Bündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion
Von Fouad Sabry
()
Über dieses E-Book
Was ist Bündelanpassung
In der Photogrammetrie und Computer-Stereovision ist die Bündelanpassung die gleichzeitige Verfeinerung der 3D-Koordinaten, die die Szenengeometrie beschreiben, der Parameter der relativen Bewegung usw die optischen Eigenschaften der Kamera(s), die zum Erfassen der Bilder verwendet werden, anhand einer Reihe von Bildern, die eine Reihe von 3D-Punkten aus unterschiedlichen Blickwinkeln darstellen. Der Name bezieht sich auf die geometrischen Lichtstrahlenbündel, die von jedem 3D-Merkmal ausgehen und auf jeder Kamera zusammenlaufen optische Mitte, die nach einem Optimalitätskriterium unter Einbeziehung der entsprechenden Bildprojektionen aller Punkte optimal eingestellt werden.
Ihr Nutzen
(I) Einblicke und Validierungen zu den folgenden Themen:
Kapitel 1: Bündelanpassung
Kapitel 2: Levenberg-Marquardt-Algorithmus
Kapitel 3: Gauss-Newton-Algorithmus
Kapitel 4: Newtons Methode zur Optimierung
Kapitel 5: Iterativ neu gewichtete kleinste Quadrate
Kapitel 6: 3D-Rekonstruktion aus mehreren Bildern
Kapitel 7 : Homographie (Computer Vision)
Kapitel 8: Schachbretterkennung
Kapitel 9: Perspektive-n-Punkt
Kapitel 10: Powells Dog-Leg-Methode
(II) Beantwortung der häufigsten öffentlichen Fragen zur Bündelanpassung.
(III) Beispiele aus der Praxis für die Verwendung der Bündelanpassung in vielen Bereichen.
Wer Dieses Buch richtet sich an
Profis, Studenten und Doktoranden, Enthusiasten, Bastler und diejenigen, die für jede Art von Bundle-Anpassung über das Grundwissen oder die Informationen hinausgehen möchten.
Ähnlich wie Bündelanpassung
Titel in dieser Serie (100)
Gamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFarberscheinungsmodell: Wahrnehmung und Darstellung in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenGemeinsame Fotoexpertengruppe: Erschließen Sie das Potenzial visueller Daten mit dem JPEG-Standard Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTrifokaler Tensor: Erforschung von Tiefe, Bewegung und Struktur in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenHistogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenHadamard-Transformation: Enthüllung der Leistungsfähigkeit der Hadamard-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAktive Kontur: Weiterentwicklung der Computer Vision mit aktiven Konturtechniken Bewertung: 0 von 5 Sternen0 BewertungenAdaptiver Filter: Verbesserung der Computer Vision durch adaptive Filterung Bewertung: 0 von 5 Sternen0 BewertungenZufallsstichprobenkonsens: Robuste Schätzung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenFilterbank: Einblicke in die Filterbanktechniken von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHarris Eckendetektor: Enthüllung der Magie der Bildmerkmalserkennung Bewertung: 0 von 5 Sternen0 BewertungenFarbmanagementsystem: Optimierung der visuellen Wahrnehmung in digitalen Umgebungen Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenFarbmodell: Das Spektrum des Computer Vision verstehen: Farbmodelle erkunden Bewertung: 0 von 5 Sternen0 BewertungenFarbzuordnung: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenBlob-Erkennung: Aufdecken von Mustern in visuellen Daten Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Computer-Vision-Grafikschnitte: Erforschung von Graphschnitten in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDreidimensionale Multi-View-Rekonstruktion: Fortgeschrittene Techniken zur räumlichen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenKontextuelle Bildklassifizierung: Visuelle Daten für eine effektive Klassifizierung verstehen Bewertung: 0 von 5 Sternen0 BewertungenDirekte lineare Transformation: Praktische Anwendungen und Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLevel-Set-Methode: Weiterentwicklung der Computer Vision, Erforschung der Level-Set-Methode Bewertung: 0 von 5 Sternen0 BewertungenTrifokaler Tensor: Erforschung von Tiefe, Bewegung und Struktur in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenZufallsstichprobenkonsens: Robuste Schätzung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenApproximation der Lösungen von Differentialgleichungen mit Wavelets und Einstellung der Parameter Bewertung: 0 von 5 Sternen0 BewertungenModell einer Lochkamera: Perspektive durch Computeroptik verstehen Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur Numerischen Analysis Bewertung: 0 von 5 Sternen0 BewertungenBewegungsschätzung: Fortschritte und Anwendungen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenSkalieren Sie den Raum: Erforschung von Dimensionen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenMinimaler Begrenzungsrahmen: Enthüllung der Leistungsfähigkeit der räumlichen Optimierung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadiosity Computergrafik: Fortschrittliche Visualisierung durch Radiosität in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBresenham-Linien-Algorithmus: Effiziente pixelgenaue Linienwiedergabe für Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAktives Erscheinungsmodell: Erschließung der Leistungsfähigkeit aktiver Darstellungsmodelle in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRaytracing-Grafiken: Erforschung des fotorealistischen Renderings in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildsegmentierung: Erkenntnisse durch Pixelpräzision erschließen Bewertung: 0 von 5 Sternen0 BewertungenComputergeometrie: Erforschung geometrischer Erkenntnisse für Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenStrichzeichnungsalgorithmus: Beherrschen von Techniken zur präzisen Bildwiedergabe Bewertung: 0 von 5 Sternen0 BewertungenVolumen Rendern: Erforschung des Visuellen Realismus in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenNumerische Grundlagen der Simulation: Kompendium Simulation und Regelung technischer Prozesse, Teil 5 Bewertung: 0 von 5 Sternen0 BewertungenBlob-Erkennung: Aufdecken von Mustern in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenFarbzuordnung: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenKantenerkennung: Grenzen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenBewegungsfeld: Erkundung der Dynamik von Computer Vision: Bewegungsfeld enthüllt Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenZweidimensionale Computergrafik: Erkundung des visuellen Bereichs: Zweidimensionale Computergrafiken in Computer Vision Bewertung: 0 von 5 Sternen0 Bewertungen
Künstliche Intelligenz (KI) & Semantik für Sie
Aufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Epische Reise des Erfolgs - 'Steigern Sie Ihren Reichtum': Mit Screenshots aus dem echten Leben - Erreichen Sie finanzielle Höhen Bewertung: 0 von 5 Sternen0 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenMeistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenDie Zukunft der Arbeit: Digitalisierung, Automatisierung, KI Bewertung: 0 von 5 Sternen0 BewertungenDie KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5Menschlicher Geist und Künstliche Intelligenz: Die Entwicklung des Humanen inmitten einer digitalen Welt Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz: Die vierte industrielle Revolution Bewertung: 0 von 5 Sternen0 BewertungenEinstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte Bewertung: 0 von 5 Sternen0 BewertungenWissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen Bewertung: 0 von 5 Sternen0 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Bündelanpassung
0 Bewertungen0 Rezensionen
Buchvorschau
Bündelanpassung - Fouad Sabry
Kapitel 1: Bündelanpassung
Bei einer Sammlung von Bildern, die eine Reihe von 3D-Punkten aus verschiedenen Blickwinkeln darstellen, ist die Bündelanpassung in der Photogrammetrie und dem Computer-Stereosehen die gleichzeitige Verfeinerung der 3D-Koordinaten, die die Szenengeometrie, die Parameter der Relativbewegung und die optischen Eigenschaften der Kamera(s) beschreiben, die zur Aufnahme der Bilder verwendet werden. Benannt nach dem Optimalitätskriterium der entsprechenden Bildprojektionen aller Punkte, handelt es sich um die geometrischen Bündel von Lichtstrahlen, die von jedem 3D-Merkmal ausgehen und im optischen Zentrum jeder Kamera zusammenlaufen.
Die letzte Phase der meisten merkmalsbasierten 3D-Rekonstruktionsmethoden ist die Bündelanpassung.
