렌즈 왜곡 보정은 공간 객체 추적을 어떻게 변화시키나요?

에바 왕 는 기술 작가 그리고 이자 ZimaSpace의 상주 장인입니다. 평생을 기술에 열정을 가진 사람으로서 홈랩과 오픈소스 소프트웨어에 열정을 가지고 있으며,복잡한 기술 개념을 쉽게 이해할 수 있는 실습 가이드로 번역하는 데 전문성을 가지고 있습니다.에바는 셀프 호스팅이 어렵지 않고 재미있어야 한다고 믿습니다. 그녀의 튜토리얼을 통해 커뮤니티가 하드웨어 설정의 신비를 풀도록돕고 있습니다. 첫 NAS 구축부터 Docker 컨테이너 마스터링까지.

렌즈 왜곡 보정은 휘어진 광각 이미지 좌표를 보정된 투영으로 재매핑하여 공간 추적을 변경하며, 이 과정에서 움직임과 기하 구조가 다르게 작동합니다.

초인종 카메라나 어안 카메라의 가장자리 근처에서는 사람이 늘어나 보일 수 있고, 중앙 근처와는 다른 속도로 픽셀을 가로질러 이동하는 것처럼 보일 수 있습니다. 왜곡 보정은 검출 전이나 후에 보정 매개변수를 사용해 픽셀의 위치를 재배치합니다. 신뢰할 수 있는 추적기는 바운딩 박스, 마스크, 영역 폴리곤, 속도, 카메라 간 매핑을 모두 동일한 보정 좌표계로 유지해야 합니다.

보정 모델: 방사 왜곡과 접선 왜곡 변위

광각 렌즈는 직선을 휘게 만들고 이미지 점을 이상적인 핀홀 투영에서 멀어지게 이동시킵니다. 보정 과정에서는 알려진 기하 구조를 바탕으로 카메라 내부 파라미터와 방사 및 접선 왜곡 계수를 추정하여 왜곡 좌표와 보정 좌표 사이의 매핑을 생성합니다.

방사 왜곡과 접선 왜곡에 대한 설명에서는 방사 및 접선 효과를 나타내는 데 사용되는 계수를 자세히 설명하고, 보정이 이미지 왜곡 보정을 어떻게 지원하는지 보여줍니다. 이 매핑은 하나의 전역 스케일 변경이 아니라 공간에 따라 달라집니다.

원시 픽셀에 그린 추적 규칙은 보정 후 자동으로 유효해지지 않습니다. 모든 구역, 트립와이어, 이전 검출 결과에는 재매핑을 적용하거나 좌표 영역을 명시해야 합니다. 이러한 구분은 이후 가정 환경 테스트에서도 계속 확인할 수 있어야 합니다.

재매핑은 위치, 크기, 겉보기 속도를 변경합니다

보정 과정에서는 보정된 투영이 선택한 위치에서 원시 픽셀을 샘플링합니다. 가장자리 근처의 객체는 이동하거나 커지고 작아지거나 종횡비가 변할 수 있으며, 동일한 실제 이동이 보정된 이미지에서는 더 일정한 거리를 차지할 수 있습니다.

실용적인 직선 왜곡 모델 방법은 실제 장면에서 직선으로 예상되는 선을 사용해 왜곡을 추정합니다. 이 방법은 기하학적 제약 조건이 이후 추적 측정에 적용될 변환을 어떻게 결정하는지 보여줍니다. 자동화가 이를 따르기 전에 중간 결과를 확인할 수 있어야 합니다.

보정 전에 검출하는 경우 이후에 바운딩 박스나 점을 매핑해야 하고, 보정된 프레임에서 검출하는 경우 리샘플링된 이미지를 사용합니다. 비선형적인 바운딩 박스 모서리와 보간으로 인해 검출기 입력이 달라질 수 있으므로 이 두 경로는 동일하지 않습니다. 이러한 경계는 현실적인 운영 조건에서 별도로 측정해야 합니다.

보간과 크롭은 새로운 추적 경계를 만듭니다

왜곡 보정은 픽셀을 리샘플링하고 유효하지 않은 테두리를 크롭할 수 있으며, 늘어난 영역에서는 유효 세부 정보가 줄어들 수 있습니다. 작은 객체는 더 흐려질 수 있고, 보정된 프레임에서는 원시 센서에 보이던 영역이 제외될 수 있습니다. 여러 소스가 제한된 컨텍스트를 두고 경쟁할 때 이러한 실질적인 영향이 나타납니다.

광각 보정 정확도에 관한 연구에서는 기하 구조를 효율적으로 복원하기 위한 광각 보정 방법을 평가합니다. 이 처리 단계는 보정 정확도와 리샘플링 비용이 후속 추적 품질과는 별개의 요소임을 보여줍니다. 최종 인터페이스에서도 이러한 의존 관계를 명확하게 유지해야 합니다.

실패 경계는 부정확한 보정이나 혼합된 좌표 공간입니다. 잘못된 해상도, 초점 상태 또는 카메라 모델을 기반으로 한 보정은 원래의 예측 가능한 왜곡보다 더 심각한 체계적 추적 점프를 일으킬 수 있습니다. 따라서 결과는 원본 증거와 대조하여 확인해야 합니다.

모든 좌표 공간을 거쳐 하나의 추적 경로를 재투영합니다

중앙, 가장자리, 프레임 경계를 통과하는 경로에 대해 원시 프레임 점, 보정 맵, 보정된 점, 검출 바운딩 박스, 추적기 상태, 영역 폴리곤, 월드 투영, 카메라 간 인계 정보를 기록합니다. 이러한 구분은 이후 가정 환경 테스트에서도 계속 확인할 수 있어야 합니다.

광각 추적 결과와 비교합니다. 모델, 소스 클립, 프레임 속도, 임계값을 유지한 채 원시 프레임, 보정된 프레임, 매핑된 검출 결과에서 검출과 추적을 실행합니다. 자동화가 이를 따르기 전에 중간 결과를 확인할 수 있어야 합니다.

각 인터페이스에 하나의 기준 좌표계를 채택하고 좌표계 간 변환을 명시적으로 적용합니다. 영역 통과, 속도, 식별 연속성, 가장자리 커버리지가 개선되고 보정에 따른 사각지대가 없다면 통과로 판정합니다. 이러한 경계는 현실적인 운영 조건에서 별도로 측정해야 합니다.

기술 및 AI 허브

더 읽어보기

Get More Builds Like This

Stay in the Loop

Get updates from Zima - new products, exclusive deals, and real builds from the community.

Stay in the Loop preferences

We respect your inbox. Unsubscribe anytime.