大规模多摄像头数据捕获的鲁棒摄像机到捕捉标定与验证
计算机视觉与模式识别
2026-04-27 v1
摘要
光学运动捕捉(mocap)系统广泛用于AR/VR、SLAM和机器人数据集的真实值捕获。这些数据集需要进行外源标定，以将捕捉坐标对齐到外部摄像机坐标系——这一步在实际操作中容易受到多种误差源的影响，往往在捕获下游数据时才被发现。对于鱼眼摄像机，这些问题更为复杂，因为空间非均匀畸变使得标定和验证都更具挑战性。我们提出了针对该场景设计的标定与验证系统。具体而言，我们针对板到标记器附着变化、优化初始化歧义以及部署后会话间标定漂移等问题实现鲁棒性。标定同时估计摄像机外源参数和板到标记器变换，并使用分阶段求解器以提高在含歧义初始化下的收敛可靠性。验证组件\lollypop{}提供了快速、操作独立的评估，通过一条完全独立于标定数据的测量链路。我们在Meta Quest 3头盔配备鱼眼摄像机的实验中，表明我们的标定优于现有方法，而lollypop能够可靠地检测标定随时间的退化。该系统已部署在生产数据采集管道中。
引用
@article{arxiv.2604.22118,
title = {Robust Camera-to-Mocap Calibration and Verification for Large-Scale Multi-Camera Data Capture},
author = {Tianyi Liu and Christopher Twigg and Patrick Grady and Kevin Harris and Shangchen Han and Kun He},
journal= {arXiv preprint arXiv:2604.22118},
year = {2026}
}