Im Wesentlichen handelt es sich um ein Optimierungsproblem für die 3D-Struktur und die Parameter, die bestimmen, wie sie betrachtet wird, die Perspektive, die intrinsische Kalibrierung und die radiale Verzerrung (von der Kamera selbst), um eine Rekonstruktion zu erhalten, die unter bestimmten Annahmen bezüglich des Rauschens in Bezug auf das beobachtete Motiv optimal ist: 2
Das Ziel der Bündelanpassung ist es, die Diskrepanz zwischen den erwarteten und beobachteten Positionen von Bildpunkten zu verringern. Sie kann als Quadratwurzel einer sehr großen Anzahl von nichtlinearen Funktionen mit reellen Werten geschrieben werden.
Daher werden nichtlineare Methoden der kleinsten Quadrate verwendet, um die Minimierung durchzuführen.
Levenberg-Marquardt ist aufgrund seiner Einfachheit und der Wirksamkeit der verwendeten Dämpfungsstrategie zu einer der beliebtesten Methoden geworden. Dies ermöglicht eine rasche Konvergenz aus einer großen Stichprobe von anfänglichen Annahmen.
Die Minimierung einer Funktion erfordert eine iterative Linearisierung um die aktuelle Schätzung. Die Normalgleichungen sind lineare Systeme, deren Lösung das Herzstück des Levenberg-Marquardt-Algorithmus ist.
Minimierungsprobleme im Zusammenhang mit dem Bündelanpassungs-Framework, Die fehlende Korrelation zwischen den Parametern für verschiedene 3D-Punkte und Kameras führt zu einer dünnbesetzten Blockstruktur für die Normalgleichungen.
Die Verwendung einer spärlichen Form der Levenberg-Marquardt-Technik, die das Nullenmuster in normalen Gleichungen nutzt, könnte dadurch die Recheneffizienz erheblich verbessern, indem das Speichern und Arbeiten mit Nullelementen vermieden wird.: 3
Während der Bündelanpassung werden die anfänglichen Parameterschätzungen der Kamera und der Struktur gemeinsam verfeinert, um zu bestimmen, welche Parameter die Positionen der beobachteten Punkte über die verfügbaren Bilder am besten vorhersagen.
Formaler ausgedrückt nehmen wir an, dass n 3D-Punkte in Ansichten zu sehen sind m , und lassen Sie {\mathbf {x}}_{{ij}} die Projektion des i ten Punktes auf das Bild j sein.
Sei \displaystyle v_{{ij}} die binären Variablen, die gleich 1 sind, wenn der Punkt i im Bild sichtbar ist j , und 0 sonst.
Nehmen wir außerdem an, dass jede Kamera j durch einen Vektor und jeder 3D-Punkt {\mathbf {a}}_{j} durch einen Vektor i parametrisiert wird {\mathbf {b}}_{i} .
Reprojektionsfehler können durch die Verwendung einer Bündelanpassung, die alle 3D-Punkt- und Kameraeinstellungen berücksichtigt, auf breiter Front reduziert werden, insbesondere
\min _{{{\mathbf {a}}_{j},\,{\mathbf {b}}_{i}}}\displaystyle \sum _{{i=1}}^{{n}}\;\displaystyle \sum _{{j=1}}^{{m}}\;v_{{ij}}\,d({\mathbf {Q}}({\mathbf {a}}_{j},\,{\mathbf {b}}_{i}),\;{\mathbf {x}}_{{ij}})^{2},wobei {\mathbf {Q}}({\mathbf {a}}_{j},\,{\mathbf {b}}_{i}) die vorhergesagte Projektion von Punkt i auf Bild ist j und d({\mathbf {x}},\,{\mathbf {y}}) den euklidischen Abstand zwischen den Bildpunkten bezeichnet, die durch Vektoren und dargestellt werden \mathbf {x} \mathbf {y} .
Da das Minimum über eine große Anzahl von Punkten und Bildern berechnet wird, macht es der Bündelanpassung nichts aus, wenn einige Ihrer Bildprojektionen fehlen, solange eine geeignete Entfernungsmetrik