Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Camera Tracking and Autocalibration for Detecting and Correcting Camera De-Calibration

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F09%3A00166010" target="_blank" >RIV/68407700:21230/09:00166010 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Camera Tracking and Autocalibration for Detecting and Correcting Camera De-Calibration

  • Popis výsledku v původním jazyce

    In this report, we present several contributions to the dynamic 3D scene analysis supported by image and video processing from omnidirectional video data acquired by the AWEAR 2.0 platform. First, we summarize the upgrades of our structure from motion (SfM) pipelines for the autocalibration of the AWEAR 2.0 camera platform. Next, we examine several examples of detecting abnormal situations using statistics resulted from camera tracking: (i) feature detection, (ii) sequential matching, and (iii) stereo matching on the top of SfM. Finally, we demonstrate the detection and classification of abnormal situations, and correction of the contaminated camera calibrations according to the abnormal events on real video sequences.

  • Název v anglickém jazyce

    Camera Tracking and Autocalibration for Detecting and Correcting Camera De-Calibration

  • Popis výsledku anglicky

    In this report, we present several contributions to the dynamic 3D scene analysis supported by image and video processing from omnidirectional video data acquired by the AWEAR 2.0 platform. First, we summarize the upgrades of our structure from motion (SfM) pipelines for the autocalibration of the AWEAR 2.0 camera platform. Next, we examine several examples of detecting abnormal situations using statistics resulted from camera tracking: (i) feature detection, (ii) sequential matching, and (iii) stereo matching on the top of SfM. Finally, we demonstrate the detection and classification of abnormal situations, and correction of the contaminated camera calibrations according to the abnormal events on real video sequences.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    R - Projekt Ramcoveho programu EK

Ostatní

  • Rok uplatnění

    2009

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů