JP5830546B2 - 対象物のモデル変換に基づくモデルパラメータの決定 - Google Patents
対象物のモデル変換に基づくモデルパラメータの決定 Download PDFInfo
- Publication number
- JP5830546B2 JP5830546B2 JP2013554855A JP2013554855A JP5830546B2 JP 5830546 B2 JP5830546 B2 JP 5830546B2 JP 2013554855 A JP2013554855 A JP 2013554855A JP 2013554855 A JP2013554855 A JP 2013554855A JP 5830546 B2 JP5830546 B2 JP 5830546B2
- Authority
- JP
- Japan
- Prior art keywords
- region
- image
- model
- camera
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000009466 transformation Effects 0.000 title claims description 45
- 238000000034 method Methods 0.000 claims description 115
- 238000011524 similarity measure Methods 0.000 claims description 66
- 238000005457 optimization Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 14
- 239000002245 particle Substances 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 21
- 239000013598 vector Substances 0.000 description 21
- 230000006870 function Effects 0.000 description 16
- 238000013459 approach Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 11
- 230000033001 locomotion Effects 0.000 description 11
- 230000010354 integration Effects 0.000 description 10
- 238000012952 Resampling Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 9
- 239000003086 colorant Substances 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 210000001508 eye Anatomy 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 3
- 239000010981 turquoise Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 241000405217 Viola <butterfly> Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Description
(xA1、yA1、zA1、xB1、yB1、zB1、xC1、yC1、zC1、xD1、yD1、zD1、color1、…xAm、yAm、zAm … colorm )T
が取得される。
(x* A1、y* A1、x* B1、y* B1、x* C1、y* C1、x* D1、y* D1、color* 1 、…x* Am、y* Am、… color* m)T
によって表すことができる。
・現実のカメラ画像における多角形によって囲まれる全てのピクセル値の合計
・現実のカメラ画像における多角形によって囲まれる全ての自乗ピクセル値の合計
・現実のカメラ画像における多角形によって囲まれるエリアのサイズ
緑色: 18ピクセル
橙色: 13ピクセル
桃色: 4ピクセル
青緑色: 3ピクセル
赤色: 2ピクセル
緑色と赤色: 2ピクセル
橙色と桃色: 2ピクセル
黄色: 1ピクセル
合計: 45ピクセル
緑色: 25ピクセル
橙色: 19ピクセル
桃色: 10ピクセル
青緑色: 8ピクセル
赤色: 6ピクセル
黄色: 4ピクセル
緑色と赤色: 4ピクセル
橙色と桃色: 2ピクセル
黄色と橙色: 1ピクセル
合計: 79ピクセル
例を挙げると:白黒カメラは、色のついた対象物、例えば赤い領域、白い領域、および黒い領域を有する交通標識の画像を取得することができる。白黒カメラによって取得される画像は、グレースケール画像であり、それ故にカラー「赤」は、画像においてグレーの明度として現れる。交通標識を記述する対象物モデルにおいて、白い領域は赤い領域より明るいと定義することができる。同様に、赤い領域は黒い領域より明るいと定義することができる。これらの2つの状況から、また、白い領域が黒い領域より明るいという結果になる。更にまた、対象物モデルは、白い領域(黒い領域)が白黒カメラによって取得される画像において生ずる最も明るい領域(最も暗い領域)の1つであると定義することができる。このような条件は、類似度尺度を決定するときに、評価することもできる。いくつかの実施形態において、2つ以上の関連する領域のグループが、大きい、結合された領域に対する領域関連類似度尺度を決定する目的に対して、1つの大きい、結合された領域とみなす(取り扱う)ことができる点に注意されたい。
・現実の外界システムをよりよくモデル化するため、更なるパラメータをパラメータベクトルに加える、またはパラメータを変えることができる。例えば、接線の歪みまたは照明条件を同様にモデル化することができる。さらに、較正対象物(チャート)もパラメータ化することができ、例えば折り畳み可能な(堅くない)較正チャートの開口角度を付加的なパラメータによってモデル化することができる。
・色収差をパラメータ化することができ、同様にモデル化することができる。従って、カラーパッチの境界を記述する多角形は、(レンズ歪みブロック408と同様に)領域積分ブロック412の前に、各カラーバンドに対して別々に変形することができる。
・システム、特に誤差関数ブロック422は、さまざまな色空間を用いることができる。例えば、視覚等価またはRGB色空間によるCIEラボ色空間を用いることができる。生のセンサデータの使用を同様に考慮することができる。
