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”

Epipolar Geometry Estimation for Wide-baseline Omnidirectional Street View Images

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F11%3A00187146" target="_blank" >RIV/68407700:21230/11:00187146 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Epipolar Geometry Estimation for Wide-baseline Omnidirectional Street View Images

  • Popis výsledku v původním jazyce

    This paper presents a new robust method of epipolar-geometry estimation for omnidirectional images in wide-baseline settings, e.g. with Goolgle Street View images. The main idea is to learn new statistical geometric constraints that are derived from thefeature descriptors into the model verification process of RANSAC. We show that these constraints provide correct epipolae geometry in very difficult situations. Robustness of epipolar-geometry estimation is quantitativelt evaluated for omnidirectional image pairs with variable baseline. The performance of the proposed method is demonstrated using the complete pipeline of structure-from-motion with real datasets of Google Street View images.

  • Název v anglickém jazyce

    Epipolar Geometry Estimation for Wide-baseline Omnidirectional Street View Images

  • Popis výsledku anglicky

    This paper presents a new robust method of epipolar-geometry estimation for omnidirectional images in wide-baseline settings, e.g. with Goolgle Street View images. The main idea is to learn new statistical geometric constraints that are derived from thefeature descriptors into the model verification process of RANSAC. We show that these constraints provide correct epipolae geometry in very difficult situations. Robustness of epipolar-geometry estimation is quantitativelt evaluated for omnidirectional image pairs with variable baseline. The performance of the proposed method is demonstrated using the complete pipeline of structure-from-motion with real datasets of Google Street View images.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/7E10046" target="_blank" >7E10046: Planetary Robotics Vision Scout</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2011

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2011 IEEE International Conference on Computer Vision Workshops (ICCV Workshops)

  • ISBN

    978-1-4673-0063-6

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    56-63

  • Název nakladatele

    IEEE Computer Society Press

  • Místo vydání

    Los Alamitos

  • Místo konání akce

    Barcelona

  • Datum konání akce

    6. 11. 2011

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku