• 1990 (Том 4)
  • 1989 (Том 3)
  • 1988 (Том 2)
  • 1987 (Том 1)

Том 34 №1

Содержание

  1. ТЕМПЫ ЭВОЛЮЦИИ АКУСТИЧЕСКИХ СИГНАЛОВ И ВИДООБРАЗОВАНИЯ У САРАНЧОВЫХ ПОДСЕМЕЙСТВА GOMPHOCERINAE (INSECTA, ORTHOPTERA, ACRIDIDAE)
  2. ДИЗРУПТИВНЫЕ СИГНАЛЫ – ЭФФЕКТИВНЫЙ МЕХАНИЗМ ПРЕРЫВАНИЯ НЕЖЕЛАТЕЛЬНОЙ КОПУЛЯЦИИ У PENTATOMA RUFIPES
  3. РОЛЬ АКУСТИЧЕСКИХ И ВИБРАЦИОННЫХ СИГНАЛОВ ВО ВЗАИМООТНОШЕНИЯХ ПАРАЗИТИЧЕСКИХ ДВУКРЫЛЫХ СЕМ. TACHINIDAE И КЛОПОВ-ЩИТНИКОВ
  4. ТОНКАЯ СТРУКТУРА РЕЦЕПТИВНЫХ ПОЛЕЙ ОРИЕНТАЦИОННО ИЗБИРАТЕЛЬНЫХ ГАНГЛИОЗНЫХ КЛЕТОК СЕТЧАТКИ РЫБ
  5. ОБ ОПТИМАЛЬНОЙ ВИЗУАЛИЗАЦИИ ИЗОБРАЖЕНИЙ НА ФОТОЭМИССИОННЫХ ДИСПЛЕЯХ СО ЗНАЧИТЕЛЬНОЙ ДИСПЕРСИЕЙ ЭФФЕКТИВНОСТИ ОТДЕЛЬНЫХ ЭЛЕМЕНТОВ
  6. ПОИСК ТОЧКИ СХОДА ДЛЯ ДИНАМИЧЕСКОЙ КАЛИБРОВКИ ВНЕШНИХ ПАРАМЕТРОВ МОНОКУЛЯРНОЙ КАМЕРЫ ПРИ УСЛОВИИ ПРЯМОЛИНЕЙНОГО ДВИЖЕНИЯ
  7. МЕТОД ЛИНЕЙНОЙ РЕГРЕССИИ, УСТОЙЧИВЫЙ К ЭКСТРЕМАЛЬНЫМ СТАЦИОНАРНЫМ ПОМЕХАМ
  8. ФИЛЬТРАЦИЯ ОШИБОЧНЫХ ПОКАДРОВЫХ РЕЗУЛЬТАТОВ В ПРОЦЕССЕ ЛОКАЛИЗАЦИИ ПРЯМОУГОЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ ПРИ ВИДЕОСЪЕМКЕ С ИСПОЛЬЗОВАНИЕМ СОГЛАСОВАНИЯ ГРАФА ПРЕОБРАЗОВАНИЙ
  9. УСКОРЕНИЕ СВЕРТКИ И ОБРАТНОГО ПРОЕЦИРОВАНИЯ ПРИ РЕКОНСТРУКЦИИ ТОМОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ
  10. ОДНОТОЧЕЧНЫЙ RANSAC ДЛЯ ОЦЕНКИ ВЕЛИЧИНЫ ОСЕВОГО ВРАЩЕНИЯ ОБЪЕКТА ПО ТОМОГРАФИЧЕСКИМ ПРОЕКЦИЯМ

ПОИСК ТОЧКИ СХОДА ДЛЯ ДИНАМИЧЕСКОЙ КАЛИБРОВКИ ВНЕШНИХ ПАРАМЕТРОВ МОНОКУЛЯРНОЙ КАМЕРЫ ПРИ УСЛОВИИ ПРЯМОЛИНЕЙНОГО ДВИЖЕНИЯ

© 2020 г. М. П. Абрамов1,2, О. С. Шипитько1, А. С. Григорьев1, Е. И. Ершов1

1Институт проблем передачи информации им. А.А. Харкевича РАН 127051 Москва, Большой Каретный переулок, д.19, Россия
abramov@visillect.com
2Московский физико-технический институт (национальный исследовательский университет) 141701 Московская область, г. Долгопрудный, Институтский переулок, д. 9, Россия

Поступила в редакцию 07.10.2019 г.

В работе предлагается метод динамического определения углов тангажа и рыскания камеры, установленной на мобильном беспилотном аппарате (МБПА). Предложенный метод основывается на определении точки схода по единичному изображению при условии движения параллельно прямолинейным объектам (краям зданий, дорожной разметке), находящимся в поле видимости. В работе продемонстрировано, что средняя абсолютная ошибка определения углов поворота камеры для предложенного метода составляет 0.65°, что сопоставимо с современными методами динамической внешней калибровки. На основе данных, полученных с беспилотного автомобиля, использующегодетекцию дорожной разметки для определения собственного положения, проведено дополнительное исследование применимости предложенного метода. Установлено, что при величине ошибки определения углов в 0.65° точность позиционирования падает на 0.01 м при длине маршрута порядка 70 м, что допустимо для большинства прикладных задач.

Ключевые слова: динамическая калибровка, калибровка внешних параметров камеры, точка схода, мобильные беспилотные аппараты, беспилотные транспортные средства

DOI: 10.31857/S0235009220010023

Цитирование для раздела "Список литературы": Абрамов М. П., Шипитько О. С., Григорьев А. С., Ершов Е. И. Поиск точки схода для динамической калибровки внешних параметров монокулярной камеры при условии прямолинейного движения. Сенсорные системы. 2020. Т. 34. № 1. С. 32-43. doi: 10.31857/S0235009220010023
Цитирование для раздела "References": Abramov M. P., Shipitko O. S., Grigoryev A. S., Ershov E. I. Poisk tochki skhoda dlya dinamicheskoi kalibrovki vneshnikh parametrov monokulyarnoi kamery pri uslovii pryamolineinogo dvizheniya [Vanishing point detection for monocular camera extrinsic calibration under translation movement]. Sensornye sistemy [Sensory systems]. 2020. V. 34(1). P. 32-43 (in Russian). doi: 10.31857/S0235009220010023

Список литературы:

  • Абрамов М.П., Шипитько О.С., Лукоянов А.С., Панфилова Е.И., Кунина И.А., Григорьев А.С. Система позиционирования внутри зданий мобильной робототехнической платформы на основе детекции краев. Сенсорные системы. 2019. Т. 33. № 1. С. 30–43. https://doi.org/10.1134/S0235009219010025
  • Овчинкин А.А., Ершов Е.И. Алгоритм определения положения пучка эпиполярных линий для случая прямолинейного движения камеры. Сенсорные системы. 2018. Т. 32. № 1. С. 42–49. https://doi.org/10.7868/S0235009218010079
  • Форсайт Д., Понс Ж. Камеры-обскуры. Компьютерное зрение. Современный подход. ИД Вильямс М.: 2004. С. 40–44.
  • Bell T., Xu J., Zhang S. Method for out-of-focus camera calibration. Applied optics. 2016. V. 55 (9). P. 2346–2352. https://doi.org/10.1364/AO.55.002346
  • Borji A. Vanishing point detection with convolutional neural networks. arXiv preprint arXiv:1609.00967. 2016.
  • Brady M.L. A fast discrete approximation algorithm for the radon transform. SIAM Journal on Computing. 1998. V. 27 (1). P. 107–119. https://doi.org/10.1137/S0097539793256673
  • Bui T.H., Nobuyama E., Saitoh T. A texture-based local soft voting method for vanishing point detection from a single road image. IEICE TRANSACTIONS on Information and Systems. 2013a. V. 96 (3). P. 690–698. https://doi.org/10.1587/transinf.E96.D.690
  • Bui T.H., Saitoh T., Nobuyama E. Road area detection based on texture orientations estimation and vanishing point detection. The SICE Annual Conference 2013. Nagoya. IEEE, 2013b. P. 1138–1143.
  • Canny J. A computational approach to edge detection. IEEE Transactions on pattern analysis and machine intelligence. 1986. V. PAMI-8 (6). P. 679–698. https://doi.org/10.1109/TPAMI.1986.4767851
  • Chaudhury K., DiVerdi S., Ioffe S. Auto-rectification of user photos. In 2014 IEEE International Conference on Image Processing (ICIP). Paris. IEEE, 2014. P. 3479–3483. https://doi.org/10.1109/ICIP.2014.7025706
  • Dubská M., Herout A., Havel J. PClines–line detection using parallel coordinates. In CVPR 2011. Colorado Springs. IEEE, 2011. P. 1489–1494. https://doi.org/10.1109/CVPR.2011.5995501
  • Fasano G., Accardo D., Tirri A.E., Moccia A., De Lellis E. Sky region obstacle detection and tracking for visionbased uas sense and avoid. Journal of Intelligent & Robotic Systems. 2016. V. 84 (1–4). P. 121–144. https://doi.org/10.1007/s10846-015-0285-0
  • Godha S. On-road obstacle detection system for driver assistance. Asia Pacific Journal of Engineering Science and Technology. 2017. V. 3 (1). P. 16–21.
  • Harris C.G., Stephens M. A combined corner and edge detector. Alvey vision conference. 1988. V. 15. P. 10–52.
  • Kunina I.A., Teplyakov L.M., Gladkov A.P., Khanipov T.M., Nikolaev D.P. Aerial images visual localization on a vector map using color-texture segmentation. Tenth International Conference on Machine Vision (ICMV 2017). Viena. International Society for Optics and Photonics, 2018. V. 10696. P. 106961T. https://doi.org/10.1117/12.2310138.
  • Lee T.S. Image representation using 2d gabor wavelets. IEEE Transactions on pattern analysis and machine intelligence. 1996. V. 18 (10). P. 959–971. https://doi.org/10.1109/34.541406
  • Lezama J., Grompone von Gioi R., Randall G., Morel J.-M. Finding vanishing points via point alignments in image primal and dual domains. Proceedings of the IEEE Conference on Computer
  • Lu X., Yaoy J., Li H., Liu Y. 2-line exhaustive searching for real-time vanishing point estimation in manhattan world. Winter Conference on Applications of Computer Vision (WACV). Santa Rosa. IEEE, 2017. P. 345–353. https://doi.org/10.1109/WACV.2017.45.
  • Mur-Artal R., Montiel J.M.M., Tardos J.D. Orb-slam: a versatile and accurate monocular slam system. IEEE transactions on robotics. 2015. V. 31 (5). P. 1147–1163. https://doi.org/10.1109/TRO.2015.2463671
  • Nikolaev D.P., Karpenko S.M., Nikolaev I.P., Nikolayev P.P. Hough transform: underestimated tool in the computer vision field. Proceedings of the 22th European Conference on Modelling and Simulation. 2008. V. 238. P. 246.
  • Nistér D., Naroditsky O., Bergen J. Visual odometry. Proceedings IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2004. Washington. IEEE, 2004. V. 1. P. 1–10. https://doi.org/10.1109/CVPR.2004.1315094.
  • Rasmussen C. Grouping dominant orientations for illstructured road following. Proceedings IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2004. Washington. IEEE, 2004. V. 1. P. 1–9. https://doi.org/10.1109/CVPR.2004.1315069.
  • Stockman G., Shapiro L.G. Computer Vision. Prentice Hall PTR, Upper Saddle River, NJ, USA, 2001. 196 p." - "Von Gioi R.G., Jakubowicz J., Morel J.-M., Randall G. Lsd: a line segment detector. Image Processing On Line. 2012. V. 2. P. 35–55. https://doi.org/10.5201/ipol.2012.gjmr-lsd
  • Wang Y., Dahnoun N., Achim A. A novel system for robust lane detection and tracking. Signal Processing. 2012. V. 92 (2). P. 319–334. https://doi.org/10.1016/j.sigpro.2011.07.019
  • Wilcox R.R. Introduction to robust estimation and hypothesis testing. Academic press. 2011. 690 p.