・カメラ画像の代わりにまたは加えて、画像の前処理されたまたは変換されたバージョン(例えばエッジ画像または輝度画像)をシステムにおいて用いることができる。用語「カメラ画像」は、このような画像の前処理されたまたは変換されたバージョンを含んでいる。さらに、輝度画像またはカラー画像のみでなく、奥行き画像も考慮することができる。
・多角形領域におけるピクセル分散を計算するために、自乗ピクセル値の画像および適当な積分画像を計算し、用いることが提案された。その代わりに、各多角形領域は任意の数の小領域に分割することができ、全部の多角形領域の分散は小領域の平均値の分散によって近似することができる。これは、より少ない積分画像を計算し、記憶すれば足りるので、結果として速度とメモリの最適化になることができる。
・画像においてカラーパッチがあまりよくフィットしなかった場合に、誤差を回避するため、カラー変換パラメータの最適化は、全部のカラーパッチ(選択領域)に基づかず、カラーパッチのマージンをスキップすることができる。このために、各カラーパッチは、正確な境界とマージンによって減少された境界を定義する多角形によってモデル化することができる。
・最適化手続きは、演算コストを低減させるため、最初に(何らかの収束に到達するまで)いくつかのカラーパッチのみを含み、他のパッチを段階的に加えることができる。
・パッチの境界と基準カラー(または輝度)だけでなく、カラーパッチのまわりのフレームと、フレーム(バックグラウンド)の対応するカラーと輝度をモデル化することができる。それらは、同様に誤差ベクトルに組み入れることができる。
・多角形再標本化ブロックは、より少ない頂点により演算ロードを下げるため、最初に最大セグメント長に対する高いスレショルドを用い、最適化において下げることができる。
・多角形領域のカラー(輝度)および分散に加えてまたは代わりに、高位のモーメントを計算し、用いることもできる。
・多角形再標本化ブロックは、他の再標本化戦略、例えば、画像におけるチャート(または多角形)のサイズに依存して付加的な頂点の数を調整する適応的な方法に従うこともできる。
・グレイレベルまたは白黒の較正チャートを用いることができ、ジオメトリの較正、カメラカーブの較正、またはホワイトバランスのみが必要である場合、処理はグレイレベルの画像についてなすことができる。
・多角形領域の積分は、積分画像における補間によって、サブピクセル精度で改善することができる。
・一般に、較正チャートの部分のみ、例えば、カラーパッチ(領域)のいくつかのみをモデル化し、最適化手続きに含めることができる。
更にまた、カラーパッチ間の領域もモデル化し、最適化プロセスに含めることができる。
・較正パターンの単一画像またはビューのみを用いることが、劣決定システムに結果としてなることができる。従って、多数のビューまたは画像を、同時にまたは段階的に、較正手順に組み入れることができる。
・任意のカラー補正またはマッピングをモデル化し、3×3の線形カラーマッピングのみを用いる代わりに、パラメータ化することができる。
・カラー変換ブロック416は、積分画像演算414の前に置き、画像における各ピクセルに適用することもできるが、この場合において、積分画像は、カラーマッピングパラメータが変化するときはいつでも、最適化において更新されなければならない。
・誤差ベクトルの各要素は、誤差ベクトルの特定の成分を強調するまたは特定のカラーパッチに対して較正を集中させるために、分離した重み係数によって乗算することができる。重みは、較正チャートまたは画像における多角形領域のサイズに基づくこともできる。
・システムは、閉フォームの解法でカラーおよびジオメトリのカメラ較正を統一し、商業上利用可能な較正チャートに適用することもできる。
・ゼロ平均によるノイズは積分ステップにおいて除去されるので、多角形領域の積分により、センサノイズに関して非常にロバストである。
・この較正フレームワークの全ての構成要素は、非常に効率的に実施することができ、低い演算コストに結果としてなる。さらに、積分画像演算コスト以外の全ては、画像のサイズと独立している。アルゴリズムは、特別なハードウェア上(例えばグラフィックカード)の並列化と具現化に対しても完全にフィットする。
・写真のジオメトリとカラーの較正のための画像操作プログラムへの集積化。
・アルゴリズムの効率化により、構成手順を単純化するため、消費者またはプロのカメラに集積化することができる。カメラは、画像において較正チャートを検出するとすぐに、自分自身で自動的に較正することができる。従って、撮影者は、ライトまたはカメラのセットアップが変化した場合に、システムを較正するために、カメラの前に較正チャートを一度置きさえすればよい。
・システムは、マルチカメラセットアップ(例えば、ステレオカメラ)のジオメトリと色彩の較正を行うために用いることができる。これは例えば3D製品において有利である。
図15bに示されるように、平均または外側領域を近似することも可能である。平均近似のケースでは、領域の境界は、各(形状)セグメントの中心によって交差される。
1-6+0-0+15-13+33-44+82-55+42-8=47
1-6+0-0+15-13+33-44+60-46+61-55+42-8=40
47-82+60-64+61=40,
これは、頂点において再び全ての値を加算・減算することよりも非常に少ない演算労力となることを意味する。
・領域R2の平均輝度は、領域R1の平均輝度より高い。
・領域R3の平均輝度は、領域R4の平均輝度に等しい。
・領域R3とR4の平均輝度は、領域R2の平均輝度より低い。
・形状は、自己横断が許容されず、自己回避されなければならず、
・形状は、予め定義されたAとBによって、最小Aの頂点と最大Bの頂点から成り、
・形状は、予め定義され、パラメータ化可能なフォームから構成され、実施例は、円、予め与えられたサイズおよび離心率範囲を有する楕円、またはフォームを記述する重みとペナルティ項目を有する複合の予め定義された「弾性」形状)であり、
・2D形状を獲得するため、投影を用いて3Dモデルから導き出された形状である。
いくつかの実施形態において、フィールドプログラマブルゲートアレイは、本願明細書に記載された方法の1つを実行するために、マイクロプロセッサと協働することができる。一般に、方法は、好ましくはいかなるハードウェア装置によっても実行される。
Claims (36)
- モデルパラメータを決定する装置であって、
既知の対象物の対象物モデルを受信し、モデルパラメータのセットに基づいて、前記対象物モデルの、第1の基準フレームから第2の基準フレームへの変換を実行し、この変換の結果として、前記対象物の対象物領域に関連する少なくとも1つの領域を備える変換された対象物モデルを決定するように構成された、対象物モデル変換器と、
前記変換された対象物モデルと前記対象物を表している画像を受信し、前記変換された対象物モデルの選択領域に対して、前記選択領域と、変換に依存するマッピングによって前記選択領域に関連する前記画像の画像セクションとの類似度を表す領域関連類似度尺度を決定するように構成された、領域比較器と、
