Empirical Inference

Kamerakalibrierung und Tiefenschätzung: Ein Vergleich von klassischer Bündelblockausgleichung und statistischen Lernalgorithmen

2004

Technical Report

ei


Die Arbeit verleicht zwei Herangehensweisen an das Problem der Sch{\"a}tzung der r{\"a}umliche Position eines Punktes aus den Bildkoordinaten in zwei verschiedenen Kameras. Die klassische Methode der B{\"u}ndelblockausgleichung modelliert zwei Einzelkameras und sch{\"a}tzt deren {\"a}ußere und innere Orientierung mit einer iterativen Kalibrationsmethode, deren Konvergenz sehr stark von guten Startwerten abh{\"a}ngt. Die Tiefensch{\"a}tzung eines Punkts geschieht durch die Invertierung von drei der insgesamt vier Projektionsgleichungen der Einzalkameramodelle. Die zweite Methode benutzt Kernel Ridge Regression und Support Vector Regression, um direkt eine Abbildung von den Bild- auf die Raumkoordinaten zu lernen. Die Resultate zeigen, daß der Ansatz mit maschinellem Lernen, neben einer erheblichen Vereinfachung des Kalibrationsprozesses, zu h{\"o}heren Positionsgenaugikeiten f{\"u}hren kann.

Author(s): Sinz, FH.
Year: 2004
Month: March
Day: 0

Department(s): Empirical Inference
Bibtex Type: Technical Report (techreport)

Institution: Wilhelm-Schickard-Institut für Informatik, Universität Tübingen, Tübingen, Germany

Digital: 0
Language: de
Organization: Max-Planck-Gesellschaft
School: Biologische Kybernetik

Links: PDF

BibTex

@techreport{2616,
  title = {Kamerakalibrierung und Tiefensch{\"a}tzung:
  Ein Vergleich von klassischer B{\"u}ndelblockausgleichung und statistischen Lernalgorithmen},
  author = {Sinz, FH.},
  organization = {Max-Planck-Gesellschaft},
  institution = {Wilhelm-Schickard-Institut für Informatik, Universität Tübingen, Tübingen, Germany},
  school = {Biologische Kybernetik},
  month = mar,
  year = {2004},
  doi = {},
  month_numeric = {3}
}