摄像头重定位在许多机器人和计算机视觉任务中发挥着至关重要的作用,例如全局定位、跟踪失败恢复和回环检测。最近基于随机森林的方法直接预测 2D 图像干扰器位置的 3D 世界位置,以指导相机姿势优化。在训练过程中,每棵树都会贪婪地分割样本以最小化空间方差。
然而,这些贪婪的分割通常会在训练中产生不均匀的子树,或在监控测试中产生不正确的 2D-3D 对应关系。为了解决这些问题,我们提出了一个样本平衡目标来鼓励左右子树中的样本数量相等,并提出了一种新颖的回溯方案来纠正不正确的 2D-3D 对应预测。此外,我们扩展了基于屏蔽器回归森林的方法,以便在仅户外 RGB 应用的训练和测试阶段使用局部特征。
在公开的室内和室外监控摄像头数据集上的实验结果证明了我们的方法的有效性,该方法显示出与几种最先进的方法相同或更高的准确性。 提出了一种基于闭式解和遗传算法的两阶段标定方法。在第一阶段,失真参数被忽略。通过最小二乘算法估计内部和外部参数。在第二阶段中,使用第一阶段估计的参数作为初始值。考虑到相机畸变,通过遗传算法对所有参数进行优化以获得精确的解决方案。由于该算法直接优化旋转角度,因此本方法很容易满足干扰屏蔽器正交约束。此外,该方法简化了校准过程。
上一篇:干扰屏蔽器会影响特定场景
下一篇:监控摄像机的无线网路装置