前記領域関連類似度尺度と最適化スキームに基づいて、モデルパラメータの更新されたセットを決定するように構成された、モデルパラメータ決定器と、
を備える、装置。 - 前記対象物モデル変換器は、画像値変換を実行するように更に構成された、請求項1に記載の装置。
- 前記類似度尺度は、ジオメトリ類似度成分と画像値類似度成分とを備える、請求項1または2に記載の装置。
- 前記対象物モデルは、前記少なくとも1つの領域をジオメトリ特性によって記述するデータ構造を備え、前記対象物モデル変換器は、前記ジオメトリ特性を、前記変換された対象物モデルの変換されたジオメトリ特性に変換するように構成された、請求項1〜3のいずれかに記載の装置。
- 前記領域比較器は、前記選択領域上で、前記画像の特性値を積分するように構成された、請求項1〜4のいずれかに記載の装置。
- 前記領域比較器は、前記領域関連類似度尺度の決定に対して、前記画像の少なくとも1つの積分画像を評価するように構成された、請求項1〜5のいずれかに記載の装置。
- 前記領域比較器は、前記選択領域の境界を、前記画像の座標軸に平行なカーブセグメントを有する閉曲線によって近似するように構成された、請求項1〜6のいずれかに記載の装置。
- 前記領域比較器は、前記画像セクションを離散グリーンの定理を用いて評価するように構成され、前記離散グリーンの定理に対して用いられる前記画像セクションの境界は、前記選択領域の境界の多角形近似に基づいている、請求項1〜7のいずれかに記載の装置。
- 前記領域比較器は、前記選択領域に対して、前記画像の少なくとも1つの統計的モーメントを決定し、前記少なくとも1つの統計的モーメントに基づいて、前記領域関連類似度尺度を決定するように構成された、請求項1〜8のいずれかに記載の装置。
- 前記領域比較器は、前記少なくとも1つの統計的モーメントに基づいて平均画像値を決定し、前記平均画像値は、前記選択領域に関係している期待画像値と比較され、対応する比較結果を取得するように構成され、前記類似度尺度は、少なくとも、前記比較結果に基づいて決定される、請求項9に記載の装置。
- 前記領域比較器は、前記少なくとも1つの統計的モーメントまたは更なる統計的モーメントに基づいて均一性尺度を決定するように構成され、前記均一性尺度は、前記画像セクションが前記選択領域にどれくらいよく配列されているかを示し、前記類似度尺度は、少なくとも、前記均一性尺度に基づいて決定される、請求項9または10に記載の装置。
- 前記対象物モデルは、前記対象物の複数の対象物領域に対応する複数の領域を記述し、前記領域比較器は、前記対象物モデルの前記複数の領域の少なくともサブセット上で前記選択領域を反復し、複数の領域関連類似度尺度に基づいて複合類似度尺度を決定するように構成された、請求項1〜11のいずれかに記載の装置。
- 前記対象物は、複数の明度またはカラーの領域を備え、各明度またはカラーの領域は、ユニークな明度またはカラーを含み、前記選択領域は、前記複数の明度またはカラーの領域の1つである、請求項1〜12のいずれかに記載の装置。
- 前記最適化スキームは、LMアルゴリズム、パーティクルフィルタ、滑降シンプレックス、遺伝的アルゴリズム、勾配降下アルゴリズム、またはそれらのいずれかの組合せのうちの少なくとも1つの最適化ステップを実行する、請求項1〜13のいずれかに記載の装置。
- 前記対象物モデル変換器、前記領域比較器、および前記モデルパラメータ決定器によって実行されるパラメータ決定を、前記モデルパラメータの更新されたセットに基づいて繰り返すように構成された、請求項1〜14のいずれかに記載の装置。
- 前記対象物は、較正チャート、較正対象物、および標準化された対象物のうちの1つである、請求項1〜15のいずれかに記載の装置。
- 前記画像は、較正されるカメラを用いて取得されるカメラ画像であり、前記モデルパラメータは、前記対象物モデルが前記第1の基準フレームから前記カメラ関連の第2の基準フレームにどのように変換されるかを少なくとも部分的に記述するカメラパラメータを備え、前記モデルパラメータ決定器は、更新されたカメラパラメータを、前記モデルパラメータの更新されたセットの一部として決定するように構成された、請求項1〜16のいずれかに記載の装置。
- 前記対象物および前記モデルパラメータの検出または追跡に対して、前記対象物の現在の位置および現在の方位の少なくとも1つを記述するように構成された、請求項1〜17のいずれかに記載の装置。
- 既知の対象物を用いてモデルパラメータを決定する方法であって、
前記対象物の対象物モデルを受信するステップと、
前記対象物モデルを、モデルパラメータのセットに基づいて、第1の基準フレームから第2の基準フレームに変換し、この変換の結果として、前記対象物の少なくとも1つの対象物領域に関連する少なくとも1つの領域を備える変換された対象物モデルを決定する、対象物モデルを変換するステップと、
前記対象物を表している画像を受信するステップと、
前記変換された対象物モデルの選択領域に対して、前記選択領域と、変換に依存するマッピングによって前記選択領域に関連する前記画像の画像セクションとの類似度を表す領域関連類似度尺度を決定するステップと、
前記領域関連類似度尺度と最適化スキームに基づいて、モデルパラメータの更新されたセットを決定するステップと、
を備えた、方法。 - 前記対象物モデルを変換するステップは、画像値変換を更に備える、請求項19に記載の方法。
- 前記類似度尺度は、ジオメトリ類似度成分と画像値類似度成分を備える、請求項19または20に記載の方法。
- 前記対象物モデルは、ジオメトリ特性によって前記少なくとも1つの領域を記述するデータ構造を備え、前記対象物モデルを変換するステップは、前記ジオメトリ特性を、前記変換された対象物モデルの変換されたジオメトリ特性に変換するステップを備える、請求項19〜21のいずれかに記載の方法。
- 前記領域関連類似度尺度を決定するステップの前に、前記選択領域上で、前記画像の特性値を積分するステップを更に備えた、
請求項19〜22のいずれかに記載の方法。 - 前記領域関連類似度尺度を決定するステップは、前記領域関連類似度尺度の決定に対して、前記画像の少なくとも1つの積分画像を評価するステップを備える、請求項19〜23のいずれかに記載の方法。
- 前記領域関連類似度尺度を決定するステップは、前記画像の座標軸に平行なカーブセグメントを有する閉曲線によって、前記選択領域の境界を近似するステップを備える、請求項19〜24のいずれかに記載の方法。
- 前記領域関連類似度尺度を決定するステップは、離散グリーンの定理を用いて前記画像セクションを評価するステップを備え、前記離散グリーンの定理に対して用いられる前記画像セクションの境界は、前記選択領域の境界の多角形近似に基づいている、請求項19〜25のいずれかに記載の方法。
- 前記領域関連類似度尺度を決定するステップは、前記選択領域に対して前記画像の少なくとも1つの統計的モーメントを決定し、前記少なくとも1つの統計的モーメントに基づいて前記領域関連類似度尺度を決定するステップを備える、請求項19〜26のいずれかに記載の方法。
- 前記領域関連類似度尺度を決定するステップは、前記少なくとも1つの統計的モーメントに基づいて平均画像値を決定するステップを備え、前記平均画像値は、前記選択領域に関連する期待画像値と比較され、対応する比較結果を取得するものであって、前記類似度尺度は、少なくとも前記比較結果に基づいて決定される、請求項27に記載の方法。
- 前記領域関連類似度尺度を決定するステップは、前記少なくとも1つの統計的モーメントまたは他の統計的モーメントに基づいて均一性尺度を決定するステップを備え、前記均一性尺度は、前記画像セクションが前記選択領域にどれくらいよく配列されているかを示し、前記類似度尺度は、少なくとも、前記均一性尺度に基づいて決定される、請求項27または28に記載の方法。
- 前記対象物モデルは、前記対象物の複数の対象物領域に対応する複数の領域を記述するものであって、
前記対象物モデルの前記複数の領域の少なくともサブセット上で、前記選択領域を反復するステップと、
複数の領域関連類似度尺度に基づいて複合類似度尺度を決定するステップと、
を更に備えた、請求項19〜29のいずれかに記載の方法。 - 前記対象物は、複数の明度またはカラーの領域を備え、各明度またはカラーの領域は、ユニークな明度またはカラーを含み、前記選択領域は、前記複数の明度またはカラーの領域の1つである、請求項19〜30のいずれかに記載の方法。
- 前記最適化スキームは、LMアルゴリズム、パーティクルフィルタ、滑降シンプレックス、遺伝的アルゴリズム、勾配降下アルゴリズム、またはこれらのいずれかの組合せの1つである、請求項19〜31のいずれかに記載の方法。
- 前記対象物は、較正チャート、較正対象物、および標準化された対象物の1つである、請求項19〜32のいずれかに記載の方法。
- 前記画像は、較正されるカメラを用いて取得されたカメラ画像であり、前記モデルパラメータは、前記対象物モデルが前記第1の基準フレームから前記カメラ関連の第2の基準フレームにどのように変換されるかを少なくとも部分的に記述するカメラパラメータを備え、前記モデルパラメータの更新されたセットを決定するステップは、更新されたカメラパラメータを、前記モデルパラメータの更新されたセットの一部として決定するステップを備える、請求項19〜33のいずれかに記載の方法。
- 前記方法は、前記対象物を検出または追跡する方法であって、前記モデルパラメータは、前記対象物の現在の位置および現在の方位の少なくとも1つを記述する、請求項19〜34のいずれかに記載の方法。
- コンピュータプログラムがコンピュータ上で動作するときに、請求項19〜35のいずれかに記載の方法を実行するプログラムコードを有する、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161446668P | 2011-02-25 | 2011-02-25 | |
US61/446,668 | 2011-02-25 | ||
PCT/EP2012/052798 WO2012113732A1 (en) | 2011-02-25 | 2012-02-17 | Determining model parameters based on transforming a model of an object |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014511608A JP2014511608A (ja) | 2014-05-15 |
JP5830546B2 true JP5830546B2 (ja) | 2015-12-09 |
Family
ID=45688503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013554855A Active JP5830546B2 (ja) | 2011-02-25 | 2012-02-17 | 対象物のモデル変換に基づくモデルパラメータの決定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8768046B2 (ja) |
EP (1) | EP2678824B1 (ja) |
JP (1) | JP5830546B2 (ja) |
CN (1) | CN103503025B (ja) |
WO (1) | WO2012113732A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021132644A1 (de) | 2021-12-10 | 2023-06-15 | Valeo Schalter Und Sensoren Gmbh | Verfahren zur Farbkalibrierung einer farbauflösenden Kamera für ein Kraftfahrzeug, Steuereinrichtung und Kamera |
Families Citing this family (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120328160A1 (en) * | 2011-06-27 | 2012-12-27 | Office of Research Cooperation Foundation of Yeungnam University | Method for detecting and recognizing objects of an image using haar-like features |
JP5814799B2 (ja) * | 2012-01-06 | 2015-11-17 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP6025386B2 (ja) * | 2012-05-02 | 2016-11-16 | キヤノン株式会社 | 画像計測装置、画像計測方法及び画像計測プログラム |
EP2709064B1 (en) | 2012-07-18 | 2019-06-26 | AGT International GmbH | Image processing to derive movement characteristics for a plurality of queue objects |
EP2709058B1 (en) | 2012-07-18 | 2015-09-02 | AGT International GmbH | Calibration of camera-based surveillance systems |
