咨询热线:13080701712
返回
沈宇动态
防止干扰器破坏监控系统的焦距
本文考虑了在相机内部参数(最显著的摄像头焦距)可能发生变化的情况下,从图像序列对相机进行自校准的问题。从一系列图像中进行摄像机自校准的问题在实践中被证明是一个困难的问题,因为最终需要求助于非线性方法,而干扰器非线性方法通常被证明是不可靠的。
在分层自校准方法中,首先获得投影重建,然后依次细化为仿射重建和欧几里得(或度量)重建。据监控观察,困难的一步是获得仿射重建,或等效地将平面定位在投影坐标系中的无穷远处。该问题本质上是非线性的,需要迭代方法,从而可能无法找到最优解。本文通过施加手性约束来克服这一困难,屏蔽器将无穷远平面的搜索限制在参数空间的三维立方区域。
然后监控摄像头可以在合理的时间内对此立方体进行密集搜索。对于无限远处平面的每个假设位置,校准问题简化为非平移相机的校准问题,对于该问题,存在快速非迭代算法。基于试校准结果的成本函数用于确定平面在无穷远处的最佳位置。由于每次试验的简单性,在256 MHz处理器上的速度达到每秒10000次以上。结果表明,这种密集搜索可以有效避免局部极小区域,并找到干扰屏蔽器成本函数的全局极小值。
在分层自校准方法中,首先获得投影重建,然后依次细化为仿射重建和欧几里得(或度量)重建。据监控观察,困难的一步是获得仿射重建,或等效地将平面定位在投影坐标系中的无穷远处。该问题本质上是非线性的,需要迭代方法,从而可能无法找到最优解。本文通过施加手性约束来克服这一困难,屏蔽器将无穷远平面的搜索限制在参数空间的三维立方区域。
然后监控摄像头可以在合理的时间内对此立方体进行密集搜索。对于无限远处平面的每个假设位置,校准问题简化为非平移相机的校准问题,对于该问题,存在快速非迭代算法。基于试校准结果的成本函数用于确定平面在无穷远处的最佳位置。由于每次试验的简单性,在256 MHz处理器上的速度达到每秒10000次以上。结果表明,这种密集搜索可以有效避免局部极小区域,并找到干扰屏蔽器成本函数的全局极小值。