1166TVCalib:用于足球运动场地注册的摄像机校准https://mm4spa.github.io/tvcalibJonas Theiner1Ralph Ewerth1,21L3S研究中心,汉诺威莱布尼茨大学,汉诺威,德国2TIBtheiner@l3s.deralph. tib.eu图1:我们提出的3D运动场注册框架:(1)片段定位执行实例分割并从已知的校准对象(3D模型)中选择具有相应标签的适当点,以及(2)我们的主要贡献,校准模块,其通过迭代地最小化片段重投影损失来预测相机参数。摘要广播视频中的运动场配准通常被解释为单应性估计的任务,其提供平面场与图像的对应可见区域之间的映射。与以前的方法相比,我们认为任务作为一个摄像机校准问题。首先,我们引入了一个可微的目标函数,该函数能够从片段对应中学习相机姿态和焦距(例如,线、点云),基于已知校准对象的片段的像素级注释。校准模块迭代地最小化由估计的相机参数引起的片段重投影误差。其次,我们提出了一种新的方法,三维体育场注册从广播电视图像。与典型的解决方案相比,它随后细化的初始估计,我们的解决方案在一个步骤。所提出的方法进行了评估运动场注册两个数据集,并取得了优异的结果相比,两个国家的最先进的方法。1. 介绍摄像机标定是许多计算机视觉应用的基础,如跟踪、自动驾驶、机器人、增强现实等。现有的文献已经广泛地研究了这个问题,完全校准,部分-在各种设置中的完全校准的和未校准的相机[22],对于不同类型的数据(例如,单眼图像、图像序列、RGB-D图像等),和相关任务,如3D重建。体育赛事的广播视频是广泛可用的数据源。从具有未知和变化的相机参数的单个移动相机进行校准的能力实现了各种增强现实[15]和体育分析应用[13,29]。运动场用作校准对象(根据游戏规则已知尺寸)。然而,广播足球视频[11]中的适当关键点的不可见性和未知的焦距阻止了从2D-3D(关键点)对应性足够准确地直接计算单应性或内函数和外函数[2,18,37,38]。这表明,线[20,27],区域[6,27,30],具有附加信息的点特征[8,11,27]更适合于精确的运动场配准。先前的方法[6,8,23,27,30,32]将任务视为单应性估计而不是校准,尽管相机参数的估计实现了进一步的应用(例如,虚拟体育场、自动摄像机控制或越位检测)。迄今为止,基于单应性的方法可以提供用于第一粗略初始估计的相机参数,但是更准确的结果通常基于单应性细化。在本文中,我们建议将运动场配准视为一项校准任务,并估计标准的各个摄像机参数(位置、旋转和焦距)。迭代优化段重投影损失步骤多个初始化损失