US8842910B2 (en) * | 2012-08-17 | 2014-09-23 | Tandent Vision Science, Inc. | Spatially varying log-chromaticity normals for use in an image process |
JP2016518747A (ja) * | 2013-03-15 | 2016-06-23 | イェール ユニバーシティーYale University | センサー依存性ノイズを有する画像化データを処理するための技術 |
DE102013211342A1 (de) * | 2013-06-18 | 2014-12-18 | Siemens Aktiengesellschaft | Fotobasiertes 3D-Oberflächen-Inspektionssystem |
JP2015016610A (ja) * | 2013-07-10 | 2015-01-29 | ローランドディー.ジー.株式会社 | 画像投影システムおよび画像投影方法 |
US9251569B2 (en) | 2013-09-10 | 2016-02-02 | Adobe Systems Incorporated | Removing noise from an image via efficient patch distance computations |
JP6508733B2 (ja) * | 2013-12-15 | 2019-05-08 | 7893159 カナダ インク. | 3dモデルの比較方法および装置 |
WO2015123647A1 (en) * | 2014-02-14 | 2015-08-20 | Nant Holdings Ip, Llc | Object ingestion through canonical shapes, systems and methods |
CN105096348B (zh) | 2014-04-30 | 2018-06-29 | 富士通株式会社 | 检测图像中的色彩板的装置和方法 |
US9942450B2 (en) | 2014-07-11 | 2018-04-10 | Agt International Gmbh | Automatic time signature-based video matching for a camera network |
US9928594B2 (en) | 2014-07-11 | 2018-03-27 | Agt International Gmbh | Automatic spatial calibration of camera network |
CN105389855B (zh) * | 2014-08-26 | 2019-11-01 | 三星电子株式会社 | 对对象进行建模的方法和设备 |
KR102255188B1 (ko) * | 2014-10-13 | 2021-05-24 | 삼성전자주식회사 | 부드러운 실루엣 표현을 위한 대상 개체를 모델링하는 방법 및 장치 |
US9349162B1 (en) | 2014-10-24 | 2016-05-24 | Matrox Electronic Systems Ltd. | System and method for image color correction |
GB2532077B (en) | 2014-11-10 | 2017-11-22 | Vision Rt Ltd | Method of calibrating a patient monitoring system for use with a radiotherapy treatment apparatus |
CN105657306B (zh) * | 2014-11-20 | 2018-12-11 | 珠海全志科技股份有限公司 | 梯形校正方法及系统 |
EP3029631A1 (en) * | 2014-12-04 | 2016-06-08 | Thomson Licensing | A method and apparatus for assisted object selection in video sequences |
US10205940B1 (en) * | 2014-12-15 | 2019-02-12 | Amazon Technologies, Inc. | Determining calibration settings for displaying content on a monitor |
US9984283B2 (en) * | 2015-02-14 | 2018-05-29 | The Trustees Of The University Of Pennsylvania | Methods, systems, and computer readable media for automated detection of abnormalities in medical images |
US10440350B2 (en) * | 2015-03-03 | 2019-10-08 | Ditto Technologies, Inc. | Constructing a user's face model using particle filters |
US9569874B2 (en) | 2015-06-05 | 2017-02-14 | International Business Machines Corporation | System and method for perspective preserving stitching and summarizing views |
US9773192B2 (en) | 2015-06-07 | 2017-09-26 | Apple Inc. | Fast template-based tracking |
CN105046644B (zh) * | 2015-07-06 | 2021-08-13 | 嘉恒医疗科技(上海)有限公司 | 基于线性相关性的超声与ct图像配准方法和系统 |
CN105243382A (zh) * | 2015-10-19 | 2016-01-13 | 广东欧珀移动通信有限公司 | 一种指纹传感器校准方法和装置 |
US11846733B2 (en) * | 2015-10-30 | 2023-12-19 | Coda Octopus Group Inc. | Method of stabilizing sonar images |
CN108292469B (zh) * | 2015-12-09 | 2021-02-05 | 笠原一 | 位置信息确定方法、装置以及计算机存储介质 |
EP3398164B1 (en) | 2015-12-30 | 2020-04-01 | Telecom Italia S.p.A. | System for generating 3d images for image recognition based positioning |
