SynthCal: A Synthetic Benchmarking Pipeline to Compare Camera Calibration Algorithms

要約

正確なカメラのキャリブレーションは、さまざまなコンピューター ビジョン アプリケーションにとって非常に重要です。
ただし、現実世界でカメラのパラメータを測定することは困難で骨の折れる作業であり、キャリブレーション アルゴリズムの精度を評価するには、グラウンド トゥルースを備えたデータセットが必要です。
このペーパーでは、カメラ パラメータ推定におけるキャリブレーション アルゴリズムのパフォーマンスを測定し、正確に定量化できるキャリブレーション パターンの画像を生成する合成カメラ キャリブレーション ベンチマーク パイプラインである SynthCal について紹介します。
SynthCal で生成された 4 つの一般的なパターン、2 つのカメラ タイプ、およびビュー、歪み、照明、およびノイズ レベルが異なる 2 つの環境を含む、SynthCal で生成されたキャリブレーション データセットを示します。
このデータセットは、同一のパターンとカメラ設定に対する再投影誤差と二乗平均平方根誤差を測定することにより、シングルビュー キャリブレーション アルゴリズムを評価します。
さらに、Zhang の方法を使用して、さまざまなパターンの重要性を分析します。この方法では、さまざまな構成や環境における 3D 点とその 2D 投影の間の既知の対応関係を使用して、固有および外部のカメラ パラメーターを推定します。
実験結果は、さまざまなキャリブレーション アルゴリズムとパターンの評価における SynthCal の有効性を示しています。

要約(オリジナル)

Accurate camera calibration is crucial for various computer vision applications. However, measuring camera parameters in the real world is challenging and arduous, and there needs to be a dataset with ground truth to evaluate calibration algorithms’ accuracy. In this paper, we present SynthCal, a synthetic camera calibration benchmarking pipeline that generates images of calibration patterns to measure and enable accurate quantification of calibration algorithm performance in camera parameter estimation. We present a SynthCal-generated calibration dataset with four common patterns, two camera types, and two environments with varying view, distortion, lighting, and noise levels. The dataset evaluates single-view calibration algorithms by measuring reprojection and root-mean-square errors for identical patterns and camera settings. Additionally, we analyze the significance of different patterns using Zhang’s method, which estimates intrinsic and extrinsic camera parameters with known correspondences between 3D points and their 2D projections in different configurations and environments. The experimental results demonstrate the effectiveness of SynthCal in evaluating various calibration algorithms and patterns.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google