计算机科学 ›› 2018, Vol. 45 ›› Issue (8): 13-16.doi: 10.11896/j.issn.1002-137X.2018.08.003

• 2017 中国多媒体大会 • 上一篇    下一篇

基于视觉的地理定位中PnP算法的精度评估方法

桂逸男, 老松杨, 康来, 白亮   

  1. 国防科技大学系统工程学院 长沙410073
  • 收稿日期:2017-10-24 出版日期:2018-08-29 发布日期:2018-08-29
  • 作者简介:桂逸男(1994-),男,硕士,主要研究领域为计算视觉,E-mail:guiyinan94@gmail.com; 老松杨 男,博士,教授,主要研究领域为多媒体信息系统工程与虚拟现实技术; 康 来 男,博士,讲师,主要研究领域为计算机视觉、模式识别与人工智能; 白 亮 男,博士,副教授,主要研究领域为图像视频处理、多媒体大数据、社交媒体分析,E-mail:xabpz@163.com(通信作者)。
  • 基金资助:
    本文受国家自然科学基金项目(61402487)资助。

Accuracy Assessment Method of PnP Algorithm in Visual Geo-localization

GUI Yi-nan, LAO Song-yang, KANG Lai, BAI Liang   

  1. Institute of Systems Engineering,National University of Defense Technology,Changsha 410073,China
  • Received:2017-10-24 Online:2018-08-29 Published:2018-08-29

摘要: 近年来,基于地理位置服务的需求的飞速增长催生了定位技术的发展。基于视觉的方法利用多幅图像的拍摄参数关系能够恢复较精确的相机位姿,但目前并没有统一的评估方法对其性能进行定量评价。现今主流的相机位姿精度评估方法是与GPS进行比较,由于照片自带的GPS标签存在噪声,且不同坐标系之间的转换存在误差,将照片标签中的GPS作为真实值评估恢复的相机位姿精度不够客观。通过计算得到的位姿来建立参考平面,将PnP算法得到的相机位姿通过相同方法投影至参考平面进行评估,该精度评估方法客观可行。

关键词: 基于视觉的地理定位, PnP算法, 相机位姿, 精度评估, 参考平面

Abstract: In recent years,the rapid growth of demand based on location-based services has led to the development of positioning technology.The vision-based approach utilizes multiple images to restore more accurate camera pose para-meters,but there is no uniform assessment of the performance of its quantitative evaluation.Now the mainstream camerapose assessment method is compared with the GPS data.However,since the photo comes with the GPS tag noise and the conversion between different coordinate systems introduces errors,using GPS tag as ground truth to evaluate the accuracy of the estimated camera pose is not an objective way.In this paper,an objective accuracy evaluation method was proposed.The reference plane was established by the calculated pose.The camera pose obtained by the PnP algorithm was projected onto the reference plane by the same method.

Key words: Visual geo-localization, PnP algorithm, Camera pose, Accuracy assessment, Reference plane

中图分类号: 

