[计算机视觉] AprilTag 2: Efficient and robust fiducial detection（2016）论文理解

论文地址

chrome-extension://cdonnmffkdaoajfknoeeecmchibpmkmg/assets/pdf/web/viewer.html?file=https%3A%2F%2Fapril.eecs.umich.edu%2Fmedia%2Fpdfs%2Fwang2016iros.pdf

摘要

• 跟AprilTag 1相比，Apriltag 2对TagDetector部分进行了优化，提高了鲁棒性和效率。
• 更高的检测率，较少的误报和较低的计算时间，从而提高了性能。

介绍

• AprilTag 1基于ARTag和ARToolkit，一个黑白方形标签，带一个编码的二进制载荷，与ARTag相比具有更低的假阳性率，AprilTag 2在不牺牲定位精度的前提下降低误检率。
• 本文的贡献：
  • 提高了小标签的检出率，显示更少的误报，并减少了计算时间。
  • 提出了一种新的标签边界分割方法，该方法对性能有很大的提高，并可应用于其他基准检测器。
  • 评估较少的候选标签对假阳性率的影响。
  • 在真实和合成图像上的定位性能的实验表征。

先验工作

• 最早的视觉基准系统之一是由增强现实应用程序库ARToolkit引入的。ARToolkit引入了黑色方框标签作为跟踪标记。它的优点是从已知尺度的单个标签提供完整的6自由度姿态估计。
• ARToolkit通过在正方形内嵌入任意图像模式来区分标签，这些图像模式与数据库中的已知模式进行匹配以进行识别。随着识别模式的数据库的增长，匹配的计算成本和混淆不同模式的可能性也在增加。ARTag试图通过引入2D二进制条码模式来纠正标签间的混淆问题。二进制条码可以纠正检测中的位错误。</