基于单张标定图像的上下文感知三维物体定位：以篮球为例的研究

在三维（3D）中准确物体定位对于机器人、自动驾驶和增强现实等多种计算机视觉应用至关重要。该任务在体育分析中有另一重要应用，本文中我们提出一种从单张标定图像进行三维篮球定位的新方法。我们的方法通过估计物体到图像中地平面的投影，以图像本身及物体位置作为输入，预测物体在图像空间中以像素计的高度。然后利用已知投影矩阵重建球的 3D 坐标。在公开 DeepSport 数据集上的大量实验（该数据集为每幅图像提供 3D 球位置真值标注及相机标定信息）证明了我们方法的有效性，相较近期工作取得了显著的精度提升。我们的工作为增强球跟踪与理解开辟了新可能，推动了多领域计算机视觉发展。本工作的源代码公开于 \url{https://github.com/gabriel-vanzandycke/deepsport}。