Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP

Упражнение 1:

Номер 1

Что нужно знать, чтобы для точки с известными трёхмерными координатами найти её координаты в пикселях на изображении?

Ответ:

(1) матрицу внутренних параметров камеры

(2) коэффициенты дисторсии

(3) матрицу внутренних параметров камеры и коэффициенты дисторсии

Номер 2

Зачем вводятся коэффициенты дисторсии?

Ответ:

(1) для уменьшения численной ошибки вычислений с плавающей точкой

(2) для моделирования искажений линз

(3) для выравнивания цветов пикселей, полученных с камеры

Номер 3

Камеры была откалибрована для изображений с разрешением 320 x 240. В результате получилась матрица внутренних параметров камеры 
 $\begin{bmatrix}
f_x & 0 & c_x \\
0 & f_y & c_y \\
0 & 0 & 1 
\end{bmatrix}$  и нулевые коэффициенты дисторсии. Какой станет матрица внутренних параметров, если увеличить разрешение изображений до 640 x 480?

Ответ:

(1) не изменится

(2)

\begin{bmatrix}
2f_x & 0 & 2c_x \\
0 & 2f_y & 2c_y \\
0 & 0 & 1 
\end{bmatrix}

(3)

\begin{bmatrix}
f_x/2 & 0 & c_x/2 \\
0 & f_y/2 & c_y/2 \\
0 & 0 & 1 
\end{bmatrix}

Упражнение 2:

Номер 1

Изображения каких объектов связаны между собой преобразованием гомографии?

Ответ:

(1) любых

(2) текстурных

(3) плоских

Номер 2

Сколько степеней свободы в матрице гомографии?

Ответ:

(1) 9

(2) 8

(3) 3

Номер 3

Что такое калибрация камеры?

Ответ:

(1) определение параметров камеры, например по нескольким изображениям известного шаблона

(2) установка нужных драйверов при подключении камеры к компьютеру

(3) серия ударов по камере, чтобы выровнять её внутренние параметры

Упражнение 3:

Номер 1

В чём заключается проблема PnP?

Ответ:

(1) определение позы объекта, если известны параметры камеры и соответствия между 3D точками объекта и 2D точками на изображении

(2) определение позы объекта, если известны параметры камеры, 3D точки объекта и 2D точки на изображении

(3) определение соответствий между 3D точками объекта и 2D точками на изображении, если известны параметры камеры и поза объекта

Номер 2

Множество пар 2D-3D точек в задаче PnP содержит 80% ошибок. Сколько в среднем потребуется итераций RANSAC для её решения?

Ответ:

(1) 5^3

(2) 5^4

(3) 80^2

Номер 3

Как записывается fundamental matrix constraint?

Ответ:

(1)

(2)

(3)

Упражнение 4:

Номер 1

Если стерео-смещение (диспарити) точки A больше, чем у точки B, и рассматривается расстояние вдоль оптической оси камер (то есть рассматривается координата Z), то:

Ответ:

(1) точка A расположена ближе к камерам, чем точка B

(2) точка A расположена дальше к камерам, чем точка B

(3) точка A может быть как ближе к камерам, так и дальше, чем точка B

Номер 2

Когда применяется метод RANSAC?

Ответ:

(1) для проекции точки с известными трёхмерными координатами на изображение

(2) для перехода из одной системы координат в другую

(3) для определения параметров модели в случае зашумлённых данных

Номер 3

Что такое ошибка репроекции?

Ответ:

(1) расстояние от точки, спроецированной на изображение, до соответствующей ей точки на изображении

(2) ошибка в координатах спроецированной точки, вызванная погрешностью вычислений

(3) ошибка при решении задачи обратной к задаче проектирования точки

Упражнение 5:

Номер 1

Насколько точно можно восстановить трёхмерные координаты точки, зная её координаты на одном изображении и внутренние параметры камеры?

Ответ:

(1) можно однозначно определить трёхмерные координаты точки

(2) возможны два решения: в первом точка расположена перед камерой, а во втором на таком же расстоянии за камерой

(3) можно найти только луч, на котором расположена точка

Номер 2

Какую задачу решает алгоритм Левенберга — Марквардта?

