Robotized Testing of Camera Positions to Determine Ideal Configuration for Stereo 3D Visualization of Open-Heart Surgery
Published on: August 12, 2021
相关概念视频
Uncertainty in Measurement: Reading Instruments
Uncertainty in Measurement: Accuracy and Precision
Calibration Curves: Linear Least Squares
For data that follow a straight line, the standard method for fitting is the linear...
Instrument Calibration
Analytical Balance Calibration
An analytical balance measures mass and requires regular calibration to...
Propagation of Uncertainty from Systematic Error
Uncertainty: Confidence Intervals
