概括
本研究引入了新的方法,用于定义使用K-Means和Singular Value Decomposition (SVD) 的全景图像中的非均图像坐标系统. 这些方法为全景成像应用中的3D坐标计算提供了替代方案.
科学领域:
- 计算机视觉 计算机视觉
- 这是一种摄影计量技术 (photogrammetry).
- 机器人技术 机器人技术 机器人技术
背景情况:
- 全景摄像头提供360度成像,用于诸如车辆导航和太空研究等应用.
- 从全景图像中计算3D坐标至关重要,通常使用直接线性转换 (DLT) 等方法.
- 当立体视觉不足时,使用多摄像头系统,但在建立单一投影中心时面临挑战.
研究的目的:
- 为单个全景图像提出和评估新方法来定义非统一的图像坐标系统.
- 将这些新方法的有效性与传统的直线变换 (DLT) 算法进行比较.
主要方法:
- 利用K-Means算法来定义一个非统一的图像坐标系统,用于来自Ladybug2摄像机的单一全景图像.
- 采用单值分解 (SVD) 来定义圆全景投影坐标系统.
- 将结果与使用常规光谱图像坐标系统的直线变换 (DLT) 算法进行比较.
主要成果:
- 成功定义了使用K-Means的全景图像的非统一图像坐标系统.
- 使用SVD建立了一个圆全景投影坐标系统.
- 在特定情况下,与DLT算法相比,已证明拟议方法的可比性或改进性.
结论:
- 拟议的K-Means和SVD方法为在全景成像中定义坐标系提供了有效的手段.
- 这些方法为单个全景图像的3D坐标计算提供了可行的替代方案.
- 该研究有助于推进各种应用的全景成像技术.