WO2017115271A1 (en) * | 2015-12-30 | 2017-07-06 | Cimagine Media Ltd. | Method of plane tracking |
US20170206430A1 (en) * | 2016-01-19 | 2017-07-20 | Pablo Abad | Method and system for object detection |
US10002435B2 (en) | 2016-01-29 | 2018-06-19 | Google Llc | Detecting motion in images |
US10108876B2 (en) * | 2016-02-10 | 2018-10-23 | International Business Machines Corporation | Recognition-based color corrections |
CN106097319A (zh) * | 2016-06-04 | 2016-11-09 | 湖北省基础地理信息中心(湖北省北斗卫星导航应用技术研究院) | 一种用于相机检校的黑白棋盘格角点提取方法 |
US10245724B2 (en) * | 2016-06-09 | 2019-04-02 | Shmuel Ur Innovation Ltd. | System, method and product for utilizing prediction models of an environment |
PT3513382T (pt) | 2016-09-14 | 2020-11-20 | Fraunhofer Ges Forschung | Deteção de padrão |
US20180082212A1 (en) * | 2016-09-20 | 2018-03-22 | Intel Corporation | Optimizing machine learning running time |
EP3343432B1 (en) * | 2016-12-29 | 2024-03-20 | Elektrobit Automotive GmbH | Generating training images for machine learning-based object recognition systems |
US10802171B2 (en) * | 2017-04-28 | 2020-10-13 | Pioneer Natural Resources Usa, Inc. | High resolution seismic data derived from pre-stack inversion and machine learning |
KR101911537B1 (ko) | 2017-04-28 | 2018-12-28 | 연세대학교 산학협력단 | 통계학적 전산 모델을 이용한 환자 맞춤형 생체 모델 구축 방법 |
JP2019056825A (ja) | 2017-09-21 | 2019-04-11 | シャープ株式会社 | 液晶回折格子、液晶組成物、液晶回折格子の製造方法、及び、ワイヤグリッド偏光子 |
CN107492068B (zh) * | 2017-09-28 | 2020-08-04 | 北京奇虎科技有限公司 | 视频对象变换实时处理方法、装置及计算设备 |
CN108156235A (zh) * | 2017-12-22 | 2018-06-12 | 平安养老保险股份有限公司 | 在线验证方法、装置、计算机设备和存储介质 |
CN109000887B (zh) * | 2018-05-25 | 2021-04-23 | 京东方科技集团股份有限公司 | 一种图案检测装置及方法、图案化控制系统及方法 |
US10834413B2 (en) * | 2018-08-24 | 2020-11-10 | Disney Enterprises, Inc. | Fast and accurate block matching for computer generated content |
AU2018274987A1 (en) * | 2018-10-16 | 2020-04-30 | Beijing Didi Infinity Technology And Development Co., Ltd. | Adaptive traffic control using vehicle trajectory data |
CN109598681B (zh) * | 2018-11-01 | 2022-09-13 | 兰州理工大学 | 一种对称唐卡修复后图像的无参考质量评价方法 |
CN111310526B (zh) * | 2018-12-12 | 2023-10-20 | 杭州海康威视数字技术股份有限公司 | 目标跟踪模型的参数确定方法、装置及存储介质 |
US11210772B2 (en) * | 2019-01-11 | 2021-12-28 | Universal City Studios Llc | Wearable visualization device systems and methods |
CN113678168B (zh) | 2019-01-28 | 2023-12-15 | 弗劳恩霍夫应用研究促进协会 | 空间中的元素定位 |
US10369698B1 (en) * | 2019-03-07 | 2019-08-06 | Mujin, Inc. | Method and system for performing automatic camera calibration for robot control |
US11494953B2 (en) * | 2019-07-01 | 2022-11-08 | Microsoft Technology Licensing, Llc | Adaptive user interface palette for augmented reality |
CN110363729B (zh) * | 2019-07-30 | 2021-07-20 | 维沃移动通信有限公司 | 一种图像处理方法、终端设备及计算机可读存储介质 |
US11295162B2 (en) * | 2019-11-01 | 2022-04-05 | Massachusetts Institute Of Technology | Visual object instance descriptor for place recognition |
WO2021155000A1 (en) | 2020-01-29 | 2021-08-05 | ReportsNow, Inc. | Systems, methods, and devices for image processing |
TWI745871B (zh) * | 2020-02-24 | 2021-11-11 | 佳世達科技股份有限公司 | 顯示裝置及顏色調整方法 |
