著者

金谷健一 松永 力

出版者

一般社団法人情報処理学会

雑誌

情報処理学会研究報告コンピュータビジョンとイメージメディア(CVIM) (ISSN:09196072)

巻号頁・発行日

vol.2000, no.7, pp.49-56, 2000-01-20

被引用文献数

18

---

2画像の点対応から計算した基礎行列をそれぞれの画像の焦点距離とカメラの運動パラメータとに代数的に閉じた形に分解するアルゴリズムを示す。これはスカラ不変量で表された基本行列の分解可能条件に基づくものである。また解が不定となる退化の条件をすべて解析する。さらに退化が生じた場合に2画像の焦点距離は等しいと仮定して解を求める方法を示し、その場合の退化の条件を調べる。最後にエピ極点を用いるBougnouxの公式を本論文の理論的枠組みから再導出する。We describe an algorithm for decomposing a fundamental matrix computed from point correspondences over two images into the focal lengths of the two images and the camera motion parameters in a closed-form expression in the fundamental matrix. Our algorithm is based on the decomposability condition of the essential matrix expressed in terms of its scalar invariants. We give a complete analysis for degenerate camera configurations. We also describe an algorithm for computing a single focal length in the degenerate case and analyze the indeterminacy condition. Finally, we recapitulate Bougnoux's formula, which describes the focal lengths using the epipoles, in our theoretical framework.

著者

本田 卓士 松永 力 金谷 健一

雑誌

研究報告コンピュータビジョンとイメージメディア(CVIM)

巻号頁・発行日

vol.2012, no.18, pp.1-8, 2012-11-26

---

空間をわずかに移動する複数の点の移動前後の位置を 3 次元センサーで計測し,どのような並進,回転,スケール変化が生じているのか,あるいは生じていないのかを判断するモデル選択のために,誤差のある 3 次元データにさまざまな運動モデルを最適に当てはめる新しい方法を提案する.これは, 3 次元アフィン変換の部分群が変数にさまざまな内部拘束を指定して得られることに着目して,内部拘束をもつ 3 次元アフィン変換を拡張 FNS 法によって計算するものである.これにより,従来のように運動ごとに別々のパラメータを導入する必要がなく,すべての部分群が同一の方法で計算できる.この手法をステレオ視による 3 次元シミュレーションデータに対する幾何学的 AIC,幾何学的 BIC,幾何学的 MDL を用いたモデル選択に応用する.Given 3-D sensing data of points slightly moving in space, we consider the problem of discerning whether or not translation, rotation, and scale change take place and to what extent. For this purpose, we propose a new method for fitting various motion models to 3-D noisy data. Based on the observation that subgroups of the 3-D affine transformations are defined by imposing various internal constraints on the variables, our method fits 3-D affine transformations with internal constraints using the scheme of EFNS, which, unlike conventional methods, dispenses with particular parameterizations for particular motion models. We apply our method to simulated stereo vision data and show how model selection using the geometric AIC, the geometric BIC and the geometric MDL works.