JP6816058B2 - パラメータ最適化装置、パラメータ最適化方法、プログラム - Google Patents
パラメータ最適化装置、パラメータ最適化方法、プログラム Download PDFInfo
- Publication number
- JP6816058B2 JP6816058B2 JP2018080509A JP2018080509A JP6816058B2 JP 6816058 B2 JP6816058 B2 JP 6816058B2 JP 2018080509 A JP2018080509 A JP 2018080509A JP 2018080509 A JP2018080509 A JP 2018080509A JP 6816058 B2 JP6816058 B2 JP 6816058B2
- Authority
- JP
- Japan
- Prior art keywords
- joint
- dimensional position
- error
- camera
- initial value
- 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
Description
(参考非特許文献1:Zhengyou Zhang, “A Flexible New Technique for Camera Calibration”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.22, Issue 11, pp.1330-1334, Nov. 2000.)
(参考非特許文献2:Sameer Agarwal, et al. ,”Building Rome in a Day”, Communications of the ACM, Vol.54, Issue 10, pp.105-112, Oct. 2011.)
以下、図1〜図2を参照してパラメータ最適化装置100を説明する。図1は、パラメータ最適化装置100の構成を示すブロック図である。図2は、パラメータ最適化装置100の動作を示すフローチャートである。
(参考非特許文献3:Richard Hartley and Andrew Zisserman, “ Multiple View Geometry in Computer Vision Second Edition”, Cambridge University Press, 2003.)
(参考非特許文献4:David Nister, “An Efficient Solution to the Five-Point Relative Pose Problem”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.26, Issue 6, pp.756-770, 2004.)
(参考非特許文献5:Vincent Lepetit, et val. ,”EPnP: An Accurate O(n) Solution to the PnP problem”, International Journal of Computer Vision, Vol.81, pp.155-166, 2009.)
(参考非特許文献6:Bill Triggs, et al. ,”Bundle Adjustment-a Modern Synthesis”, ICCV99, Proceeding of the International Workshop on Vision Algorithms: Theory and Practice. Springer, pp.298-372, 1999.)
三次元位置J3D'(t,j)をカメラiの画像平面上に投影し二次元位置J2D'(i,t,j)_repを計算する。
ステップ1で計算した二次元位置J2D'(i,t,j)_rep、入力である二次元位置J2D'(i,t,j)と誤差強度P(J2D'(i,t,j))から、再投影誤差e_rep(i,t,j)を計算する。再投影誤差e_rep(i,t,j)は以下のように計算することができる。
三次元位置J3D'(t,j)について、ステップ1およびステップ2をすべてのカメラについて計算したか否かを判定する。すべてのカメラについて計算が済んでいた場合はステップ4に移り、そうでない場合はステップ1に戻り、計算が済んでいないカメラについてステップ1およびステップ2を実行する。
ステップ1からステップ3について、すべての三次元位置J3D'(t,j)に対して計算したか否かを判定する。すべての三次元位置について計算が済んでいた場合はステップ5に移り、そうでない場合はステップ1に戻り、計算が済んでいない三次元位置についてステップ1、ステップ2、ステップ3を実行する。
ステップ4までで計算した再投影誤差e_rep(i,t,j)を用いて再投影誤差項E_repを計算する。例えば、すべてのe_rep(i,t,j)の平均を再投影誤差項E_repとしてもよい。また、平均の代わりに、すべてのe_rep(i,t,j)の中央値、最大値、最小値のいずれかを再投影誤差項E_repとするようにしてもよい。
第一実施形態では、同期がとれているカメラで撮影された映像を入力とした。このような映像は、同期撮影の機能を有するカメラをケーブルで接続し、撮影することができるが、このようなカメラは非常に高価でありコストの問題が生じる。そこで、参考非特許文献7では音を利用することでカメラ間の同期を取る方法を提案している。
(参考非特許文献7:Nils Hasler, et al. ,”Markerless Motion Capture with Unsynchronized Moving Cameras”, Computer Vision and Pattern Recognition, 2009. CVPR 2009, IEEE Conference on. IEEE, June 2009.)
