JP7477043B2 - 基本行列生成装置、制御方法、及びプログラム - Google Patents
基本行列生成装置、制御方法、及びプログラム Download PDFInfo
- Publication number
- JP7477043B2 JP7477043B2 JP2023503271A JP2023503271A JP7477043B2 JP 7477043 B2 JP7477043 B2 JP 7477043B2 JP 2023503271 A JP2023503271 A JP 2023503271A JP 2023503271 A JP2023503271 A JP 2023503271A JP 7477043 B2 JP7477043 B2 JP 7477043B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- point
- feature
- pairs
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011159 matrix material Substances 0.000 title claims description 166
- 238000000034 method Methods 0.000 title claims description 60
- 238000001514 detection method Methods 0.000 claims description 61
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims 1
- 230000008569 process Effects 0.000 description 19
- 238000012545 processing Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 101100521334 Mus musculus Prom1 gene Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Description
非特許文献1の発明では、本開示における第1画像10と第2画像20について、特徴点のペアを5組以上利用して、基本行列40の生成が行われる。これに対し、本実施形態の基本行列生成装置2000では、特徴点ペアと派生点ペアが合計で5組以上あれば、基本行列40を生成できる。そのため、画像から検出する必要がある特徴点ペアの最小数は3組である。よって、特許文献1の発明と比較し、画像から検出する必要がある特徴点ペアの数が少ないという利点がある。
図3は、実施形態1の基本行列生成装置2000の機能構成を例示するブロック図である。基本行列生成装置2000は、第1検出部2020、第2検出部2040、及び生成部2060を有する。第1検出部2020は、第1画像10及び第2画像20から、3組以上の特徴点ペアを検出する。第2検出部2040は、2組以上の特徴点ペアそれぞれを用いて、第1画像10及び第2画像20から、2組以上の派生点ペアを検出する。生成部2060は、検出した特徴点ペアと派生点ペアを用いて、基本行列40を生成する。
基本行列生成装置2000の各機能構成部は、各機能構成部を実現するハードウエア(例:ハードワイヤードされた電子回路など)で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ(例:電子回路とそれを制御するプログラムの組み合わせなど)で実現されてもよい。以下、基本行列生成装置2000の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。
図4は、実施形態1の基本行列生成装置2000によって実行される処理の流れを例示するフローチャートである。第1検出部2020は第1画像10及び第2画像20を取得する(S102)。第1検出部2020は、第1画像10及び第2画像20を用いて、3組以上の特徴点ペアを検出する(S104)。第2検出部2040は、第1画像10及び第2画像20を用いて、2組以上の特徴点ペアそれぞれについての派生点ペアを検出する(S106)。生成部2060は、特徴点ペアと派生点ペアを用いて、基本行列40を生成する(S108)。
第1画像10と第2画像20は、任意のカメラによって生成された任意の撮像画像である。ただし、第1画像10と第2画像20は、少なくともその一部に、互いに同一の場所が撮像された画像領域が含まれている。例えば、同じ建物や人物を互いに異なる位置や角度から撮像することにより、第1画像10と第2画像20が生成される。
第1検出部2020は、第1画像10及び第2画像20を取得する(S102)。第1検出部2020が第1画像10と第2画像20を取得する方法は任意である。例えば第1検出部2020は、第1画像10と第2画像20を、それぞれが格納されている記憶装置から取得する。なお、第1画像10と第2画像20は、同じ記憶装置に格納されていてもよいし、互いに異なる記憶装置に格納されていてもよい。その他にも例えば、第1検出部2020は、第1画像10を生成したカメラと第2画像20を生成したカメラのそれぞれから、第1画像10と第2画像20を取得してもよい。
