RCDN — Robust X-Corner Detection Algorithm based on Advanced CNN Model

要約

平面パターンと非平面パターンの両方で X コーナーを正確に検出して位置特定することは、ロボット工学とマシン ビジョンの中核となるステップです。
しかし、これまでの研究では、検出器の性能を評価するための重要な基準である精度と堅牢性のバランスをうまくとることができませんでした。
この問題に対処するために、この論文では、レンズの歪み、極端なポーズ、ノイズなどの複数の干渉下で入力に対して高いサブピクセル精度を維持できる新しい検出アルゴリズムを紹介します。
アルゴリズム全体は、粗いものから細かいものへの戦略を採用しており、X コーナー検出ネットワークと正しいコーナー候補を区別するための 3 つの後処理技術、および混合サブピクセル改良技術と改善された領域成長戦略を含んでいます。
部分的に表示されている、または隠れているチェッカーボード パターンを自動的に回復します。
実際の画像と合成画像の評価では、提示されたアルゴリズムが他の一般的に使用される方法よりも高い検出率、サブピクセル精度、および堅牢性を備えていることが示されています。
最後に、カメラのキャリブレーションと姿勢推定の実験により、最先端技術との定量的な比較において、再投影誤差が小さくなることが確認されました。

要約(オリジナル)

Accurate detection and localization of X-corner on both planar and non-planar patterns is a core step in robotics and machine vision. However, previous works could not make a good balance between accuracy and robustness, which are both crucial criteria to evaluate the detectors performance. To address this problem, in this paper we present a novel detection algorithm which can maintain high sub-pixel precision on inputs under multiple interference, such as lens distortion, extreme poses and noise. The whole algorithm, adopting a coarse-to-fine strategy, contains a X-corner detection network and three post-processing techniques to distinguish the correct corner candidates, as well as a mixed sub-pixel refinement technique and an improved region growth strategy to recover the checkerboard pattern partially visible or occluded automatically. Evaluations on real and synthetic images indicate that the presented algorithm has the higher detection rate, sub-pixel accuracy and robustness than other commonly used methods. Finally, experiments of camera calibration and pose estimation verify it can also get smaller re-projection error in quantitative comparisons to the state-of-the-art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google