パラメータ最適化装置100やパラメータ最適化装置200は、カメラi(i=1, …, Nc)で撮影された映像を記録した記録部を内部に含む構成としたが、必ずしもそのような構成である必要はない。したがって、例えば、パラメータ最適化装置がネットワークを介して記録部と接続するような形態であってもよい。このような構成とすることにより、遠隔地で撮影された映像に対してもパラメータ最適化処理が可能となる。
第二実施形態では、複数のカメラが同一の被写体を撮影するように設定されていることを前提として、これらのカメラ間で同期をとる。
あるカメラについて、被写体ごとに、時間方向に二次元姿勢を対応付ける。この処理は、例えば、フレーム時刻tにおける2つの被写体の二次元姿勢p1(t), p2(t)とフレーム時刻t+1における2つの被写体の二次元姿勢q1(t+1), q2(t+1)に対して、同一被写体の二次元姿勢を対応付ける処理である。つまり、ある被写体(例えば、ピッチャー)の二次元姿勢はp1(t)とq2(t+1)であり、別の被写体(例えば、バッター)の二次元姿勢はp2(t)とq1(t+1)であるというように、被写体ごとに時間方向に二次元姿勢を対応付ける処理に該当する。この対応付けには、どのような方法を用いてもよい。例えば、二次元姿勢p1(t)での関節jの二次元位置p1(t,j)、二次元姿勢q1(t+1)での関節jの二次元位置q1(t+1,j)、二次元姿勢q2(t+1)での関節jの二次元位置q2(t+1,j)に対して、距離|q1(t+1,j)-p1(t,j)|と距離|q2(t+1,j)-p1(t,j)|を計算し、これらの距離のうち、最小となるフレーム時刻t+1における二次元姿勢を、同一の被写体のものとして対応付ける。別の方法として、二次元姿勢における関節長の平均、二次元姿勢の重心位置の距離を用いることにより、対応付けをおこなってもよい。
ステップ1の処理をすべての二次元姿勢について実行したか否かを判定する。すべての二次元姿勢について処理を実行していた場合はステップ3に移り、そうでない場合はステップ1に戻り、処理が実行されていない二次元姿勢についてステップ1の処理を実行する。
ステップ1及びステップ2の処理をすべてのカメラについて実行したか否かを判定する。すべてのカメラについて処理を実行していた場合はステップ4に移り、そうでない場合はステップ1に戻り、処理が実行されていないカメラについてステップ1の処理を実行する。
あるカメラiでの被写体の二次元姿勢群と別のカメラi~での被写体の二次元姿勢群を対応付ける。この対応付けには、どのような方法を用いてもよい。例えば、対応付けの対象となる二次元姿勢群の生成に用いた映像間(つまり、カメラiで撮影された映像とカメラi~で撮影された映像の間)での類似度を計算する方法がある。具体的には、各映像に対して、被写体の二次元姿勢群を含む部分映像を当該映像から切り出す。次に、切り出した部分映像の各フレームに対して特徴量(例えば、SIFT特徴量やHOG特徴量)を計算し、そのフレームごとの特徴量の類似度(例えば、ベクトルの内積)の統計値(例えば、平均値、最大値、中央値)を計算する。この統計値が所定の閾値以上である(より大きい)場合に、最も高かった二次元姿勢群の組を同一被写体の二次元姿勢群であるとして対応付け、被写体ごとの二次元姿勢群の集合p’を生成する。
ステップ4の処理をすべての二次元姿勢群について実行したか否かを判定する。すべての二次元姿勢群について処理を実行していた場合は処理を終了し、そうでない場合はステップ4に戻り、処理が実行されていない二次元姿勢群についてステップ4の処理を実行する。
本発明の装置は、例えば単一のハードウェアエンティティとして、キーボードなどが接続可能な入力部、液晶ディスプレイなどが接続可能な出力部、ハードウェアエンティティの外部に通信可能な通信装置(例えば通信ケーブル)が接続可能な通信部、CPU(Central Processing Unit、キャッシュメモリやレジスタなどを備えていてもよい)、メモリであるRAMやROM、ハードディスクである外部記憶装置並びにこれらの入力部、出力部、通信部、CPU、RAM、ROM、外部記憶装置の間のデータのやり取りが可能なように接続するバスを有している。また必要に応じて、ハードウェアエンティティに、CD−ROMなどの記録媒体を読み書きできる装置(ドライブ)などを設けることとしてもよい。このようなハードウェア資源を備えた物理的実体としては、汎用コンピュータなどがある。