第1検出部2020は、第1画像10と第2画像20から特徴点ペアを3組以上検出する(S104)。そのために、第1検出部2020は、第1画像10と第2画像20のそれぞれから、特徴点の検出を行う。ここで、第1画像10と第2画像20から検出する特徴点は、任意の種類の特徴点でよい。また、画像から特徴点を検出する技術には、既存の技術を利用することができる。
第2検出部2040は、2組以上の特徴点ペアそれぞれについて、派生点ペアを検出する(S106)。第1画像10上の特徴点から検出される派生点は、第1画像10上の特徴点から第1方向に第1距離離れた点である。一方、第2画像20上の特徴点から検出される派生点は、第2画像20上の特徴点から第2方向に第2距離離れた点である。
生成部2060は、5組以上の対応点ペア(特徴点ペアと派生点ペア)を用いて、基本行列40を生成する。ここで、対応点ペアを5組以上用いて基本行列を算出する技術には、既存の技術を利用することができる。
基本行列生成装置2000は、生成した基本行列40を含む情報(以下、出力情報)を出力する。出力情報の出力態様は任意である。例えば基本行列生成装置2000は、出力情報を、基本行列生成装置2000からアクセス可能なディスプレイ装置に表示させる。その他にも例えば、基本行列生成装置2000は、出力情報を、基本行列生成装置2000からアクセス可能な記憶装置に格納する。その他にも例えば、基本行列生成装置2000は、出力情報を、基本行列生成装置2000と通信可能に接続されている他の装置へ送信する。
基本行列生成装置2000は、以下の手法により、より精度の高い基本行列40を生成してもよい。ここでいう基本行列40の精度とは、第1画像10上の点 mi と第2画像20上の点 niと基本行列を用いて三角測量して復元した三次元座標を、第1画像10と第2画像20へと再投影し、第1画像10上に再投影された2次元点と mi との誤差および第2画像20上に再投影された2次元点と ni との誤差の小ささを意味する。これらの再投影誤差が小さいほど、基本行列40によって、第1画像10上の点と第2画像20上の点とが正確に幾何的な制約条件を満たすこととなるため、基本行列40の精度が高いと言える。なお、再投影誤差の代わりに、計算量がより少ない代数学的誤差(例えば Sampson 誤差)を用いてもよい。以下では、これらの誤差を総称してエピポーラ誤差と呼ぶ。
基本行列生成装置2000は、ループ処理L1において毎回基本行列40の生成を行うのではなく、特定の条件が満たされた場合のみ、基本行列40の生成を行うようにしてもよい。具体的には、基本行列生成装置2000は、S206で選択された3組の特徴点ペア、及びそれらを用いて検出された3組の派生点ペアを利用して、符号付面積を算出する。そして、符号付き面積の符号の正しさに基づいて、基本行列40の生成を行うか否かを判定する。以下、具体的に説明する。
基本行列40の精度を高める方法は、RANSAC を利用する方法に限定されない。例えば、RANSAC には様々な派生が存在するため、それらを選択的に組み合わせることが可能である。例えば、PROSAC(Progressive Sample Consensus)を用いる場合、特徴量のマッチングスコアが小さい順に特徴点ペアが選択される。すなわち、S208において、特徴点ペアがランダムに選択される代わりに、特徴量のマッチングスコアが小さい(すなわち、互いの特徴量の類似度合いが大きい)順に特徴点ペアが選択される。
(付記1)
第1画像と第2画像から、互いに対応する特徴点のペアである特徴点ペアを3組以上検出する第1検出部と、
2組以上の各前記特徴点ペアについて、その特徴点ペアに含まれる前記第1画像上の点から第1方向に第1距離離れた点と、その特徴点ペアに含まれる前記第2画像上の点から第2方向に第2距離離れた点とのペアである派生点ペアを検出する第2検出部と、
各前記検出された特徴点ペア及び派生点ペアを利用して、前記第1画像上の点と前記第2画像上の点とのエピポーラ制約を表す基本行列を生成する生成部と、を有し、
前記第1方向と前記第1距離はそれぞれ、前記特徴点ペアに含まれる前記第1画像上の点について算出された特徴量に基づいて定まり、
前記第2方向と前記第2距離はそれぞれ、前記特徴点ペアに含まれる前記第2画像上の点について算出された特徴量に基づいて定まる、基本行列生成装置。
(付記2)
前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定される、付記1に記載の基本行列生成装置。
(付記3)
前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定される、付記1に記載の基本行列生成装置。
(付記4)
前記派生点ペアの検出に利用する前記特徴点ペアを変更しながら、前記基本行列の生成を繰り返し行い、生成された複数の前記基本行列のうち、最も精度が高いものを出力する、付記1から3いずれか一項に記載の基本行列生成装置。
(付記5)
前記特徴点ペアもしくは前記特徴点ペアと前記派生点ペアから3つの点を抽出して符号付面積の算出を行い、当該算出された符号付面積の符号に基づいて、前記基本行列の生成を行うか否かを判定する、付記1から4いずれか一項に記載の基本行列生成装置。
(付記6)
コンピュータによって実行される制御方法であって、
第1画像と第2画像から、互いに対応する特徴点のペアである特徴点ペアを3組以上検出する第1検出ステップと、
2組以上の各前記特徴点ペアについて、その特徴点ペアに含まれる前記第1画像上の点から第1方向に第1距離離れた点と、その特徴点ペアに含まれる前記第2画像上の点から第2方向に第2距離離れた点とのペアである派生点ペアを検出する第2検出ステップと、
各前記検出された特徴点ペア及び派生点ペアを利用して、前記第1画像上の点と前記第2画像上の点とのエピポーラ制約を表す基本行列を生成する生成ステップと、を有し、
前記第1方向と前記第1距離はそれぞれ、前記特徴点ペアに含まれる前記第1画像上の点について算出された特徴量に基づいて定まり、
前記第2方向と前記第2距離はそれぞれ、前記特徴点ペアに含まれる前記第2画像上の点について算出された特徴量に基づいて定まる、制御方法。
(付記7)
前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定される、付記6に記載の制御方法。
(付記8)
前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定される、付記6に記載の制御方法。
(付記9)
前記派生点ペアの検出に利用する前記特徴点ペアを変更しながら、前記基本行列の生成を繰り返し行い、生成された複数の前記基本行列のうち、最も精度が高いものを出力する、付記6から8いずれか一項に記載の制御方法。
(付記10)
前記特徴点ペアもしくは前記特徴点ペアと前記派生点ペアから3つの点を抽出して符号付面積の算出を行い、当該算出された符号付面積の符号に基づいて、前記基本行列の生成を行うか否かを判定する、付記6から9いずれか一項に記載の制御方法。
(付記11)
プログラムが格納されているコンピュータ可読媒体であって、
前記プログラムは、コンピュータに、
第1画像と第2画像から、互いに対応する特徴点のペアである特徴点ペアを3組以上検出する第1検出ステップと、
2組以上の各前記特徴点ペアについて、その特徴点ペアに含まれる前記第1画像上の点から第1方向に第1距離離れた点と、その特徴点ペアに含まれる前記第2画像上の点から第2方向に第2距離離れた点とのペアである派生点ペアを検出する第2検出ステップと、
各前記検出された特徴点ペア及び派生点ペアを利用して、前記第1画像上の点と前記第2画像上の点とのエピポーラ制約を表す基本行列を生成する生成ステップと、を実行させ、
前記第1方向と前記第1距離はそれぞれ、前記特徴点ペアに含まれる前記第1画像上の点について算出された特徴量に基づいて定まり、
前記第2方向と前記第2距離はそれぞれ、前記特徴点ペアに含まれる前記第2画像上の点について算出された特徴量に基づいて定まる、コンピュータ可読媒体。
(付記12)
前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定される、付記11に記載のコンピュータ可読媒体。
(付記13)
前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定される、付記11に記載のコンピュータ可読媒体。
(付記14)
前記コンピュータに、前記派生点ペアの検出に利用する前記特徴点ペアを変更しながら、前記基本行列の生成を繰り返し行い、生成された複数の前記基本行列のうち、最も精度が高いものを出力するステップを実行させる、付記11から13いずれか一項に記載のコンピュータ可読媒体。
(付記15)
前記コンピュータに、前記特徴点ペアと前記派生点ペアから3つの点を抽出して符号付面積の算出を行い、当該算出された符号付面積の符号に基づいて、前記基本行列の生成を行うか否かを判定するステップを実行させる、付記11から14いずれか一項に記載のコンピュータ可読媒体。
20 第2画像
40 基本行列
500 コンピュータ
502 バス
504 プロセッサ
506 メモリ
508 ストレージデバイス
510 入出力インタフェース
512 ネットワークインタフェース
2000 基本行列生成装置
2020 第1検出部
2040 第2検出部
2060 生成部
Claims (10)
- 第1画像と第2画像から、互いに対応する特徴点のペアである特徴点ペアを3組以上検出する第1検出部と、
2組以上の各前記特徴点ペアについて、その特徴点ペアに含まれる前記第1画像上の点から第1方向に第1距離離れた点と、その特徴点ペアに含まれる前記第2画像上の点から第2方向に第2距離離れた点とのペアである派生点ペアを検出する第2検出部と、
各前記検出された特徴点ペア及び派生点ペアを利用して、前記第1画像上の点と前記第2画像上の点とのエピポーラ制約を表す基本行列を生成する生成部と、を有し、
前記第1方向と前記第1距離はそれぞれ、前記特徴点ペアに含まれる前記第1画像上の点について算出された特徴量に基づいて定まり、
前記第2方向と前記第2距離はそれぞれ、前記特徴点ペアに含まれる前記第2画像上の点について算出された特徴量に基づいて定まる、基本行列生成装置。 - 前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定される、請求項1に記載の基本行列生成装置。 - 前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定される、請求項1に記載の基本行列生成装置。 - 前記派生点ペアの検出に利用する前記特徴点ペアを変更しながら、前記基本行列の生成を繰り返し行い、生成された複数の前記基本行列のうち、最も精度が高いものを出力する、請求項1から3いずれか一項に記載の基本行列生成装置。
- 前記特徴点ペアと前記派生点ペアから3つの点を抽出して符号付面積の算出を行い、当該算出された符号付面積の符号に基づいて、前記基本行列の生成を行うか否かを判定する、請求項1から4いずれか一項に記載の基本行列生成装置。
- コンピュータによって実行される制御方法であって、
第1画像と第2画像から、互いに対応する特徴点のペアである特徴点ペアを3組以上検出する第1検出ステップと、
2組以上の各前記特徴点ペアについて、その特徴点ペアに含まれる前記第1画像上の点から第1方向に第1距離離れた点と、その特徴点ペアに含まれる前記第2画像上の点から第2方向に第2距離離れた点とのペアである派生点ペアを検出する第2検出ステップと、
各前記検出された特徴点ペア及び派生点ペアを利用して、前記第1画像上の点と前記第2画像上の点とのエピポーラ制約を表す基本行列を生成する生成ステップと、を有し、
前記第1方向と前記第1距離はそれぞれ、前記特徴点ペアに含まれる前記第1画像上の点について算出された特徴量に基づいて定まり、
前記第2方向と前記第2距離はそれぞれ、前記特徴点ペアに含まれる前記第2画像上の点について算出された特徴量に基づいて定まる、制御方法。 - 前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定される、請求項6に記載の制御方法。 - 前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたアフィン不変特徴量の特定の軸方向及びその軸の長さに基づいて決定される、請求項6に記載の制御方法。 - 第1画像と第2画像から、互いに対応する特徴点のペアである特徴点ペアを3組以上検出する第1検出ステップと、
2組以上の各前記特徴点ペアについて、その特徴点ペアに含まれる前記第1画像上の点から第1方向に第1距離離れた点と、その特徴点ペアに含まれる前記第2画像上の点から第2方向に第2距離離れた点とのペアである派生点ペアを検出する第2検出ステップと、
各前記検出された特徴点ペア及び派生点ペアを利用して、前記第1画像上の点と前記第2画像上の点とのエピポーラ制約を表す基本行列を生成する生成ステップと、をコンピュータに実行させ、
前記第1方向と前記第1距離はそれぞれ、前記特徴点ペアに含まれる前記第1画像上の点について算出された特徴量に基づいて定まり、
前記第2方向と前記第2距離はそれぞれ、前記特徴点ペアに含まれる前記第2画像上の点について算出された特徴量に基づいて定まる、プログラム。 - 前記第1方向と前記第1距離はそれぞれ、前記第1画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定され、
前記第2方向と前記第2距離はそれぞれ、前記第2画像上の点について算出されたスケール不変特徴量の主軸方向とスケールの長さに基づいて決定される、請求項9に記載のプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/008289 WO2022185462A1 (ja) | 2021-03-03 | 2021-03-03 | 基本行列生成装置、制御方法、及びコンピュータ可読媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022185462A1 JPWO2022185462A1 (ja) | 2022-09-09 |
JPWO2022185462A5 JPWO2022185462A5 (ja) | 2023-11-24 |
JP7477043B2 true JP7477043B2 (ja) | 2024-05-01 |
Family
ID=83155187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023503271A Active JP7477043B2 (ja) | 2021-03-03 | 2021-03-03 | 基本行列生成装置、制御方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7477043B2 (ja) |
WO (1) | WO2022185462A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016100899A (ja) | 2014-11-20 | 2016-05-30 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 映像補正方法及び装置 |
JP2017174105A (ja) | 2016-03-23 | 2017-09-28 | Kddi株式会社 | 幾何検証装置及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6511980B2 (ja) * | 2015-06-19 | 2019-05-15 | カシオ計算機株式会社 | 画像処理装置、画像処理方法及びプログラム |
-
2021
- 2021-03-03 JP JP2023503271A patent/JP7477043B2/ja active Active
- 2021-03-03 WO PCT/JP2021/008289 patent/WO2022185462A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016100899A (ja) | 2014-11-20 | 2016-05-30 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 映像補正方法及び装置 |
JP2017174105A (ja) | 2016-03-23 | 2017-09-28 | Kddi株式会社 | 幾何検証装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022185462A1 (ja) | 2022-09-09 |
WO2022185462A1 (ja) | 2022-09-09 |
US20240135674A1 (en) | 2024-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11244435B2 (en) | Method and apparatus for generating vehicle damage information | |
KR20240069802A (ko) | 3차원 객체 재구성 | |
US10354402B2 (en) | Image processing apparatus and image processing method | |
EP2579210A1 (en) | Face feature-point position correction device, face feature-point position correction method, and face feature-point position correction program | |
JP2018195309A (ja) | 顔認識のための画像処理装置の訓練方法及び訓練装置 | |
CN113870215B (zh) | 中线提取方法及装置 | |
JP6662382B2 (ja) | 情報処理装置および方法、並びにプログラム | |
CN111459269A (zh) | 一种增强现实显示方法、***及计算机可读存储介质 | |
CN113361527A (zh) | 多目标对象的识别定位方法及装置、电子设备、存储介质 | |
JP2014102746A (ja) | 被写体認識装置及び被写体認識プログラム | |
US8548225B2 (en) | Point selection in bundle adjustment | |
JP7477043B2 (ja) | 基本行列生成装置、制御方法、及びプログラム | |
CN117372604A (zh) | 一种3d人脸模型生成方法、装置、设备及可读存储介质 | |
JP7477045B2 (ja) | 基礎行列生成装置、制御方法、及びプログラム | |
US20230130674A1 (en) | Computer-readable recording medium storing learning program, learning method, and information processing apparatus | |
US20230127469A1 (en) | Computer-readable recording medium storing inference program, computer-readable recording medium storing learning program, inference method, and learning method | |
CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
US20240233321A9 (en) | Essential matrix generation apparatus, control method, and computer-readable medium | |
JP7448034B2 (ja) | 平面射影変換行列生成装置、制御方法、及びプログラム | |
JP6544482B2 (ja) | 物体認識装置、物体認識方法及び記憶媒体 | |
JP6218237B2 (ja) | 撮影画像を平行化する画像変換プログラム、装置及び方法 | |
Boukamcha et al. | A real-time auto calibration technique for stereo camera | |
JP2022064506A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP5814714B2 (ja) | 画像類似度判定装置、画像類似度判定方法及び画像類似度判定プログラム | |
CN108121994B (zh) | 在检测目标形状中进行特征提取的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230828 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230828 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240319 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240401 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7477043 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |