Detail publikace
OptInOpt: Dual Optimization for Automatic Camera Calibration by Multi-Target Observations
video surveillance, camera calibration, objects detection, classification, keypoints localization, optimization
V tomto článku navrhujeme nový přístup k automatické kalibraci dohledové kamery. Navržená metoda je založena na sledování rigidních objektů ve scéně a automatickém odhadu význačných bodů na těchto objektech. Navržený přístup může využít libovolné rigidní objekty, což bylo ověřeno v experimentech na syntetickém datasetu, v našem případě byla v reálných podmínkách využita auta. Automaticky detekované význačné body konvoluční neuronovou sítí, společně s odpovídajícími 3D pozicemi v souřadném systému objektu, jsou využity pro kalibraci kamery. Pro získání 3D pozic význačných bodů je nezbytná klasifikace detekovaných vozidel. Navržená kalibrační metoda je založena na duální optimalizaci - optimalizaci pozic objektů ve světovém souřadné systému a také optimalizaci kalibračních parametrů pro minimalizaci reprojekční chyby lokalizovaných význačných bodů. Experimenty ukazují zlepšení kalibrační přesnosti oproti existujícím metodám řešícím podobný problém, navíc s měně omezními na vstupní data. Na datech z reálného prostředí byla kalibrační chyba snížena z 6,88 % na 2,85 %.
@inproceedings{BUT161456,
author="Vojtěch {Bartl} and Adam {Herout}",
title="OptInOpt: Dual Optimization for Automatic Camera Calibration by Multi-Target Observations",
booktitle="16th IEEE International Conference on Advanced Video and Signal-based Surveillance",
year="2019",
pages="1--8",
publisher="Institute of Electrical and Electronics Engineers",
address="Taipei",
doi="10.1109/AVSS.2019.8909905",
isbn="978-1-7281-0990-9"
}