Multi-Cali Anything：基于稠密特征的多帧大规模相机阵列结构光测量
计算机视觉与模式识别
2025-08-04 v2
摘要
大规模相机阵列的标定（如穹顶式 setup）耗时且通常需要针对已知图案的专用采集。虽然此类阵列的外参因物理 setup 而固定，但内参常因镜头调整或温度变化等因素而在不同 session 之间变化。本文提出一种基于稠密特征的多帧标定方法，直接从场景数据中细化内参，无需额外的标定采集。我们的方法通过引入外参正则化项逐步对估计的外参与真实值进行对齐，引入稠密特征重投影项以通过在特征空间中最小化重投影损失来减少关键点误差，以及引入内参方差项实现多帧联合优化。在 Multiface 数据集上的实验表明，我们的方法几乎达到了专用标定流程的相同精度，显著提升了内参和 3D 重建的准确性。完全兼容现有 SfM 流水线，我们的方法提供了一个高效实用的即插即用解决方案用于大规模相机 setup。我们的代码已公开：https://github.com/YJJfish/Multi-Cali-Anything
引用
@article{arxiv.2503.00737,
title = {Multi-Cali Anything: Dense Feature Multi-Frame Structure-from-Motion for Large-Scale Camera Array Calibration},
author = {Jinjiang You and Hewei Wang and Yijie Li and Mingxiao Huo and Long Van Tran Ha and Mingyuan Ma and Jinfeng Xu and Jiayi Zhang and Puzhen Wu and Shubham Garg and Wei Pu},
journal= {arXiv preprint arXiv:2503.00737},
year = {2025}
}
备注
Accepted to IROS 2025. Final camera-ready version. 8 pages