Claims (7)
- Ncを2以上の整数、Njを2以上の整数、Nmを1以上の整数、iを1からNcまでの各整数、jを1からNjまでの各整数、mを1からNmまでの各整数とし、
同一の関節物体を撮影するように設定されたNc台のカメラ1、…、カメラNcで撮影された映像から推定された、フレーム時刻tにおける前記関節物体の関節jのカメラiの画像平面上の二次元位置J2D’(i,t,j)とカメラiの外部パラメータの初期値とフレーム時刻tにおける前記関節物体の関節jの三次元位置J3D’(t,j)の初期値と前記関節物体の関節ペアmの関節長L(m)の初期値から、カメラiの外部パラメータ、フレーム時刻tにおける関節物体の関節jの三次元位置J3D’(t,j)、関節物体の関節ペアmの関節長L(m)の3つのパラメータのうち少なくとも1つのパラメータの最適値を生成する最適化部を含むパラメータ最適化装置であって、
前記最適化部は、
前記二次元位置J2D’(i,t,j)から、前記二次元位置J2D’(i,t,j)の誤差強度P(J2D’(i,t,j))を計算する誤差強度計算部と、
前記二次元位置J2D’(i,t,j)と前記三次元位置J3D’(t,j)の初期値と前記誤差強度P(J2D’(i,t,j))から、再投影誤差項を計算する再投影誤差項計算部と、
前記三次元位置J3D’(t,j)の初期値と前記関節長L(m)の初期値から、関節長制約項を計算する関節長制約項計算部と、
前記三次元位置J3D’(t,j)の初期値から、関節位置制約項を計算する関節位置制約項計算部と、
前記3つのパラメータのうち少なくとも1つのパラメータを最適化対象パラメータとして前記再投影誤差項と前記関節長制約項と前記関節位置制約項を用いて定義される誤差関数の値を最小化するように、前記最適値を生成する最適化処理部とを含み、
前記誤差強度P(J2D’(i,t,j))を計算する式は、
前記三次元位置J3D’(t,j)をカメラiの画像平面上に投影した二次元位置J2D’(i,t,j)_repと前記二次元位置J2D’(i,t,j)の誤差が小さい場合には誤差による影響を抑制し、誤差が大きくなるにしたがい誤差の影響を大きくする式である
パラメータ最適化装置。 - 請求項1に記載のパラメータ最適化装置であって、
前記カメラiで撮影された映像から、前記二次元位置J2D’(i,t,j)を推定する二次元位置推定部と、
前記二次元位置J2D’(i,t,j)から、前記カメラiの外部パラメータの初期値と前記三次元位置J3D’(t,j)の初期値と前記関節長L(m)の初期値を推定する初期値推定部とを含む
ことを特徴とするパラメータ最適化装置。 - 請求項1または2に記載のパラメータ最適化装置であって、
前記誤差強度P(J2D’(i,t,j))を計算する式は、
である(ただし、g_x(α)は平均0、分散σ_x2を持つ正規分布の確率密度関数、g_y(α)は平均0、分散σ_y2を持つ正規分布の確率密度関数、J2D’(i,t,j)_x、J2D'(i,t,j)_yはそれぞれ前記二次元位置J2D’(i,t,j)のx成分、y成分、J2D’(i,t,j)_rep_x、J2D’(i,t,j)_rep_yはそれぞれ前記二次元位置J2D'(i,t,j)_repのx成分、y成分とする)
ことを特徴とするパラメータ最適化装置。 - Ncを2以上の整数、Njを2以上の整数、Nmを1以上の整数、iを1からNcまでの各整数、jを1からNjまでの各整数、mを1からNmまでの各整数とし、
同一の関節物体を撮影するように設定されたNc台のカメラ1、…、カメラNcで撮影された映像から、カメラiの外部パラメータ、フレーム時刻tにおける関節物体の関節jの三次元位置J3D’(t,j)、関節物体の関節ペアmの関節長L(m)の3つのパラメータのうち少なくとも1つのパラメータの最適値とカメラ間の時間ずれの最適値を生成するパラメータ最適化装置であって、
前記パラメータ最適化装置は、
前記カメラiで撮影された映像から、フレーム時刻tにおける前記関節物体の関節jのカメラiの画像平面上の二次元位置J2D’(i,t,j)を推定する二次元位置推定部と、
前記二次元位置J2D’(i,t,j)から、カメラ間の時間ずれΔti_k(k=1, …, Nk、Nkは1以上の整数)と前記二次元位置J2D’(i,t,j)をカメラ間の時間ずれΔti_kに対するフレーム単位の時間ずれδti_kだけ時間方向にずらした補正済二次元位置J2D’(i,t+δti_k,j)を生成する時間ずれ生成部と
前記補正済二次元位置J2D’(i,t+δti_k,j)から、カメラiの外部パラメータの初期値とフレーム時刻t+δti_kにおける前記関節物体の関節j(j=1, …, Nj)の三次元位置J3D’(t+δti_k,j)の初期値、前記関節物体の関節ペアm(m=1, …, Nm)の関節長L(m)の初期値を推定する初期値推定部と、
前記時間ずれΔti_kと前記補正済二次元位置J2D’(i,t+δti_k,j)と前記カメラiの外部パラメータの初期値と前記三次元位置J3D’(t+δti_k,j)の初期値と前記関節長L(m)の初期値から、前記パラメータの最適値と前記時間ずれの最適値を生成する最適化部とを含み、
前記最適化部は、
前記補正済二次元位置J2D’(i,t+δti_k,j)から、前記補正済二次元位置J2D’(i,t+δti_k,j)の誤差強度P(J2D’(i,t+δti_k,j))を計算する誤差強度計算部と、
前記補正済二次元位置J2D’(i,t+δti_k,j)と前記三次元位置J3D’(t+δti_k,j)の初期値と前記誤差強度P(J2D’(i,t+δti_k,j))から、再投影誤差項を計算する再投影誤差項計算部と、
前記三次元位置J3D’(t+δti_k,j)の初期値と前記関節長L(m)の初期値から、関節長制約項を計算する関節長制約項計算部と、
前記三次元位置J3D’(t+δti_k,j)の初期値から、関節位置制約項を計算する関節位置制約項計算部と、
前記3つのパラメータのうち少なくとも1つのパラメータを最適化対象パラメータとして前記再投影誤差項と前記関節長制約項と前記関節位置制約項を用いて定義される誤差関数の値を最小化するように、前記最適化対象パラメータの最適値を生成し、このときの誤差関数の値である誤差関数値を計算し、当該誤差関数値と前記最適化対象パラメータと前記時間ずれΔti_kを出力する最適化処理部と、
前記誤差関数値が最小となる前記最適化対象パラメータの最適値と前記時間ずれΔti_kをそれぞれパラメータの最適値、時間ずれの最適値として出力する時間ずれ評価部とを含み、
前記誤差強度P(J2D’(i,t+δtk,j))を計算する式は、
前記三次元位置J3D’(t+δtk,j)をカメラiの画像平面上に投影した二次元位置J2D’(i,t+δtk,j)_repと前記補正済二次元位置J2D’(i,t+δtk,j)の誤差が小さい場合には誤差による影響を抑制し、誤差が大きくなるにしたがい誤差の影響を大きくする式である
パラメータ最適化装置。 - Ncを2以上の整数、Njを2以上の整数、Nmを1以上の整数、iを1からNcまでの各整数、jを1からNjまでの各整数、mを1からNmまでの各整数とし、
パラメータ最適化装置が、同一の関節物体を撮影するように設定されたNc台のカメラ1、…、カメラNcで撮影された映像から推定された、フレーム時刻tにおける前記関節物体の関節jのカメラiの画像平面上の二次元位置J2D’(i,t,j)とカメラiの外部パラメータの初期値とフレーム時刻tにおける前記関節物体の関節jの三次元位置J3D’(t,j)の初期値と前記関節物体の関節ペアmの関節長L(m)の初期値から、カメラiの外部パラメータ、フレーム時刻tにおける関節物体の関節jの三次元位置J3D’(t,j)、関節物体の関節ペアmの関節長L(m)の3つのパラメータのうち少なくとも1つのパラメータの最適値を生成する最適化ステップを含むパラメータ最適化方法であって、
前記最適化ステップは、
前記二次元位置J2D’(i,t,j)から、前記二次元位置J2D’(i,t,j)の誤差強度P(J2D’(i,t,j))を計算する誤差強度計算ステップと、
前記二次元位置J2D’(i,t,j)と前記三次元位置J3D’(t,j)の初期値と前記誤差強度P(J2D’(i,t,j))から、再投影誤差項を計算する再投影誤差項計算ステップと、
前記三次元位置J3D’(t,j)の初期値と前記関節長L(m)の初期値から、関節長制約項を計算する関節長制約項計算ステップと、
前記三次元位置J3D’(t,j)の初期値から、関節位置制約項を計算する関節位置制約項計算ステップと、
前記3つのパラメータのうち少なくとも1つのパラメータを最適化対象パラメータとして前記再投影誤差項と前記関節長制約項と前記関節位置制約項を用いて定義される誤差関数の値を最小化するように、前記最適値を生成する最適化処理ステップとを含み、
前記誤差強度P(J2D’(i,t,j))を計算する式は、