Ответ:

(1) нахождение локального минимума целевой функции из задачи о наименьших квадратах

(2) нахождение глобального минимума выпуклой функции

(3) нахождение глобального минимума выпуклой функции

Номер 3

Что такое эпиполярная линия?

Ответ:

(1) это линия в эпиполярном пространстве, соединяющая два эпиполя

(2) это линия, которая является проекцией луча, проходящего через центр камеры и интересующий нас пиксель, на изображение другой камеры

(3) это линия, расположенная над эпиполем

Упражнение 6:

Номер 1

Что такое геометрическая валидация соответствий?

Ответ:

(1) откидывание ложных соответствий, которые не удовлетворяют используемой геометрической модели

(2) то же самое, что и валидационное соответствие геометрии

(3) применение преобразования гомографии к какому-либо соответствию

Номер 2

Что такое оптическая ось камеры?

Ответ:

(1) прямая, проходящая через центр камеры и пиксель, выбранный на изображении

(2) ось, на которую крепится оптика камеры

(3) прямая, проходящая через центр камеры перпендикулярно плоскости изображения

Номер 3

Зачем в компьютерном зрении используется проективная геометрия?

Ответ:

(1) чтобы по одному или нескольким изображениям получить некоторую информацию о трёхмерной структуре снимаемой сцены

(2) чтобы ускорить работу фильтров обработки изображений на непланарных объектах разной формы

(3) чтобы придать солидность публикуемым статьям и разрабатываемым алгоритмам

Упражнение 7:

Номер 1

В какой книге нужно искать ответ на сложный вопрос по геометрии в компьютерном зрении?

Ответ:

(1) John von Neumann and Alan Turing. Geometry in Computer Vision: a Modern Approach.

(2) Richard Hartley and Andrew Zisserman. Multiple View Geometry in Computer Vision.

(3) Gary Bradski. The Hitchhiker's Guide to Geometry in Computer Vision.

Номер 2

Если  $K=\begin{bmatrix}
f_x & 0 & c_x \\
0 & f_y & c_y \\
0 & 0 & 1 
\end{bmatrix}$  – матрица внутренних параметров камеры, R – матрица поворота объекта, T – вектор его параллельного переноса, то чему равна проекционная матрица P?

Ответ:

(1) P=K(R | T)

(2) P=K^(-1) (R | T)K

(3) P=R(K | T)

Номер 3

Если (X Y Z)  – координаты  трехмерной точки, P – проекционная матрица, то по какой формуле найти координаты (u v) этой точки на изображении?

Ответ:

(1)

\begin{pmatrix}
u \\
v \\
1 
\end{pmatrix}=P\begin{bmatrix}
X \\
Y \\
Z \\ 
1
\end{bmatrix}

(2)

\begin{pmatrix}
u \\
v \\
1 
\end{pmatrix}=P\begin{bmatrix}
X/Y \\
Y/Z \\ 
1
\end{bmatrix}

(3)

w \cdot \begin{pmatrix}
u \\
v \\
1 
\end{pmatrix}=P\begin{bmatrix}
X \\
Y \\
Z \\ 
1
\end{bmatrix}

Упражнение 8:

Номер 1

Что делает преобразование, обратное к преобразованию дисторсии (undistortion)?

Ответ:

(1) убирает на изображении искажения, внесённые несовершенством линз

(2) выравнивает цвета пикселей, полученных с камеры

(3) по координатам пикселя восстанавливает координаты соответствующей трехмерной точки

Номер 2

Что делает преобразование стерео-ректификации?

Ответ:

(1) выравнивает два изображения так, что соответствующие друг другу точки находятся на одной эпиполярной линии

(2) выравнивает два изображения так, что соответствующие друг другу точки находятся на одной горизонтальной линии

(3) выравнивает два изображения и создаёт из них одно, на которое можно смотреть в стерео-очках

Номер 3

Можно ли найти внутренние параметры камеры, не используя какой-либо шаблон?

Ответ:

(1) можно, но это работает только под Linux

(2) можно, для этого есть алгоритмы автокалибрации, но они работают не очень стабильно

(3) это невозможно, потому что для нахождения внутренних параметров необходима регулярная структура шаблона

Номер 4

Какой ранг имеет фундаментальная матрица?

Ответ:

(1) 1

(2) 2

(3) 3

Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP - тест 5