该研究提出了一种新的方法，通过利用交叉口的拓扑结构来实现摄像头的准确自动校准，进而提高交通监控数据的利用效率，并在合成数据集和实际摄像头上展示了优异的性能表现。

Nov, 2023

提出了一种新的从非校准单目图像中检测消失点的方法，并使用卷积神经网络（CNN）基于从图像中检测到的线采用反面点投影的高斯球表示进行训练。该算法使用合成数据来训练，无需标记图像，达到了竞争性的性能，可用于其他用例。

Jul, 2017

本文提出了一种在人工环境中检测水平消失点和天顶消失点的新方法，利用深度卷积网络提取全局图像上下文，并逆转现有方法的先后顺序，通过提出一组地平线候选者并针对其包含的消失点对其进行打分，而非先找到候选消失点再通过强制互相正交来消除异常值。我们在三个基准数据集上评估了我们的方法，并在每个数据集上均取得了最好的性能，同时我们的方法明显快于之前最好的方法。

Aug, 2016

本文介绍了一个名为 “野外地平线”（HLW）的大规模数据集，探究了卷积神经网络在不依赖几何约束或特殊提示的情况下，直接估算地平线的应用，采用我们的 CNN 模型，在 HLW 数据集和其他两个基准数据集上实现了最先进的结果。

Apr, 2016

该论文提出了从场景平面引出的五个二维 - 二维图像点对应所能获得的对于半广义单应性的第一种最小解决方案。其中一个解决器假设透视相机完全校准，而另一个解决器则估计未知的焦距和绝对姿态参数。

Mar, 2021

本文提出了基于几何约束的跨视图图像合成方法，该方法包含使用单应性矩阵将图像映射到另一个视图，利用生成式对抗网络对转换后的图像进行缺失区域修复，实现更为逼真的图像合成效果。

Aug, 2018

我们提出了一个神经几何解析器，通过学习使用单个图像进行机器场景的相机校准。相比之前仅依赖于神经网络得到的语义提示的神经网络方法，我们的方法同时考虑了语义和几何提示，从而显著提高了准确性。

Jul, 2020

通过将单目摄像头录制的车载视频进行简单变换，将观察对象投影到从鸟瞰角度看的平面视图上，从而能够在深度神经网络的支持下，通过检测车辆和行人的位置及方向来实现自动控制，其中 3D 物体检测等技术的应用能够显著减少碰撞事故。

May, 2019

提出基于前视单目图像的局部鸟瞰地图重建新框架，利用前向到俯视图像变换（FTVP）模块中的多尺度设计和周期性一致性约束，实现低成本高效的道路与汽车区域感知以及多类别场景理解。在公共基准测试中，该方法在道路布局估计，车辆占用估计和多类别语义估计任务中均达到了最先进的性能，并且在多类别语义估计中优于所有竞争对手。

Nov, 2022

我们提出一种新颖的方法来实现细粒度的跨视图地理定位，通过使用单应性估计将畸变的地面图像与相同区域的带 GPS 标记的卫星图像对齐，将地面和航拍图像置于同一视图和同一平面上，减少了任务的复杂性，通过映射变换后地面图像的中心点到卫星图像并确定地面相机的方向来实现亚像素和米级的 GPS 精度定位。

Aug, 2023