KRONC: 面向3D车辆重建的基于关键点的鲁棒相机优化
计算机视觉与模式识别
2024-09-10 v1
摘要
从一组图像出发对物体或场景进行三维表示多年来一直是一个被广泛讨论的话题，并在基于NeRF的方法扩散后获得了额外的关注。然而，一个被低估的前提是相机位姿的知识，或者更具体地说，外参标定参数的估计。尽管有优秀的通用Structure-from-Motion方法可作为预处理步骤，但它们的计算负荷很高，并且需要大量帧以保证视图之间有足够的重叠。本文介绍了KRONC，这是一种新颖的方法，旨在利用关于待重建物体的先验知识及其通过语义关键点的表示来推断视图位姿。以车辆场景为重点，KRONC能够将视图位置的估计作为一个轻量优化问题的解，该优化以关键点反投影收敛到单一点为目标。为了验证该方法，收集了一个特定的真实世界车辆场景数据集。实验证实了KRONC从非常粗糙的初始化开始生成出色相机位姿估计的能力。其结果与Structure-from-Motion方法相当，且节省了大量计算。代码和数据将公开发布。
引用
@article{arxiv.2409.05407,
title = {KRONC: Keypoint-based Robust Camera Optimization for 3D Car Reconstruction},
author = {Davide Di Nucci and Alessandro Simoni and Matteo Tomei and Luca Ciuffreda and Roberto Vezzani and Rita Cucchiara},
journal= {arXiv preprint arXiv:2409.05407},
year = {2024}
}
备注
Accepted at ECCVW