Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  camera array
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Artykuł przedstawia studium przypadku poświęcone zastosowaniu różnych miar podobieństwa do porównywania zdjęć roślin. Miary te mają zastosowanie w przypadku użycia układu kamer składającej się z pięciu kamer umieszczonych w bliskiej odległości. Badany układ kamer, nazwany EBCA (Equal Baseline Camera Array), składa się z jednej kamery centralnej oraz kamer bocznych. Opisane miary podobieństwa stosuje się w algorytmach widzenia stereoskopowego pozwalających na oszacowanie odległości między kamerami a obiektami widocznymi na zdjęciach. W artykule zaproponowane zostało uogólnienie stosowanych dotychczas miar tj. SAD (Sum of Absolute Differences) i SSD (Sum of Squared Differences). Przeprowadzone eksperymenty świadczą to tym, że zaproponowane miary pozwalają na redukcję błędów oszacowania polegających na otrzymaniu wyników odbiegających od prawidłowych wartości o przyjętą wartość progową.
EN
The paper presents a case study concerned with applying different similarity measures for comparing images of plants. These measures are used for a camera array which consists of five adjacent cameras. The researched array called Equal Baseline Camera Array (EBCA) contains one central camera and four side cameras. The described measures can be used with stereo vision algorithms designed for estimating distances between cameras and objects visible in images taken with the use of these cameras. The paper introduces generalizations of currently used measures such as Sum of Absolute Differences (SAD) and Sum of Squared Differences (SSD). The experiments show that the proposed measures make it possible to reduce estimation errors which occur in results differing from right values more than a selected threshold.
PL
Artykuł dotyczy zastosowania układu kamer typu EBMCS (Equal Baseline Multiple Camera Set) składającego się z kamery centralnej oraz kamer bocznych. Na podstawie zdjęć wykonanych za pomocą tego układu można otrzymać mapy rozbieżności (ang. disparity map), które pozwalają na określenie odległości od kamer do obiektów znajdujących się w ich polu widzenia. Mapy te są wyższej jakości niż mapy otrzymane za pomocą kamery stereoskopowej. Artykuł przedstawia zastosowanie EBMCS do otrzymywania map głębi dla wybranych fragmentów uzyskanych zdjęć. Artykuł podejmuje temat wpływu rozmiaru otoczenia badanego fragmentu na jakość wyników. Opisane w artykule eksperymenty zostały przeprowadzone na podstawie dwóch zestawów testowych zawierających zdjęcia roślin.
EN
The paper describes the usage of a camera array called Equal Baseline Multiple Camera Set (EBMCS) consisting of a central camera and side cameras. The set is designed for taking images for the purpose of acquiring disparity maps which makes it possible to determine distances between a camera set and obtains located within its field of view. These maps have a higher quality than maps acquired using a stereo camera. The paper presents how EBMCS can be used for making disparity maps for only fragments of available images. The paper shows the influence of including in data processing vicinities of the fragment for which disparity maps is generated. Experiments presented in the paper were based on two test data sent containing images of plants.
PL
Artykuł podejmuje temat pozyskiwania map głębi (ang. depth map) na podstawie zdjęć z wielu kamer w wyniku widzenia stereoskopowego. Mapa głębi zawierająca odległości od obiektów będących w zasięgu widzenia kamer pozyskana może zostać na podstawie zdjęć z co najmniej dwóch kamer pełniących funkcję kamery stereoskopowej. W mapach głębi pozyskanych w ten sposób występują jednak błędy. Artykuł dotyczy metod redukcji błędów dzięki zwiększeniu liczby kamer. W artykule przedstawione zostało zastosowanie algorytmu MSA (Multiple Similar Areas) przeznaczonego do układu kamer o nazwie EBMCS (Equal Baseline Multiple Camera Set). Układ taki składa się z kamery środkowej oraz wielu kamer bocznych. Wykonywanie zdjęć trójwymiarowych za pomocą układu wielu kamer jest alternatywą do stosowania innego rodzaju urządzeń takich jak skanery światła strukturalnego oraz skanery laserowe typu LIDAR.
EN
The paper described a method for obtaining depth maps on the basis of images from a set of multiple cameras with the use of stereoscopic vision. Depth maps contain data about distances from objects located in the field of view of camera. A depth map can be acquired from images from a pair of cameras which has a function of a stereo camera. However, depth maps obtained by this method contain errors. This paper proposes a method of reducing errors by increasing the number of cameras. The paper presents the usage of the MSA algorithm (Multiple Similar Areas) designed for a set of cameras arranged in the configuration called EBMCS (Equal Baseline Multiple Camera Set). The configuration consists of a central camera and multiple side cameras. Obtaining 3D images with the use of multi-camera systems is an alternative to using other kind of devices such as structured light scanners and equipment based on LIDAR (Light Detection and Ranging).
4
Content available Widzenie komputerowe oparte na mnogości widoków
PL
Artykuł poświęcony jest tematowi tworzenia map głębokości na podstawie obrazów z wielu kamer. Zwykle mapy głębokości oparte na widzeniu stereoskopowym wyznaczane są na podstawie obrazów z dwóch kamer. Artykuł przedstawia możliwości wykorzystania większej liczby kamer w celu zwiększenia dokładności map głębokości. Badania przedstawione w artykule ukierunkowane są na zastosowanie w autonomicznych robotach, będących w stanie samodzielnie przemieszczać się w środowisku miejskim. Do robotów takich zaliczane są między innymi samochody sterowane wyłącznie za pomocą systemów komputerowych. Artykuł przedstawia ponadto wielowarstwowe mapy głębokości, w których oprócz odległości obiektów pierwszoplanowych uwzględniana jest odległość obiektów położonych za nimi.
EN
The paper is concerned with creating depth maps on the basis of images from a set of multiple cameras. Most often depth maps are prepared on the basis of only two cameras. The paper presents possibilities of improving depth maps by taking advantage of a greater number of cameras. The research presented in this paper is intended for use in autonomous robots able to navigate in cities without human control. These kind of robots includes cars controlled by computer algorithms. Moreover the paper presents multilayer depth maps. These maps include both the distance of objects located in the foreground and objects located behind them.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.