Resumen

Muchos objetos del mundo real tienen caractersticas circulares. En general, las caractersticas circulares se representan mediante un vector de 5 grados de libertad. Es una tarea difcil medir la precisin de la pose de las caractersticas circulares en cada direccin y la correlacin entre cada direccin. Este artculo propone una solucin de forma cerrada para estimar la precisin de la transformacin de la pose de una caracterstica circular. La matriz de covarianza de se utiliza para medir la precisin de la pose. Se analiza la relacin entre la pose de la caracterstica circular del objeto 3D y los puntos 2D para obtener una funcin implcita, y luego se emplea el teorema de Gauss-Newton para calcular las derivadas parciales de la funcin con respecto a dicho punto, y despus se calcula la matriz de covarianza a partir tanto de los puntos 2D como del error de extraccin. Adems, el mtodo utiliza la matriz de covarianza de las variables de pose de las caractersticas circulares 5-DoF para optimizar el estimador de pose. Basndose en la covarianza de la pose, se introduce la mtrica de minimizacin del error cuadrtico medio (Min-MSE) para guiar una buena seleccin de puntos de imagen 2D, y se puede reducir la cantidad total de ruido introducido en el estimador de pose. Este trabajo proporciona un mtodo de precisin para la estimacin de la pose 2D-3D del objeto utilizando la caracterstica circular. Por ltimo, se valida la eficacia del mtodo para estimar la precisin basndose tanto en conjuntos de datos aleatorios como en imgenes sintticas. Se ilustran varias secuencias de imgenes sintticas para mostrar el rendimiento y las ventajas del mtodo de optimizacin de pose propuesto para estimar la pose de caractersticas circulares.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Objetos; Característica circular; Precisión; Pose; Matriz de covarianza; Puntos 2D
• Keywords:Objects; Circular feature; Accuracy; Pose; Covariance matrix; 2D points