MétaCan
Menu
Retour à la cohorte
Enregistrement W2096447170 · doi:10.1109/mlsp.2011.6064630

Robust online estimation of the vanishing point for vehicle mounted cameras

2011· article· en· W2096447170 sur OpenAlexaff
Nïkhil Gupta, Hilda Faraji, Daan He, Ghanshyam Rathi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Vision and Imaging
Établissements canadiensMagna International (Canada)
Organismes subventionnairesnon disponible
Mots-clésVanishing pointComputer visionArtificial intelligenceComputer scienceOrientation (vector space)Point (geometry)CalibrationTracking (education)PoseMotion estimationField (mathematics)Robustness (evolution)MathematicsImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

For cameras mounted on a vehicle, the estimation of the vanishing point corresponding to the observed field of view is an important machine vision task necessary for a lot of applications, such as camera calibration and autonomous vehicle navigation. In this paper, a novel method for the estimation of the vanishing point corresponding to a particular camera orientation with respect to the vehicle is proposed. Robust features are first extracted and the motion of the vehicle is then used to estimate parallel trajectories by tracking these features. Thus, the proposed scheme does not rely on any man-made structures or pre-assumed gradients. The estimated trajectories are then processed to robustly estimate the vanishing point for the mounted camera for any given driving direction. Experimental results show that the proposed technique is able to robustly and accurately estimate the vanishing point for a variety of orientations of the camera mounting.

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.

Comment cette classification a été obtenuedéplier

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,125

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 savante0,0000,000
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 Opus0,055
Tête enseignante GPT0,287
Écart entre enseignants0,233 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Vision and ImagingTravaux en français237 207