Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
コンピュータビジョン2.1節
Search
Takahiro Kawashima
May 14, 2018
Science
0
390
コンピュータビジョン2.1節
研究室のゼミで発表したRichard Szeliski 著,玉木徹ら訳の『コンピュータビジョン − アルゴリズムと応用』2.1節のスライド
Takahiro Kawashima
May 14, 2018
Tweet
Share
More Decks by Takahiro Kawashima
See All by Takahiro Kawashima
論文紹介:Precise Expressions for Random Projections
wasyro
0
320
ガウス過程入門
wasyro
0
420
論文紹介:Inter-domain Gaussian Processes
wasyro
0
150
論文紹介:Proximity Variational Inference (近接性変分推論)
wasyro
0
310
機械学習のための行列式点過程:概説
wasyro
0
1.5k
SOLVE-GP: ガウス過程の新しいスパース変分推論法
wasyro
1
1.2k
論文紹介:Stein Variational Gradient Descent
wasyro
0
1.2k
次元削減(主成分分析・線形判別分析・カーネル主成分分析)
wasyro
0
770
論文紹介: Supervised Principal Component Analysis
wasyro
1
870
Other Decks in Science
See All in Science
01_篠原弘道_SIPガバニングボード座長_ポスコロSIPへの期待.pdf
sip3ristex
0
270
LIMEを用いた判断根拠の可視化
kentaitakura
0
480
2024-06-16-pydata_london
sofievl
0
630
多次元展開法を用いた 多値バイクラスタリング モデルの提案
kosugitti
0
280
山形とさくらんぼに関するレクチャー(YG-900)
07jp27
1
280
Iniciativas independentes de divulgação científica: o caso do Movimento #CiteMulheresNegras
taisso
0
1.2k
05_山中真也_室蘭工業大学大学院工学研究科教授_だてプロの挑戦.pdf
sip3ristex
0
260
証明支援系LEANに入門しよう
unaoya
0
750
ACL読み会2024@名大 REANO: Optimising Retrieval-Augmented Reader Models through Knowledge Graph Generation
takuma_matsubara
0
180
Online Feedback Optimization
floriandoerfler
0
1k
重複排除・高速バックアップ・ランサムウェア対策 三拍子そろったExaGrid × Veeam連携セミナー
climbteam
0
220
The Incredible Machine: Developer Productivity and the Impact of AI
tomzimmermann
0
600
Featured
See All Featured
Being A Developer After 40
akosma
90
590k
GraphQLとの向き合い方2022年版
quramy
45
14k
The Cult of Friendly URLs
andyhume
78
6.3k
Agile that works and the tools we love
rasmusluckow
328
21k
Building Flexible Design Systems
yeseniaperezcruz
328
38k
A designer walks into a library…
pauljervisheath
205
24k
Automating Front-end Workflow
addyosmani
1369
200k
Facilitating Awesome Meetings
lara
53
6.3k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
44
7.1k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
28
2k
Code Reviewing Like a Champion
maltzj
522
39k
Raft: Consensus for Rubyists
vanstee
137
6.8k
Transcript
第1回 画像ゼミ 2018/05/09 庄野研B4 1510173 川島貴大
2 / 37 2.1.1 - 幾何プリミティブ 2.1.2 - 2次元変換 2.1.3
- 3次元変換 2.1.4 - 3次元回転 2.1.5 - 3次元から2次元への射影 2.1.6 - レンズ歪み もくじ
3 / 37 2.1.1 幾何プリミティブ • 2次元点 通常の座標表記: →無限遠点を表せない 同次座標系:
→ で無限遠点を表せる
4 / 37 • 2次元直線と同次座標系 とすると, について, を用いると, と書ける. 一方直線の方程式は, に関して より,同次座標系では直線の方程式は, について
と書ける. 2.1.1 幾何プリミティブ
5 / 37 • 2次元直線と同次座標系 同次座標系上の2つの直線 の 交点 は, で表せる.たぶん証明やる. また,同次座標系上の2点 を通る直線 は, で与えられる.
2.1.1 幾何プリミティブ
6 / 37 2.1.1 幾何プリミティブ • 3次元点 は,同次座標系では と表記する.
7 / 37 2.1.2 2次元変換 • 並進 を に移動する変換 : 2x2単位行列,
: 2x1のゼロベクトル, を用 いると とも書ける.
8 / 37 2.1.2 2次元変換 • 回転 + 並進 (剛体変換)
2次元回転行列 は 並進と組み合わせると, を用いて, の剛 体変換後の座標 は
9 / 37 2.1.2 2次元変換 • スケール + 回転 +
並進 (相似変換) の相似変換後の座標 は, について 同次座標系では, の相似変換後の座標 は を用いて となる.
10 / 37 2.1.2 2次元変換 • 剪断 + スケール +
回転 + 並進 (アフィン変換) →変換前に平行だったベクトルは平行のまま 同次座標系のベクトル のアフィン変換後の座標 は, を用いて となる.
11 / 37 2.1.2 2次元変換 • 射影変換 →変換前の直線は直線のまま 同次座標系のベクトル の射影変換後の座標 は, となる.ここで は任意の3x3行列.
12 / 37 2.1.2 2次元変換 • 伸縮 →アスペクト比を変更 の伸縮後の座標 は, を用いて となる.
13 / 37 2.1.3 3次元変換 • 並進 を に移動 : 3x3単位行列,
: 3x1のゼロベクトル, • 回転 + 並進 (剛体変換) 3次元回転行列 を適切に選ぶと, と変換後の座標 に関して と2次元と同じ形で書ける. については次項. 他の変換(相似,アフィン,射影)も2次元と同じ形式で書ける
14 / 37 2.1.4 3次元回転 3次元回転行列 は複数の表現がある ・オイラー角 ・回転軸・回転座標表現 ・単位四元数
15 / 37 2.1.4 3次元回転 • オイラー角 2次元回転:z軸が回転軸 回転軸を変えた同様の回転を3回行う 例)
z軸 → x軸 → z軸 軸の選び方によって結果が変化
16 / 37 2.1.4 3次元回転 • オイラー角 デモをやれ http://irobutsu.a.la9.jp/mybook/ykwkrAM/sim/EulerAngle.html
17 / 37 2.1.4 3次元回転 • 回転軸・回転角表現 上の である任意のベクトル を軸にした の回転を 示す3次元回転行列 は と表される(ロドリゲスの式).
ここで は3x3単位行列, は との外積を示す演算子で, に関して である. 証明:補足資料
18 / 37 2.1.4 3次元回転 • 単位四元数 四元数:複素数の虚部を3次元に拡張した数 とすると,
とも書ける. は以下を満たす 四元数の積は一般的に非可換である
19 / 37 2.1.4 3次元回転 • 単位四元数 同次座標系の3次元ベクトル を回転軸 について 回転させ るとき, とおくと, の回転後のベクトル は
と表せる.ただし, は の逆元であり( ), である. 証明:補足資料
20 / 37 2.1.5 3次元から2次元への射影 3次元の物体を2次元座標上に投影したい ・正射影 ・擬似透視投影 ・弱透視投影 ・透視投影
21 / 37 2.1.5 3次元から2次元への射影 • 正射影 たんにz成分を取り除く を に射影 ・被写体の奥行きが(カメラと被写体との距離に比べて)浅い
・長い焦点距離をもつレンズ ことを暗に仮定している
22 / 37 2.1.5 3次元から2次元への射影 • 正射影 (画像: 文献[2]より)
23 / 37 2.1.5 3次元から2次元への射影 • 弱透視投影 正射影にスケーリングを加えたもの 正射影よりよく使われる を に射影
: 2x2の単位行列, : 2x1のゼロベクトル, ・物体がカメラに向かって近づく状況をモデル化できる
24 / 37 2.1.5 3次元から2次元への射影 • 弱透視投影 (画像: 文献[2]より)
25 / 37 2.1.5 3次元から2次元への射影 • 擬似透視投影 1. 参照平面上に物体の点を射影 このとき観測位置
- 物体中心と平行に射影する 2. この参照平面上の座標をさらに画像平面に射影 について 弱透視投影よりも正確な射影モデル
26 / 37 2.1.5 3次元から2次元への射影 • 擬似透視投影 (画像: 文献[2]より)
27 / 37 2.1.5 3次元から2次元への射影 • 透視投影 最も広く使われる射影モデル について, の
要素を落とす つまり,投影後の座標 は で, を非同次座標にした は と書ける
28 / 37 2.1.5 3次元から2次元への射影 画像平面上の座標を最終的な座標に変換したい : カメラ中心座標, :
ピクセル座標 : 画素の間隔
29 / 37 2.1.5 3次元から2次元への射影 1. 画素の配置間隔 を用いてスケーリング 2. ピクセル座標の原点 と回転行列 を用いてズレを調整
数式にすると, の への射影は と書ける.
30 / 37 2.1.5 3次元から2次元への射影 逆に3次元世界座標をセンサ上の座標に変換することを考える : 3次元世界座標上の点 (既知) :
カメラの内部パラメータ (3x3行列) : 外部パラメータ (剛体変換,3x4行列) センサ上の点 は以下の形式で与えられる
31 / 37 2.1.5 3次元から2次元への射影 • 内部パラメータ : 方向のレンズの焦点距離 :
レンズが光軸から垂直でない際に生じる歪み : ピクセル座標上での光軸中心 ( : アスペクト比) 多くの場合 で,
32 / 37 2.1.5 3次元から2次元への射影 • 物体中心射影 焦点距離が大きいレンズでは,画像から焦点距離を推定するの が困難になる :
同次ピクセル座標 : 非同次ピクセル座標 : 3次元世界座標上の点
33 / 37 2.1.5 3次元から2次元への射影 • 物体中心射影 が得られる.物体とカメラの距離が ,物体のサイズが なら となり,焦点距離 と との分離が難しくなる
34 / 37 2.1.6 レンズ歪み 広角レンズでは歪曲収差が発生する (画像: 文献[1]より) 樽型歪み 糸巻き型歪み
魚眼レンズ
35 / 37 2.1.6 レンズ歪み 透視投影による除算後,カメラ行列による移動を行う前のピク セル座標の点を とする.つまり 最も単純な歪曲収差モデルでは,歪曲後のピクセル座標上の点 を, とする.ここで, は歪曲収差パラメータ
36 / 37 2.1.6 レンズ歪み 最終的なピクセル座標 は, により計算する. より広角で複雑なレンズでは別のモデルが必要
37 / 37 参考 [1] Computer Vision: Algorithms and Appliucations,
Richard Szeliski, http://szeliski.org/Book/drafts/SzeliskiBook_20100903_draft.pdf (2018/05/02 閲覧) [2] Camera Models,杉本晃宏, http://research.nii.ac.jp/~sugimoto/lecture/computer_vision/CameraModels.pdf (2018/04/30 閲覧) [3] Quaternionによる3次元の回転変換,平鍋健児, https://qiita.com/kenjihiranabe/items/945232fbde58fab45681 (2018/04/29 閲覧)