Comparison of radial distortion correction models for self photogrammetric camera calibration / María Fernanda Molina Ron ; tutor Francesc Antón Castro
Tipo de material: TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2020Descripción: 91 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información) Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020 Resumen: En muchos campos, como la visión computacional, la robótica y la fotogrametría, el uso de cámaras es muy importante para ejecutar diferentes tareas. Para lograr esas tareas con ´éxito, es necesario llevar a cabo una calibración de las cámaras como un paso esencial antes de ejecutar dichas tareas. En fotogrametría, la fiabilidad de la calibración de la cámara es esencial para re- alizar mediciones decisivas. Las distorsiones de la lente de la cámara tienen un impacto significativo en la geometría de la imagen y, en consecuencia, en la calibración de la cámara en general. El problema abordado en esta tesis es la calibración confiable de la distorsión radial de las cámaras, que es indispensable para poder realizar mediciones confiables. Esta tesis compara las aplicaciones de diferentes métodos algebraicos y sus modelos de la distorsión radial de manera totalmente determinista utilizando solo 2 ortofotograf´ıas de un cubo personalizado con un patrón reticular. Como resultados notables, se demuestra experimentalmente que los modelos obtenidos con los métodos que minimizan la distancia Ortogonal y Vertical siempre dan los mejores resulta- dos para casi todos los experimentos. Además, el método de Wu es el mejor método de interpolación para un pequeño conjunto de datos de puntos característicos. Además, Cubic Spline Interpolation tiene muy poco control sobre los picos, lo que produce resultados no muy óptimos con conjuntos de datos más grandes para algunos experimentos. Finalmente, el clustering ayuda a reducir el conjunto de datos de puntos característicos y también produce buenos modelos de corrección de distorsión radial.Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
---|---|---|---|---|---|---|---|---|
Tesis | Biblioteca Yachay Tech | ECMC0035 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000088 |
Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información) Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020
Incluye referencia bibliográfica (páginas 83-86)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto Links)
En muchos campos, como la visión computacional, la robótica y la fotogrametría, el uso de cámaras es muy importante para ejecutar diferentes tareas. Para lograr esas tareas con ´éxito, es necesario llevar a cabo una calibración de las cámaras como un paso esencial antes de ejecutar dichas tareas. En fotogrametría, la fiabilidad de la calibración de la cámara es esencial para re- alizar mediciones decisivas. Las distorsiones de la lente de la cámara tienen un impacto significativo en la geometría de la imagen y, en consecuencia, en la calibración de la cámara en general. El problema abordado en esta tesis es la calibración confiable de la distorsión radial de las cámaras, que es indispensable para poder realizar mediciones confiables. Esta tesis compara las aplicaciones de diferentes métodos algebraicos y sus modelos de la distorsión radial de manera totalmente determinista utilizando solo 2 ortofotograf´ıas de un cubo personalizado con un patrón reticular. Como resultados notables, se demuestra experimentalmente que los modelos obtenidos con los métodos que minimizan la distancia Ortogonal y Vertical siempre dan los mejores resulta- dos para casi todos los experimentos. Además, el método de Wu es el mejor método de interpolación para un pequeño conjunto de datos de puntos característicos. Además, Cubic Spline Interpolation tiene muy poco control sobre los picos, lo que produce resultados no muy óptimos con conjuntos de datos más grandes para algunos experimentos. Finalmente, el clustering ayuda a reducir el conjunto de datos de puntos característicos y también produce buenos modelos de corrección de distorsión radial.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.