前記三次元位置J3D’(t,j)をカメラiの画像平面上に投影した二次元位置J2D’(i,t,j)_repと前記二次元位置J2D’(i,t,j)の誤差が小さい場合には誤差による影響を抑制し、誤差が大きくなるにしたがい誤差の影響を大きくする式である
パラメータ最適化方法。 - Ncを2以上の整数、Njを2以上の整数、Nmを1以上の整数、iを1からNcまでの各整数、jを1からNjまでの各整数、mを1からNmまでの各整数とし、
パラメータ最適化装置が、同一の関節物体を撮影するように設定されたNc台のカメラ1、…、カメラNcで撮影された映像から、カメラiの外部パラメータ、フレーム時刻tにおける関節物体の関節jの三次元位置J3D’(t,j)、関節物体の関節ペアmの関節長L(m)の3つのパラメータのうち少なくとも1つのパラメータの最適値とカメラ間の時間ずれの最適値を生成するパラメータ最適化方法であって、
前記パラメータ最適化方法は、
前記カメラiで撮影された映像から、フレーム時刻tにおける前記関節物体の関節jのカメラiの画像平面上の二次元位置J2D’(i,t,j)を推定する二次元位置推定ステップと、
前記二次元位置J2D’(i,t,j)から、カメラ間の時間ずれΔti_k(k=1, …, Nk、Nkは1以上の整数)と前記二次元位置J2D’(i,t,j)をカメラ間の時間ずれΔti_kに対するフレーム単位の時間ずれδti_kだけ時間方向にずらした補正済二次元位置J2D’(i,t+δti_k,j)を生成する時間ずれ生成ステップと
前記補正済二次元位置J2D’(i,t+δti_k,j)から、カメラiの外部パラメータの初期値とフレーム時刻t+δti_kにおける前記関節物体の関節j(j=1, …, Nj)の三次元位置J3D’(t+δti_k,j)の初期値、前記関節物体の関節ペアm(m=1, …, Nm)の関節長L(m)の初期値を推定する初期値推定ステップと、
前記時間ずれΔti_kと前記補正済二次元位置J2D’(i,t+δti_k,j)と前記カメラiの外部パラメータの初期値と前記三次元位置J3D’(t+δti_k,j)の初期値と前記関節長L(m)の初期値から、前記パラメータの最適値と前記時間ずれの最適値を生成する最適化ステップとを含み、
前記最適化ステップは、
前記補正済二次元位置J2D’(i,t+δti_k,j)から、前記補正済二次元位置J2D’(i,t+δti_k,j)の誤差強度P(J2D’(i,t+δti_k,j))を計算する誤差強度計算ステップと、
前記補正済二次元位置J2D’(i,t+δti_k,j)と前記三次元位置J3D’(t+δti_k,j)の初期値と前記誤差強度P(J2D’(i,t+δti_k,j))から、再投影誤差項を計算する再投影誤差項計算ステップと、
前記三次元位置J3D’(t+δti_k,j)の初期値と前記関節長L(m)の初期値から、関節長制約項を計算する関節長制約項計算ステップと、
前記三次元位置J3D’(t+δti_k,j)の初期値から、関節位置制約項を計算する関節位置制約項計算ステップと、
前記3つのパラメータのうち少なくとも1つのパラメータを最適化対象パラメータとして前記再投影誤差項と前記関節長制約項と前記関節位置制約項を用いて定義される誤差関数の値を最小化するように、前記最適化対象パラメータの最適値を生成し、このときの誤差関数の値である誤差関数値を計算し、当該誤差関数値と前記最適化対象パラメータと前記時間ずれΔti_kを出力する最適化処理ステップと、
前記誤差関数値が最小となる前記最適化対象パラメータの最適値と前記時間ずれΔti_kをそれぞれパラメータの最適値、時間ずれの最適値として出力する時間ずれ評価ステップとを含み、
前記誤差強度P(J2D’(i,t+δtk,j))を計算する式は、
前記三次元位置J3D’(t+δtk,j)をカメラiの画像平面上に投影した二次元位置J2D’(i,t+δtk,j)_repと前記補正済二次元位置J2D’(i,t+δtk,j)の誤差が小さい場合には誤差による影響を抑制し、誤差が大きくなるにしたがい誤差の影響を大きくする式である
パラメータ最適化方法。 - 請求項1ないし4のいずれか1項に記載のパラメータ最適化装置としてコンピュータを機能させるためのプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017205818 | 2017-10-25 | ||
