MétaCan
Menu
Retour à la cohorte
Enregistrement W1972325237 · doi:10.1117/1.1555732

Automatic calibration of low-cost digital cameras

2003· article· en· W1972325237 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueOptical Engineering · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptical measurement and interference techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPhotogrammetryComputer scienceBundle adjustmentCalibrationComputer visionArtificial intelligenceDistortion (music)Metric (unit)Camera resectioningDigital cameraCharge-coupled deviceOpticsEngineering

Résumé

récupéré en direct d'OpenAlex

Recent developments of digital cameras in terms of the size of charge-coupled device (CCD) arrays and reduced costs are leading to their applications in traditional as well as new photogrammetric, surveying, and mapping functions. Digital cameras, intended to replace conventional film-based mapping cameras, are becoming available along with many smaller formats capable of precise measurement applications. All such cameras require careful calibration to determine their metric characteristics, which are essential to carrying out photogrammetric activities. We introduce a new approach for incorporating straight lines in a bundle adjustment for calibrating off-the-shelf, low-cost digital cameras. The optimal configuration for successfully deriving the distortion parameters is considered when establishing the required test field. Moreover, a framework for automatic extraction of the straight lines in the images is presented and tested. The developed calibration procedure can be used as an efficient tool to investigate the most appropriate model that compensates for various distortions associated with the camera being calibrated. Experiments performed to compare line-based with traditional point-based self-calibration methods prove the feasibility of the suggested approach.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,327

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,216
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle