以下內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容

點擊領(lǐng)取學習資料 → 機器人SLAM學習資料大禮包

#論文# OSPC: Online Sequential Photometric Calibration

論文地址：[2305.17673] OSPC: Online Sequential Photometric C...

作者單位：貝魯特美國大學

?光度校準對于許多計算機視覺應用是必不可少的。它的關(guān)鍵好處之一是提高Visual SLAM的性能，特別是當它依賴于直接跟蹤方法時，如標準的KLT算法。另一個優(yōu)點是可以從測量的強度中檢索傳感器輻照度值，作為一些視覺算法的預處理步驟，例如形狀從陰影。當前的光度校準系統(tǒng)依賴于聯(lián)合優(yōu)化問題，這只能通過地面信息來解決。我們提出了一種使用順序估計方法解決光度參數(shù)的新方法。我們提出的方法在估計所有參數(shù)時實現(xiàn)了較高的精度;此外，該公式是線性的凸問題，使解快速，適合于在線應用。Visual Odometry系統(tǒng)的實驗驗證了該方法的有效性，并證明了它的優(yōu)點。

? ?在我們的方法中，我們采用了一個完全順序的在線光度校準方法。我們獨立求解每個光度參數(shù)，利用檢索到的曝光元數(shù)據(jù)和圖像，使我們的解決方案無歧義，而不針對特定的應用，本文的主要貢獻總結(jié)如下： 1、一種新穎的光度校準方法，它克服了以前通過利用從現(xiàn)實世界設(shè)置中的相機獲得的曝光元數(shù)據(jù)所面臨的指數(shù)模糊性，消除了 CRF 地面真實數(shù)據(jù)的需要。 2、在凸優(yōu)化框架中制定所有估計問題，對參數(shù)產(chǎn)生快速且計算效率高的估計。 3、實驗結(jié)果表明，在估計光度參數(shù)方面與最先進的精度相當（或優(yōu)于）。

以上內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容