JP2017205818 | 2017-10-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019079487A JP2019079487A (ja) | 2019-05-23 |
JP6816058B2 true JP6816058B2 (ja) | 2021-01-20 |
Family
ID=66628819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018080509A Active JP6816058B2 (ja) | 2017-10-25 | 2018-04-19 | パラメータ最適化装置、パラメータ最適化方法、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6816058B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7420146B2 (ja) * | 2019-11-11 | 2024-01-23 | 日本電気株式会社 | カメラ校正装置、カメラ校正方法及びカメラ校正プログラム |
GB2589843B (en) * | 2019-11-19 | 2022-06-15 | Move Ai Ltd | Real-time system for generating 4D spatio-temporal model of a real-world environment |
US11095870B1 (en) * | 2020-04-23 | 2021-08-17 | Sony Corporation | Calibration of cameras on unmanned aerial vehicles using human joints |
KR20230002757A (ko) * | 2020-04-29 | 2023-01-05 | 엘지전자 주식회사 | 무선통신시스템에서 vru 위치에 관련된 rsu의 동작 방법 |
JPWO2022018811A1 (ja) * | 2020-07-20 | 2022-01-27 | ||
CN111738220B (zh) * | 2020-07-27 | 2023-09-15 | 腾讯科技(深圳)有限公司 | 三维人体姿态估计方法、装置、设备及介质 |
WO2022113349A1 (ja) * | 2020-11-30 | 2022-06-02 | 富士通株式会社 | 骨格認識装置、学習方法および学習プログラム |
CN112419314B (zh) * | 2020-12-10 | 2023-02-28 | 易思维(杭州)科技有限公司 | 一种基于相关性的特征点剔除方法 |
KR102540744B1 (ko) * | 2021-03-30 | 2023-06-12 | 와이폴라리스 주식회사 | 사람의 3d좌표를 생성하고 3d좌표의 타당성을 검토하는 장치 및 방법 |
WO2023157477A1 (ja) * | 2022-02-18 | 2023-08-24 | ソニーグループ株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP2024031068A (ja) * | 2022-08-25 | 2024-03-07 | 京セラ株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
KR102585255B1 (ko) * | 2023-04-26 | 2023-10-05 | 주식회사 케이유전자 | 칼만 필터 기반으로 한 다중 카메라 프레임 대 프레임 매칭 및 추적 알고리즘 |
-
2018
- 2018-04-19 JP JP2018080509A patent/JP6816058B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019079487A (ja) | 2019-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6816058B2 (ja) | パラメータ最適化装置、パラメータ最適化方法、プログラム | |
Schops et al. | Bad slam: Bundle adjusted direct rgb-d slam | |
US10789765B2 (en) | Three-dimensional reconstruction method | |
Zheng et al. | Hybridfusion: Real-time performance capture using a single depth sensor and sparse imus | |
US10059002B2 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable medium | |
JP6854780B2 (ja) | 三次元空間のモデリング | |
Dou et al. | Fusion4d: Real-time performance capture of challenging scenes | |
Zhou et al. | Dense scene reconstruction with points of interest | |
Helten et al. | Personalization and evaluation of a real-time depth-based full body tracker | |
Baak et al. | A data-driven approach for real-time full body pose reconstruction from a depth camera | |
US9619704B2 (en) | Fast articulated motion tracking | |
JP2019075156A (ja) | 多因子画像特徴登録及び追尾のための方法、回路、装置、システム、及び、関連するコンピュータで実行可能なコード | |
JP4774818B2 (ja) | 画像処理装置及び画像処理方法 | |
JPWO2005043466A1 (ja) | 物体の状態を推定する推定システム、推定方法および推定プログラム | |
JP2016099982A (ja) | 行動認識装置、行動学習装置、方法、及びプログラム | |
JP6515039B2 (ja) | 連続的な撮影画像に映り込む平面物体の法線ベクトルを算出するプログラム、装置及び方法 | |
JP2008304269A (ja) | 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム | |
JP2009237848A (ja) | 情報処理装置、および画像処理方法、並びにコンピュータ・プログラム | |
US20140168204A1 (en) | Model based video projection | |
Wang et al. | Real-time bayesian 3-d pose tracking | |
JP6922348B2 (ja) | 情報処理装置、方法、及びプログラム | |
Vo et al. | Spatiotemporal bundle adjustment for dynamic 3d human reconstruction in the wild | |
JP2007025863A (ja) | 撮影システム、撮影方法及び画像処理プログラム | |
JP7121936B2 (ja) | カメラ校正情報取得装置、画像処理装置、カメラ校正情報取得方法およびプログラム | |
Barber et al. | Camera tracking in visual effects an industry perspective of structure from motion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20180515 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191029 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201127 |
|
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: 20201222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201223 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6816058 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |