要約
ビデオ監視や自動車アプリケーションでは、非常に広い視野角をキャプチャするために、いわゆる魚眼カメラがよく使用されます。
このようなカメラは、従来の透視投影とはまったく異なる投影に依存するため、結果として得られる魚眼画像とビデオ データは、それに応じて非直線的な画像特性を示します。
ただし、一般的な画像およびビデオ処理アルゴリズムは、これらの魚眼特性に合わせて設計されていません。
魚眼画像とビデオに特に適合したアルゴリズムを開発および評価できるようにするために、対応するテスト データ セットをこのホワイト ペーパーで紹介します。
これらのシーケンスの最初のものは、著者自身が魚眼ビデオのモーション推定に関する作業中に生成されたものであり、さらに広範なコレクションを作成するために、さらにシーケンスが徐々に追加されています。
データセットは、単純なパターンからより複雑なシーンまで、合成的に生成された魚眼シーケンスと、実際の魚眼カメラでキャプチャされた魚眼ビデオ シーケンスで構成されています。
合成シーケンスについては、採用されたレンズに関する正確な情報が利用可能であるため、適合したアルゴリズムの検証と評価の両方が容易になります。
実際のシーケンスについては、キャリブレーション データと取得中に使用される設定を提供します。
シーケンスは、www.lms.lnt.de/fisheyedataset/ から自由に入手できます。
要約(オリジナル)
In video surveillance as well as automotive applications, so-called fisheye cameras are often employed to capture a very wide angle of view. As such cameras depend on projections quite different from the classical perspective projection, the resulting fisheye image and video data correspondingly exhibits non-rectilinear image characteristics. Typical image and video processing algorithms, however, are not designed for these fisheye characteristics. To be able to develop and evaluate algorithms specifically adapted to fisheye images and videos, a corresponding test data set is therefore introduced in this paper. The first of those sequences were generated during the authors’ own work on motion estimation for fish-eye videos and further sequences have gradually been added to create a more extensive collection. The data set now comprises synthetically generated fisheye sequences, ranging from simple patterns to more complex scenes, as well as fisheye video sequences captured with an actual fisheye camera. For the synthetic sequences, exact information on the lens employed is available, thus facilitating both verification and evaluation of any adapted algorithms. For the real-world sequences, we provide calibration data as well as the settings used during acquisition. The sequences are freely available via www.lms.lnt.de/fisheyedataset/.
arxiv情報
著者 | Andrea Eichenseer,André Kaup |
発行日 | 2022-11-30 14:23:39+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google