คำถามติดแท็ก camera

ฉันมีเมทริกซ์กล้อง (ฉันรู้ว่าพารามิเตอร์ทั้งภายในและภายนอก) เป็นที่รู้จักสำหรับภาพขนาด HxW (ฉันใช้เมทริกซ์นี้สำหรับการคำนวณบางอย่างที่ฉันต้องการ) ฉันต้องการใช้ภาพที่เล็กลงพูดว่า: (ครึ่งหนึ่งของต้นฉบับ) ฉันต้องทำการเปลี่ยนแปลงอะไรกับเมทริกซ์เพื่อรักษาความสัมพันธ์เดิมH2× W2H2×W2\frac{H}{2}\times \frac{W}{2} ฉันมีเป็นพารามิเตอร์ที่แท้จริง ( การหมุนR , Tและการแปล)KKKRRRTTT ลูกเบี้ยว= K⋅ [ R T]ลูกเบี้ยว=K⋅[RT]\text{cam} = K \cdot [R T] K= ⎛⎝⎜ax000aY0ยู0โวลต์01⎞⎠⎟K=(ax0ยู00aYโวลต์0001)K = \left( \begin{array}&a_x &0 &u_0\\0 &a_y &v_0 \\ 0 &0 &1\end{array} \right) คือ 3 * 3 ฉันคิดว่าการคูณ a x , a , y …

18 matlab  computer-vision  camera  camera-pose 

ก่อนอื่นฉันหวังว่านี่เป็นบอร์ดการแลกเปลี่ยนที่ถูกต้อง ฉันขอโทษถ้ามันไม่ได้ ฉันกำลังทำงานกับสิ่งที่ต้องการให้ฉันปรับเทียบกล้อง ฉันใช้รหัสสำเร็จในการทำสิ่งนี้ใน OpenCV (C ++) ฉันกำลังใช้ฟังก์ชั่นกระดานหมากรุก inbuilt และกระดานหมากรุกที่ฉันพิมพ์ออกมาแล้ว มีบทเรียนมากมายบนอินเทอร์เน็ตที่ระบุมุมมองกระดานหมากรุกมากกว่าหนึ่งมุมมองและแยกมุมออกจากแต่ละเฟรม มีชุดมุมมองที่เหมาะสมที่สุดสำหรับฟังก์ชั่นเพื่อรับการปรับเทียบกล้องที่แม่นยำที่สุดหรือไม่? ส่งผลต่อความแม่นยำของการสอบเทียบคืออะไร ตัวอย่างเช่นถ้าฉันให้ภาพในมุมมองเดียวกัน 5 ภาพโดยไม่ย้ายอะไรเลยมันจะให้ผลลัพธ์ที่ตรงเมื่อฉันพยายามยกเลิกการซ่อนเว็บแคมของฟีด FYI สำหรับทุกคนที่เยี่ยมชม:ฉันเพิ่งค้นพบว่าคุณจะได้รับการสอบเทียบกล้องที่ดีกว่าโดยใช้ตารางวงกลมที่ไม่สมมาตรและฟังก์ชั่น OpenCV ที่เกี่ยวข้อง

16 image-processing  camera  opencv 

สำหรับกล้องจุลทรรศน์เรามักทดสอบกล้อง เนื่องจากแอปพลิเคชันของฉันเกี่ยวข้องกับอัตราส่วนสัญญาณต่อสัญญาณรบกวนต่ำมากจึงเป็นเรื่องสำคัญที่เสียงรบกวนจะไม่มีความสัมพันธ์และรูปแบบเนื่องจากความสัมพันธ์ในพื้นที่เป็นสิ่งที่แยกความแตกต่างของสัญญาณจากพื้นหลัง ในการทดสอบเสียงรบกวนฉันมักจะได้รับชุดของเฟรมมืดประมาณ 100 เฟรมเช่นเฟรมที่ไม่มีแสงภายนอกกระทบกับกล้องกำหนดรูปแบบกล้องคงที่โดยใช้เวลาเฉลี่ยและลบมันออกจากซีรีส์ ฉันสังเกตุรูปแบบของเสียงโดยเพียงแค่เบี่ยงเบนมาตรฐานสำหรับแต่ละพิกเซลผ่านเวลาและดูภาพที่เกิดขึ้น (เช่นแถว / คอลัมน์ที่แตกต่างกันของกล้องมีส่วนเบี่ยงเบนมาตรฐานของเสียงแตกต่างกัน) และทำแถวและคอลัมน์ที่ชาญฉลาด cross-correlation (ที่ฉันสังเกตเห็นสำหรับกล้อง interleaved บางตัวว่าเสียงนั้นมีความสัมพันธ์กันระหว่างแถวอื่น ๆ ) การทดสอบครั้งแรกเป็นการทดสอบเชิงคุณภาพเท่านั้นและการทดสอบครั้งที่สองให้ความสัมพันธ์ระดับโลก (ค่อนข้าง) กับฉัน มีวิธีที่ดีกว่า (และเร็วกว่า) ในการพิจารณาว่ามีความสัมพันธ์หรือรูปแบบไดนามิกในเสียงของกล้องหรือไม่?

14 noise  camera 

ฉันมีกล้องสอบเทียบและมีพารามิเตอร์ที่แท้จริง ฉันยังมีพารามิเตอร์ภายนอกที่เกี่ยวข้องกับจุด (กำเนิดโลก) บนพื้นผิวภาพถ่ายในโลกแห่งความจริง จุดนี้ฉันได้ตั้งค่าเป็นจุดกำเนิดในพิกัดโลกแห่งความจริง [0,0,0] ด้วยค่าปกติ [0,0,1] จากพารามิเตอร์ภายนอกเหล่านี้ฉันสามารถหาตำแหน่งและการหมุนของกล้องในพิกัดโลกระนาบ 3 มิติได้ที่นี่: http://en.wikipedia.org/wiki/Camera_resectioning ตอนนี้ฉันมีจุดที่สองซึ่งฉันได้ดึงพิกัดภาพสำหรับ [x, y] ฉันจะรับตำแหน่ง 3 มิติของจุดนี้ในระบบพิกัดโลกได้อย่างไร ฉันคิดว่าสัญชาตญาณตรงนี้คือฉันต้องติดตามรังสีที่ไปจากศูนย์กลางออปติคัลของกล้อง (ซึ่งตอนนี้ฉันมีตำแหน่ง 3D ตามที่อธิบายไว้ข้างต้น) ผ่านระนาบภาพ [x, y] ของกล้องแล้ว ผ่านระนาบโลกแห่งความจริงของฉันที่ฉันกำหนดไว้ที่ด้านบน ตอนนี้ฉันสามารถตัดกันพิกัดโลก 3 มิติด้วยระนาบเนื่องจากฉันรู้ว่าปกติและชี้ไปที่ระนาบนั้น สิ่งที่ฉันไม่ได้รับคือวิธีหาตำแหน่ง 3d และทิศทางเมื่อออกจากระนาบภาพเป็นพิกเซล มันเป็นการเปลี่ยนแปลงผ่านระบบพิกัดที่ทำให้ฉันสับสน

10 computer-vision  3d  camera