重新思考通用相机模型：用于恢复旋转和鱼眼畸变的深度单图像相机标定
计算机视觉与模式识别
2022-09-21 v1
摘要
尽管近期基于学习的标定方法能从单张图像预测外参和内参，但这些方法在鱼眼图像上的精度会下降。这种下降是由实际投影与预期投影之间的不匹配造成的。为解决这一问题，我们提出了一种通用相机模型，该模型有潜力处理各种类型的畸变。我们的通用相机模型通过相机投影的闭式数值计算用于基于学习的方法。为了同时恢复旋转和鱼眼畸变，我们提出了一种使用该相机模型的基于学习的标定方法。此外，我们提出了一种损失函数，用于缓解四个外参和内参误差幅度的偏差。大量实验表明，我们提出的方法在两个大规模数据集和现成鱼眼相机拍摄的图像上均优于传统方法。而且，我们是首个分析基于学习的方法在使用多种投影类型处理现成相机时性能的研究者。
引用
@article{arxiv.2111.12927,
title = {Rethinking Generic Camera Models for Deep Single Image Camera Calibration to Recover Rotation and Fisheye Distortion},
author = {Nobuhiko Wakai and Satoshi Sato and Yasunori Ishii and Takayoshi Yamashita},
journal= {arXiv preprint arXiv:2111.12927},
year = {2022}
}