US11199940B1 (en) * | 2020-04-21 | 2021-12-14 | Corel Corporation | Three-dimensional operations based on planar projections in graphic user interfaces |
US11488325B2 (en) * | 2020-06-17 | 2022-11-01 | Microsoft Technology Licensing, Llc | Auto calibrating a single camera from detectable objects |
CN111897985B (zh) * | 2020-06-23 | 2021-10-01 | 西安交通大学医学院第一附属医院 | 图像多标签分类方法、系统、设备及可读存储介质 |
US11620765B2 (en) * | 2020-07-02 | 2023-04-04 | Unity Technologies Sf | Automatic detection of a calibration object for modifying image parameters |
US11417019B2 (en) * | 2020-07-02 | 2022-08-16 | Unity Technologies Sf | Detection of a calibration object for modifying image parameters |
KR102398839B1 (ko) * | 2020-12-01 | 2022-05-17 | 서울과학기술대학교 산학협력단 | 객체의 표면에 영상을 투영시키는 장치 |
CN113160325B (zh) * | 2021-04-01 | 2022-10-11 | 长春博立电子科技有限公司 | 基于进化算法的多摄像机高精度自动标定方法 |
US11158031B1 (en) | 2021-05-24 | 2021-10-26 | ReportsNow, Inc. | Systems, methods, and devices for image processing |
US20220413119A1 (en) * | 2021-06-25 | 2022-12-29 | Sensormetrix | Camera systems and devices for ballistic parameter measurements in an outdoor environment |
CN116958147B (zh) * | 2023-09-21 | 2023-12-22 | 青岛美迪康数字工程有限公司 | 基于深度图像特征的目标区域确定方法、装置和设备 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4783829A (en) * | 1983-02-23 | 1988-11-08 | Hitachi, Ltd. | Pattern recognition apparatus |
JPS6033679A (ja) * | 1983-08-04 | 1985-02-21 | Nec Corp | モ−メント算出回路 |
JP2917681B2 (ja) * | 1992-06-29 | 1999-07-12 | 日産自動車株式会社 | 道路形状計測装置 |
JPH09501234A (ja) * | 1993-08-09 | 1997-02-04 | シーメンス アクチエンゲゼルシヤフト | デジタル画像シーケンスにおいて、適切にマーキングされた対象物の空間位置および回転位置の識別方法 |
JP3419213B2 (ja) * | 1996-08-30 | 2003-06-23 | ミノルタ株式会社 | 3次元形状データ処理装置 |
US6809837B1 (en) * | 1999-11-29 | 2004-10-26 | Xerox Corporation | On-line model prediction and calibration system for a dynamically varying color reproduction device |
JP3842233B2 (ja) * | 2003-03-25 | 2006-11-08 | ファナック株式会社 | 画像処理装置及びロボットシステム |
KR100831187B1 (ko) * | 2003-08-29 | 2008-05-21 | 닛본 덴끼 가부시끼가이샤 | 웨이팅 정보를 이용하는 객체 자세 추정/조합 시스템 |
JP2005309985A (ja) * | 2004-04-23 | 2005-11-04 | Canon Inc | 画像処理装置およびその方法 |
US7336814B2 (en) * | 2004-07-14 | 2008-02-26 | Braintech Canada, Inc. | Method and apparatus for machine-vision |
US8396329B2 (en) * | 2004-12-23 | 2013-03-12 | General Electric Company | System and method for object measurement |
JP2008152622A (ja) * | 2006-12-19 | 2008-07-03 | Mitsubishi Electric Corp | ポインティング装置 |
JP5124147B2 (ja) * | 2007-02-01 | 2013-01-23 | 三洋電機株式会社 | カメラ校正装置及び方法並びに車両 |
JP2009284188A (ja) * | 2008-05-22 | 2009-12-03 | Panasonic Corp | カラー撮像装置 |
JP5245938B2 (ja) * | 2009-03-12 | 2013-07-24 | オムロン株式会社 | 3次元認識結果の表示方法および3次元視覚センサ |
-
2012
- 2012-02-17 CN CN201280020358.XA patent/CN103503025B/zh active Active
- 2012-02-17 JP JP2013554855A patent/JP5830546B2/ja active Active
- 2012-02-17 EP EP12704804.9A patent/EP2678824B1/en active Active
- 2012-02-17 WO PCT/EP2012/052798 patent/WO2012113732A1/en active Application Filing
-
2013
- 2013-08-20 US US13/970,986 patent/US8768046B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021132644A1 (de) | 2021-12-10 | 2023-06-15 | Valeo Schalter Und Sensoren Gmbh | Verfahren zur Farbkalibrierung einer farbauflösenden Kamera für ein Kraftfahrzeug, Steuereinrichtung und Kamera |
Also Published As
Publication number | Publication date |
---|---|
CN103503025A (zh) | 2014-01-08 |
EP2678824A1 (en) | 2014-01-01 |
CN103503025B (zh) | 2016-09-07 |
US8768046B2 (en) | 2014-07-01 |
JP2014511608A (ja) | 2014-05-15 |
WO2012113732A1 (en) | 2012-08-30 |
US20130336583A1 (en) | 2013-12-19 |
EP2678824B1 (en) | 2019-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5830546B2 (ja) | 対象物のモデル変換に基づくモデルパラメータの決定 | |
US12020474B2 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
Krig | Computer vision metrics | |
Maier et al. | Intrinsic3D: High-quality 3D reconstruction by joint appearance and geometry optimization with spatially-varying lighting | |
US10334168B2 (en) | Threshold determination in a RANSAC algorithm | |
Fisher et al. | Dictionary of computer vision and image processing | |
US8275195B2 (en) | Method for determining scattered disparity fields in stereo vision | |
US7715589B2 (en) | Occluding contour detection and storage for digital photography | |
US11568516B2 (en) | Depth-based image stitching for handling parallax | |
CN112055192B (zh) | 图像处理方法、图像处理装置、电子设备及存储介质 | |
US11961266B2 (en) | Multiview neural human prediction using implicit differentiable renderer for facial expression, body pose shape and clothes performance capture | |
Dame | A unified direct approach for visual servoing and visual tracking using mutual information | |
WO2022208440A1 (en) | Multiview neural human prediction using implicit differentiable renderer for facial expression, body pose shape and clothes performance capture | |
Xian et al. | Neural lens modeling | |
CN117058183A (zh) | 一种基于双摄像头的图像处理方法、装置、电子设备及存储介质 | |
CN113066165B (zh) | 多阶段无监督学习的三维重建方法、装置和电子设备 | |
RU2538319C1 (ru) | Устройство поиска дубликатов изображений | |
EP4350615A1 (en) | Facial deformation compensation method for facial depth image, and imaging apparatus and storage medium | |
Rolin et al. | View synthesis for pose computation | |
Nguyen | Panorama Image Stitching Techniques | |
Aydin | RAW Bayer Domain Image Alignment | |
Saracchini et al. | VOPT: Robust Visual Odometry by Simultaneous Feature Matching and Camera Calibration. | |
CN117788524A (zh) | 基于多任务学习的平面目标追踪方法、装置、设备及介质 | |
May | Data Analytics and Methods for Improved Feature Selection and Matching | |
Jethwa | Efficient volumetric reconstruction from multiple calibrated cameras |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140828 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140930 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20141225 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150929 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151026 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5830546 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |