calibration_uncertainty_map — CALIB `calib_truth` op

• Datenarten: table → table

• Aufruf: import fullseye as fs; fs.ledger.calibration_uncertainty_map(calibration, image_shape, step=16, depth=None, remove_rotation=True) (die Implementierung direkt: import calib_lm; calib_lm.calibration_uncertainty_map(calibration, image_shape, step=16, depth=None, remove_rotation=True); aus dem Register: opscalib.get("calibration_uncertainty_map"))

• GPU: nein (nur CPU-Referenzimplementierung)

Verwendung

Bildet die Kovarianz der Kalibrierschätzung auf das Bild ab und gibt die vorhergesagte Unsicherheit jedes Pixels zurück (px, bei Tiefe Z in mm) (table).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

Propagate the marginal covariance of the intrinsics and distortion (from camera_calibration_lm) to every grid pixel: a point fixed in the camera frame that the estimate places at p would be reprojected with a standard deviation sqrt(trace(J C Jᵀ)) (px, radial), J the 2x9 Jacobian of the projection with respect to (fx, fy, cx, cy, k1, k2, p1, p2, k3). Needs no ground truth — this is the map a real calibration can show too; the simulation checks that it is honest (Monte Carlo gate). With depth Z (mm) the map is also given in mm (std · Z / f, small-angle).

remove_rotation(既定 True)は calibration_error_map と同じ意味: カメラの向きのずれと見分けのつかない成分(主点のずれの大部分)を除く。両方を同じ設定で使うと、モンテカルロの誤差の地図と比べられる。★姿勢の不確かさは周辺化で含まれる(9x9 は全変数の共分散からの周辺)。画像の端ほど大きくなるのは、板が写っていない所を歪みの多項式が外挿するから。★線形の予測なので、外挿が大きい所では当たらない:

6 視点・σ = 0.2 px で k3 まで自由にすると、隅の予測 160 px に対しモンテカルロの実測は 55 px (k1k2p1p2 なら全体の平均で 6.42 / 6.39 px と合う。tests の実測)。

返す dict: rows・cols、std_px(地図)、mean_px・max_px・max_at、std_mm(depth)。

Raises ValueError: 共分散が無い・非有限、引数の範囲外。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie camera_calibration

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_calibration_truth_map — py -3.11 examples/poc_calibration_truth_map.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

image_points_to_world_plane · contour_to_world_plane_xld · sim_caltab · disp_caltab · calibration_error_map · calibration_next_pose

Gleiche Kategorie (`calib_truth`)

calibration_error_map · calibration_next_pose

*Provenance: calib_lm.py — CALIB Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

calibration_uncertainty_map — CALIB calib_truth op