  • TP391
[1]FISHLER M A,BOLLES R C.Random sample consensus:a pa-radigm for model fitting with applications to image analysis and automated cartography[J].Communications of the ACM,1981,24(6):381-395.
[2]LI S Q,XU C,XIE M.A Robust O(n) Solution to the Perspective-n-Point Problem [J].IEEE Trans Pattern Anal Mach Intell,2012,34(7):1444-1450.
[3]GUO Y.A Novel Solution to the P4P Problem for an Uncalibrated Camera[J].Journal of Mathematical Imaging and Vision,2012,45(2):189-198.
[4]WU Y,HU Z.PnP problem revisited [J].Journal of Mathematical Imaging and Vision,2006,24(1):131-41.
[5]BUJNAK M,KUKELOVA Z,PAJDLA T.A general solution to the P4P problem for camera with unknown focal length[C]∥IEEE Conference on Computer Vision and Pattern Recognition,2008(CVPR 2008).IEEE,2008:1-8.
[6]HU Z Y,LEI C.A Short Note on P4P Problem[J].Acta Automatica Sinica,2001,27(6):770-776.
[7]HU Z Y,WU F C.A note on the number of solutions of the non-coplanar P4P problem[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,24(4):550-555.
[8]WU F C,HU Z Y.A study on the P5P problem[J].Journal of Software,2001,12(5):768-775.
[9]HARALICK B M,LEE C N,OTTENBERG K,et al.Reviewand analysis of solutions of the three point perspective pose est-imation problem [J].International Journal of Computer Vision,1994,13(3):331-356.
[10]FIORE P D.Efficient linear solution of exterior orientate-on[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2001,23(2):140-148.
[11]FRIDMAN L,LEE J,REIMER B,et al.‘Owl’ and ‘Lizard’:patterns of head pose and eye pose in driver gaze c-lassification [J].IET Computer Vision,2016,10(4):308-313.
[12]WAASENMÜLLER O,STRICKER D.Comparison of Kinect v1 and v2 Depth Images in Terms of Accuracy and Precision[C]∥Asian Conference on Computer Vision Workshop (ACCV workshop).Springer,2016.
[13]SATTLER T,TORII A,SIVIC J,et al.Are Large-Scale 3DModels Really Necessary for Accurate Visual Localization?[C]∥CVPR 2017-IEEE Conference on Computer Vision and Pattern Recognition.2017.
[14]TRIGGS B,MCLAUCHLAN P F,HARTLEY R I,et al.Bundle-adjustment—a modern synthesis[C]∥International Workshop on Vision Algorithms.Springer Berlin Heidelberg,1999:298-372.
[15]WU C.Towards linear-time incremental structure from motion[C]∥2013 International Conference on 3DTV-Conference.IEEE,2013:127-134.
[16]WU C,AGARWAL S,CURLESS B,et al.Multicore bundle adjustment[C]∥2011 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).IEEE,2011:3057-3064.
[17]STRECHA C,HANSEN W V,GOOL L V,et al.Thoennessen on Benchmarking Camera Calibration and MultiView Stereo for High Resolution Imagery[C]∥CVPR 2008.2008:1-8.
[1] 纪南巡, 孙晓燕, 李祯其. 多源异构用户生成内容的融合向量化表示学习[J]. 计算机科学, 2021, 48(10): 51-58.
[2] 张世豪, 杜圣东, 贾真, 李天瑞. 基于深度神经网络和自注意力机制的医学实体关系抽取[J]. 计算机科学, 2021, 48(10): 77-84.
[3] 王体爽, 李培峰, 朱巧明. 基于数据增强的中文隐式篇章关系识别方法[J]. 计算机科学, 2021, 48(10): 85-90.
[4] 陈德, 宋华珠, 张娟, 周泓林. 融合BERT和记忆网络的实体识别[J]. 计算机科学, 2021, 48(10): 91-97.
[5] 刘丹, 赵森, 颜志良, 赵静, 王会青. 基于堆叠自动编码器的miRNA-疾病关联预测方法[J]. 计算机科学, 2021, 48(10): 114-120.
[6] 高创, 李建华, 季秀怡, 朱程龙, 李诗良, 李洪林. 基于图卷积神经网络的药物靶标作用关系预测方法[J]. 计算机科学, 2021, 48(10): 127-134.
[7] 邵政毅, 陈秀宏. 基于样本特征核矩阵的稀疏双线性回归[J]. 计算机科学, 2021, 48(10): 185-190.
[8] 王卫东, 徐金慧, 张志峰, 杨习贝. 基于密度峰值聚类的高斯混合模型算法[J]. 计算机科学, 2021, 48(10): 191-196.
[9] 唐一星, 刘学亮, 胡社教. 多方向分区网络结构的行人再识别[J]. 计算机科学, 2021, 48(10): 204-211.
[10] 晏旭, 马帅, 曾凤娇, 郭正华, 伍俊龙, 杨平, 许冰. 基于编码-解码器架构的光场深度估计方法[J]. 计算机科学, 2021, 48(10): 212-219.
[11] 许华杰, 杨洋, 李桂兰. 基于注意力机制和深度卷积神经网络的材质识别方法[J]. 计算机科学, 2021, 48(10): 220-225.
[12] 罗月童, 江佩峰, 段昶, 周波. 面向小目标检测的改进RetinaNet模型及其应用[J]. 计算机科学, 2021, 48(10): 233-238.
[13] 刘浪, 李梁, 但远宏. 用于视频修复的连贯语义时空注意力网络[J]. 计算机科学, 2021, 48(10): 239-245.
[14] 朝乐门, 尹显龙. 人工智能治理理论及系统的现状与趋势[J]. 计算机科学, 2021, 48(9): 1-8.
[15] 王俊, 王修来, 庞威, 赵鸿飞. 面向科技前瞻预测的大数据治理研究[J]. 计算机科学, 2021, 48(9): 36-42.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 编辑部. 新网站开通,欢迎大家订阅![J]. 计算机科学, 2018, 1(1): 1 .
[2] 雷丽晖,王静. 可能性测度下的LTL模型检测并行化研究[J]. 计算机科学, 2018, 45(4): 71 -75 .
[3] 孙启,金燕,何琨,徐凌轩. 用于求解混合车辆路径问题的混合进化算法[J]. 计算机科学, 2018, 45(4): 76 -82 .
[4] 张佳男,肖鸣宇. 带权混合支配问题的近似算法研究[J]. 计算机科学, 2018, 45(4): 83 -88 .
[5] 伍建辉,黄中祥,李武,吴健辉,彭鑫,张生. 城市道路建设时序决策的鲁棒优化[J]. 计算机科学, 2018, 45(4): 89 -93 .
[6] 史雯隽,武继刚,罗裕春. 针对移动云计算任务迁移的快速高效调度算法[J]. 计算机科学, 2018, 45(4): 94 -99 .
[7] 周燕萍,业巧林. 基于L1-范数距离的最小二乘对支持向量机[J]. 计算机科学, 2018, 45(4): 100 -105 .
[8] 刘博艺,唐湘滟,程杰仁. 基于多生长时期模板匹配的玉米螟识别方法[J]. 计算机科学, 2018, 45(4): 106 -111 .
[9] 耿海军,施新刚,王之梁,尹霞,尹少平. 基于有向无环图的互联网域内节能路由算法[J]. 计算机科学, 2018, 45(4): 112 -116 .
[10] 崔琼,李建华,王宏,南明莉. 基于节点修复的网络化指挥信息系统弹性分析模型[J]. 计算机科学, 2018, 45(4): 117 -121 .