基于深度直线的鱼眼畸变校正
计算机视觉与模式识别
2020-03-26 v1
摘要
本文提出一种新颖的线感知校正网络（LaRecNet），基于三维空间中直线在像平面上仍应为直线的经典观测来解决鱼眼畸变校正问题。具体而言，所提出的LaRecNet包含三个顺序模块以（1）从鱼眼图像中学习畸变直线；（2）从学习到的热图与图像外观中估计畸变参数；以及（3）通过提出的可微分校正层校正输入图像。为了更好地训练和评估所提模型，我们创建了合成富直线鱼眼（SLF）数据集，其中包含鱼眼图像的畸变参数与良好标注的畸变直线。所提方法使我们能够同时标定几何畸变参数并校正鱼眼图像。大量实验表明，我们的模型在多项评价指标上于几何精度与图像质量方面均达到最先进（SOTA）性能。特别地，经LaRecNet校正的图像在SLF数据集上取得0.33像素的平均重投影误差，并与真值相比产生最高的峰值信噪比（PSNR）与结构相似性指数（SSIM）。
引用
@article{arxiv.2003.11386,
title = {Fisheye Distortion Rectification from Deep Straight Lines},
author = {Zhu-Cun Xue and Nan Xue and Gui-Song Xia},
journal= {arXiv preprint arXiv:2003.11386},
year = {2020}
}