咨询热线：13080701712
返回
沈宇动态
监控摄像头的三角方位测量方法
这项工作的目的是研究基于摄像头的两辆自动驾驶车辆之间的距离估计技术。虽然探索了单目和立体摄像头方法，但本研究重点关注基准标记的使用。因此，对现有的基准标记进行了讨论和选择。基于这种选择，提出了三种标记配置并将其应用于不同的距离估计方法。所选标记是 AprilTag 和 WhyCon。它们的距离是通过 Perspective-n-Point、圆的 3D 位置计算和基于立体的三角干扰器测量来估计的。在本研究中，根据距离估计精度和适用范围对所提出的方法进行评估。
将它们相互比较并使用常见的立体方法半全局匹配进行比较。此外，还参考几何校准监控角度探讨了不确定性的影响。提出了一种设置来评估基于真实世界和模拟数据的技术。为了深入了解该方法的特性，使用了有助于图像数据变化的模拟。此外，蒙特卡罗模拟可以对校准不确定性进行建模。所获得的观察结果基于两个现实世界的实验得到证实。结果证明了基准标记在高精度和低不确定性方面用于车辆相对距离估计的潜力。对相机校准中的不确定性的敏感性较低，使得基准标记优于屏蔽器立体方法。 动物丰度的估计对于了解动物生态学至关重要。相机陷阱可用于估计陆地哺乳动物的丰度，包括难以捉摸的物种，前提是传感器的灵敏度（估计为有效检测距离（EDD））是量化的。
在这里，我们展示了如何通过沿着相机视野中线在已知距离处放置标记，然后将监控摄像头距离采样函数拟合到动物在标记之间通过的频率，来直接从相机陷阱图像推断 EDD。如果在最大检测距离上使用至少五个间隔，则使用分箱检测距离从模拟通道得出的 EDD 估计值近似于从连续检测距离测量中获得的估计值。该方法在具有对比植被密度的两种森林类型中进行了实地测试，并以 2.5 m 的间隔设置了 5 个标记，得出了 13 种森林哺乳动物的可信 EDD 估计值。正如预期的那样，EDD 估计值与物种体重呈正相关，并且植被较密集的 EDD 值较短。我们的研究结果表明，这种简单的方法可以产生可靠的 EDD 干扰屏蔽器估计。这些估计可用于纠正由于物种和栖息地之间传感器灵敏度差异而导致的采样工作差异的摄影捕获率。简化 EDD 的估计将减少相对丰度指数的偏差，并且还将有利于使用相机陷阱数据来估计动物密度。
将它们相互比较并使用常见的立体方法半全局匹配进行比较。此外，还参考几何校准监控角度探讨了不确定性的影响。提出了一种设置来评估基于真实世界和模拟数据的技术。为了深入了解该方法的特性，使用了有助于图像数据变化的模拟。此外，蒙特卡罗模拟可以对校准不确定性进行建模。所获得的观察结果基于两个现实世界的实验得到证实。结果证明了基准标记在高精度和低不确定性方面用于车辆相对距离估计的潜力。对相机校准中的不确定性的敏感性较低，使得基准标记优于屏蔽器立体方法。 动物丰度的估计对于了解动物生态学至关重要。相机陷阱可用于估计陆地哺乳动物的丰度，包括难以捉摸的物种，前提是传感器的灵敏度（估计为有效检测距离（EDD））是量化的。
在这里，我们展示了如何通过沿着相机视野中线在已知距离处放置标记，然后将监控摄像头距离采样函数拟合到动物在标记之间通过的频率，来直接从相机陷阱图像推断 EDD。如果在最大检测距离上使用至少五个间隔，则使用分箱检测距离从模拟通道得出的 EDD 估计值近似于从连续检测距离测量中获得的估计值。该方法在具有对比植被密度的两种森林类型中进行了实地测试，并以 2.5 m 的间隔设置了 5 个标记，得出了 13 种森林哺乳动物的可信 EDD 估计值。正如预期的那样，EDD 估计值与物种体重呈正相关，并且植被较密集的 EDD 值较短。我们的研究结果表明，这种简单的方法可以产生可靠的 EDD 干扰屏蔽器估计。这些估计可用于纠正由于物种和栖息地之间传感器灵敏度差异而导致的采样工作差异的摄影捕获率。简化 EDD 的估计将减少相对丰度指数的偏差，并且还将有利于使用相机陷阱数据来估计动物密度。
