Stammdaten

Decentralized and resource-efficient self-calibration of visual sensor networks
Untertitel:
Kurzfassung:

Many multi-camera applications rely on the knowledge of the spatial relationship among the individual nodes. However, establishing such a network-wide calibration is typically a time-consuming task and requires user interaction. In this paper we present a decentralized and resource-aware algorithm for estimating the poses of all network nodes without any user interaction. This self-calibration of the network is achieved in two steps: First, overlapping camera pairs estimate relative positions and orientations by exchanging locally measured distances and angles to detected objects. Second, calibration information of overlapping cameras is spread throughout the network such that poses of non-overlapping cameras can also be estimated. Our approach does not rely on a priori topological information and delivers the extrinsic camera parameters with respect to a common coordinate system. In a simulation study we analyze the performance of our approach concerning the achieved spatial accuracy and computational effort considering noisy measurements and different communication schemes.

Schlagworte: Smart camerasVisual sensor networksSelf-calibrationTopology estimationDistributed systemsCommunication efficiencyResource-awareness
Publikationstyp: Beitrag in Zeitschrift (Autorenschaft)
Art der Veröffentlichung Online Publikation
Erschienen in: Ad Hoc Networks
Ad Hoc Networks
zur Publikation
 ( Elsevier; )
Erscheinungdatum: 01.02.2019
Titel der Serie: -
Bandnummer: 88
Heftnummer: -
Erstveröffentlichung: Ja
Version: -
Seite: S. 112 - 128

Identifikatoren

ISBN: -
ISSN: -
DOI: http://dx.doi.org/10.1016/j.adhoc.2019.01.007
AC-Nummer: -
Homepage: https://www.sciencedirect.com/science/article/pii/S1570870518301975?via%3Dihub
Open Access
  • Online verfügbar (nicht Open Access)

Zuordnung

Organisation Adresse
Fakultät für Technische Wissenschaften
 
Institut für Vernetzte und Eingebettete Systeme
Universitätsstraße 65-67
9020  Klagenfurt am Wörthersee
Österreich
  -993640
   kornelia.lienbacher@aau.at
https://nes.aau.at/
zur Organisation
Universitätsstraße 65-67
AT - 9020  Klagenfurt am Wörthersee

Kategorisierung

Sachgebiete
  • 102021 - Pervasive Computing
  • 102025 - Verteilte Systeme
  • 202017 - Embedded Systems
  • 202022 - Informationstechnik
  • 202036 - Sensorik
Forschungscluster Kein Forschungscluster ausgewählt
Zitationsindex
  • Science Citation Index Expanded (SCI Expanded)
Informationen zum Zitationsindex: Thomson Reuters Master Journal List
Peer Reviewed
  • Ja
Publikationsfokus
  • Science to Science (Qualitätsindikator: I)
Klassifikationsraster der zugeordneten Organisationseinheiten:
Arbeitsgruppen Keine Arbeitsgruppe ausgewählt

Kooperationen

Keine Kooperationspartner ausgewählt

Beiträge der Publikation

Keine verknüpften Publikationen vorhanden