相机网络的欧氏自标定：基线约束消除尺度模糊
计算机视觉与模式识别
2015-10-07 v1
摘要
多位作者已报道了从多视图进行相机网络的度量自标定。所得的 3D 重建能忠实恢复形状，但无法恢复尺度。然而，尺度的保持在一些应用中变得至关重要，例如多方远程呈现，其中多个 3D 场景需要融合到单一坐标系下。在此背景下，我们提出了一种包含具有已知基线间距的立体对的相机网络配置，并在温和条件下解析地证明了此类网络的欧氏自标定。此外，我们使用四相机网络实验验证了我们的理论。重要的是，我们的方法不仅恢复尺度，而且在形状恢复方面与著名的 Zhang 和 Pollefeys 方法相比也具有优势。
引用
@article{arxiv.1510.01663,
title = {Euclidean Auto Calibration of Camera Networks: Baseline Constraint Removes Scale Ambiguity},
author = {Kiran Kumar Vupparaboina and Kamala Raghavan and Soumya Jana},
journal= {arXiv preprint arXiv:1510.01663},
year = {2015}
}
备注
5 pages