贝鲁特美国大学提出在线序列化光度标定

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# OSPC: Online Sequential Photometric Calibration

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

作者单位：贝鲁特美国大学

 光度校准对于许多计算机视觉应用是必不可少的。它的关键好处之一是提高Visual SLAM的性能，特别是当它依赖于直接跟踪方法时，如标准的KLT算法。另一个优点是可以从测量的强度中检索传感器辐照度值，作为一些视觉算法的预处理步骤，例如形状从阴影。当前的光度校准系统依赖于联合优化问题，这只能通过地面信息来解决。我们提出了一种使用顺序估计方法解决光度参数的新方法。我们提出的方法在估计所有参数时实现了较高的精度;此外，该公式是线性的凸问题，使解快速，适合于在线应用。Visual Odometry系统的实验验证了该方法的有效性，并证明了它的优点。

   在我们的方法中，我们采用了一个完全顺序的在线光度校准方法。我们独立求解每个光度参数，利用检索到的曝光元数据和图像，使我们的解决方案无歧义，而不针对特定的应用，本文的主要贡献总结如下： 1、一种新颖的光度校准方法，它克服了以前通过利用从现实世界设置中的相机获得的曝光元数据所面临的指数模糊性，消除了 CRF 地面真实数据的需要。 2、在凸优化框架中制定所有估计问题，对参数产生快速且计算效率高的估计。 3、实验结果表明，在估计光度参数方面与最先进的精度相当（或优于）。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容