宽视场相机校准新法：反投影与目标导向模型

校准宽视场相机，如鱼眼镜头和折反射装置，是一项具有挑战性的任务，因为这类相机的投影模型通常较为复杂且非线性，对校准参数有较高的精度要求。现有的校准方法可能存在局限性，比如依赖于预设的简化投影模型，或者对初始参数的依赖性较大。当校准失败时，可能需要用户进行手动干预，增加额外的工作负担。 作者在"The Challenge of Calibrating Wide Field Cameras: A General Method"这篇论文中，提出了一个创新的解决方案。他们首先开发了一个反投影模型的求解器，这种模型能更好地处理宽视场相机的特性。接着，他们采用参数回归技术，将反投影模型的参数转换为目标的相机模型，如中心投影模型，这有助于克服传统方法的不足。他们的方法不仅考虑了模型的非线性，还通过一个强大的估计框架来应对边缘检测等下游任务，提高了校准的稳健性和准确性。 这个框架包括一系列关键步骤，如： 1. 径向基本矩阵：用于提取图像中的特征点，这是校准的基础。 2. 角点校正：纠正因相机畸变引起的图像变形。 3. 部分摄影机姿势：估计相机的部分运动参数，以便逐步逼近完整校准。 4. 内部函数+翻译深度：考虑相机内部参数和深度信息，以提高模型的精确度。 5. P3P剩余姿势：利用单像素3点问题算法确定相机的精确位置。 6. 细化与非最小二乘优化：通过迭代优化，进一步提升估计结果的精度。 通过大量实验验证，该方法表现出极高的可靠性，在实际应用中，如在下游任务如绝对姿态估计中，能够提供最为准确的结果。为了方便其他研究者使用和进一步发展，作者还在GitHub上发布了相关代码：<https://github.com/ylochman/babelcalib>。 总结来说，这篇论文的核心贡献在于提出了一种通用的宽视场相机校准方法，它能够有效地解决复杂的模型参数估计问题，并在实践中取得了显著的性能提升。这对于提升各种宽视场设备的成像质量和自动化校准流程具有重要意义。