开源 | CVPR2020 通用相机标定模型，全自动、易使用、高精度

论文地址：http://arxiv.org/pdf/1912.02908v2.pdf 代码：https://github.com/puzzlepaint/camera_calibration.git 来源：苏黎世联邦理工学院 论文名称：Why Having 10,000 Parameters in Your Camera Model is Better ThanTwelve 原文作者：Viktor Larsson

构建3D计算机视觉系统的第一步是进行相机标定。常用的相机参数模型被限制在固定的几个自由度内，因此往往不能更好的适应复杂的真实镜头畸变。相比过去的模型，由于通用化模型的灵活性使其可以非常精确的标定相机。但是这种方法很少在实际中应用。本文提出了一个全自动的、易于使用的，以提高精度为目标的通用模型标定方法，它可以直接替代当前的参数化的相机标定模型。本文与传统的参数化标定模型进行了对比。以立体相机的深度估计和相机姿态估计为例，证明了相机标定误差对结果的影响。因此，与目前普遍使用的标定模型相比，通用标定模型具有更好的结果。

本文提出的通用标定模型与传统的基于参数化的模型相比，几乎可以真实的矫正相机畸变，在所有的测试相机中通用模型都获得了最好的结果。实验结果显示，为了避免拉高平均误差，即使很小的校准在实际应用中也具有很高的价值。本文算法并不能应用于所有的场景，例如：要求对投影具有较高的执行性能的情况下，自标定的场景、没有足够的数据进行校准的场景。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。