According to [11], the authors use

According to [11], the authors use undistorted pinhole camera model to project 3D world
coordinates to 2D image coordinates. A 2-D image point x = [x y !]T is given from a 3-D
point X = [X Y Z 1]T by:
x = C[Rjt]X (1)
where C is triangular intrinsic camera matrix; [Rjt] is the rotation matrix R that aligns the
world axes with the camera axes, augmented by the 3D translation vector t between their
origins. Eq. (1) suggests an inverse transformation that projects image points onto the world
ground plane. While measure translation vector t is part of the extrinsic calibration process,
estimating rotation matrix R with heading, pitch and roll are key challenge to overcome.
They are well-known issues for visual odometry and image stitching techniques. These issues
usually are solved by estimating correspondences between the features of consecutive frames.
Once the feature correspondences have been established, we can reconstruct the trajectory of
the vehicle between the two frames. In the Fig. 5 shown as the central idea of Van Hamme
et al. method [11] is the back projection of image features to the world ground plane, and
the uncertainties associated with this back projection. The parameters in the rotation matrix
are estimated in view of uncertainty models: Perspective Uncertainty Tetragons (PUT) and
Motion Uncertainty Tetragon (MUT). For each detected feature (such as Harris corners),
PUT is estimated by each of the four combinations of extremely pitch and roll values. The
MUT of a feature position is calculated by displacing the feature along four circle segments,
representing the four extremely combinations of possible. A few number of PUT and MUT
detected on a homogenous ground plane, where-as Fig. 6(b) shows an increasing number
of the detected PUT and MUT on the ground plane with markers. Once a lot of inliers are
established, it is more precisely constructing the route in the Fig. 6
The places visited along the trajectory of interest will be stored in a condensed visual
representation. This visual representation preferably needs to be easy to adapt to our specific
indoor context and efficient at distinguishing scenes. To meet these goals, we involve the FABMAP
technique [11] which was recently demonstrated to be successful at matching places
in routes over a long period time. It is a probabilistic appearance-based approach to place
recognition. Each time an image is taken, its visual descriptors are detected and extracted.
In our system, we utilize SURF extractors and descriptors for creating a visual vocabulary
dictionary.

Kết quả (Việt) 2:

Theo [11], các tác giả sử dụng không bị biến dạng mô hình máy ảnh pinhole để dự án thế giới 3D
tọa độ hình ảnh 2D tọa độ. Một điểm 2-D hình ảnh x = [! Xy] T được đưa ra từ một 3-D
điểm X = [XYZ 1] T bởi:
x = C [Rjt] X (1)
trong đó C là ma trận tam giác camera nội tại; [Rjt] là vòng xoay ma trận R đó gắn các
trục thế giới với các trục camera, tăng cường bởi các vector 3D dịch t giữa họ
nguồn gốc. Eq. (1) cho thấy một biến đổi nghịch đảo mà các dự án điểm ảnh vào thế giới
phẳng đất. Trong khi vector dịch biện pháp t là một phần của quá trình hiệu chỉnh bên ngoài,
ước tính luân chuyển ma trận R với tiêu đề, pitch và roll đang thách thức chủ yếu để khắc phục.
Họ là những vấn đề nổi tiếng cho odometry và hình ảnh khâu kỹ thuật thị giác. Những vấn đề này
thường được giải quyết bằng cách ước tính tương ứng giữa các tính năng của khung hình liên tiếp.
Sau khi thư từ tính năng đã được thiết lập, chúng ta có thể tái tạo lại đường đi của
chiếc xe giữa hai frame. Trong hình. 5 hiển thị như các ý tưởng trung tâm của Van Hamme
et al. phương pháp [11] là chiếu lại các tính năng hình ảnh với mặt phẳng mặt đất thế giới, và
sự không chắc chắn liên quan đến chiếu trở lại này. Các thông số trong ma trận xoay
được ước tính trong quan điểm của các mô hình không chắc chắn: Phối cảnh không chắc chắn Tetragons (PUT) và
chuyển động không chắc chắn hình bốn gốc (MUT). Đối với mỗi tính năng được phát hiện (chẳng hạn như góc Harris),
PUT được ước tính bởi mỗi một trong bốn sự kết hợp của rất pitch và cuộn giá trị. Các
MUT của một vị trí đặc điểm được tính bằng cách thay các tính năng cùng bốn phân đoạn vòng tròn,
đại diện cho bốn cực kỳ sự kết hợp của khả năng. Một vài số PUT và MUT
phát hiện trên một máy bay mặt đất đồng nhất, nơi-như hình. 6 (b) cho thấy một số lượng ngày càng tăng
của các PUT phát hiện và MUT trên mặt phẳng đất có cắm mốc. Sau khi rất nhiều inliers được
thành lập, nó được chính xác hơn xây dựng các tuyến đường trong hình. 6
Những nơi đến thăm dọc theo quỹ đạo quan tâm sẽ được lưu trữ trong một hình ảnh đặc
đại diện. Đại diện trực quan này tốt cần phải được dễ dàng để thích ứng với cụ thể của chúng ta
bối cảnh trong nhà và hiệu quả ở những cảnh phân biệt. Để đáp ứng các mục tiêu này, chúng tôi liên quan đến việc FABMAP
kỹ thuật [11] mà gần đây đã được chứng minh là thành công ở phù hợp với địa điểm
trên các tuyến đường trong một thời gian khoảng thời gian dài. Nó là một phương pháp tiếp cận dựa trên xác suất xuất hiện để đặt
công nhận. Mỗi lần một hình ảnh được thực hiện, mô tả hình ảnh của nó được phát hiện và khai thác.
Trong hệ thống của chúng tôi, chúng tôi sử dụng máy hút SURF và mô tả cho việc tạo ra một từ vựng trực quan
từ điển.