提出了一种用于通用相机模型的标定流程，该流程完全自动化，易于使用，可作为参数标定的替代方案，并且可以提高标定精度。该模型应在可能的情况下更优先于参数模型，并且该标定流程已在链接中公开发表。

Dec, 2019

使用离线的 3D 姿势估计器，结合多视图线索和相机校准，自动化地获取 3D 人体姿态信息，包括时间同步和相机内外部校准，并通过将高维时间和校准空间划分为级联子空间以及引入定制算法来优化每个子空间，最终实现了易于使用、灵活且稳健的动作捕捉工具箱。

May, 2024

通过利用街景图像重建度量的三维模型并精确校准 100 多个全球交通摄像头，本研究展示了一个可扩展的框架，以解决基于野外摄像头的精确校准挑战，并通过提取信息进行交通分析，从而开发出利用室外摄像头进行自动分析的潜力。

Nov, 2023

相机标定是估计内参和外参参数的过程，本文提出了一种基于几何约束的损失函数来测量相机参数，并通过神经网络学习框架进行优化，实验结果表明，在合成和实际数据集上，相比最先进的基准模型，我们的方法在所有参数上都有所改进。

Feb, 2024

本文提出一种基于基础设施的方法，通过分别对单个摄像机进行内部校准和用 3D 地图预建立的外部校准，从零开始完全校准多摄像机系统，并且在多种室内外场景中进行了广泛实验，结果表明我们的校准方法具有高准确性和鲁棒性。

Jul, 2020

提出了一种从单幅图像中估计完整的标定参数集的方法，通过数字图像相关获得图像点和标定目标上物理点之间的对应关系，同时在先前评估了主点之后分别计算出有效焦距和外部参数，最终获得整个图像上密集均匀的无模型畸变图。

Mar, 2024

本文提出了一个自动 LiDAR - 相机校准的端到端网络 CalibFormer，通过整合多层相机和 LiDAR 图像特征以获得高分辨率表示，利用多头相关模块更准确地识别特征之间的相关性，并使用 Transformer 架构从相关信息中估计精确的校准参数。该方法在 KITTI 数据集上实现了 0.8751cm 的平均平移误差和 0.0562° 的平均旋转误差，超过了现有最先进方法，展示了强大的鲁棒性、准确性和泛化能力。

Nov, 2023

本文提出了一种名为 CaLiCa 的深度自校正网络，并针对针孔相机和 Lidar 自动进行校准。利用 KITTI 数据集的实验结果表明，通过单次推论可以实现 0.154 度和 0.059 米的精度，重投影误差为 0.028 像素。

Apr, 2023

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

使用基于神经网络的图像重建，提出通用的事件相机标定框架，实现内在和外在标定，从而可以进行基于时间和基于帧的传感器之间的内外标定，并证明该方法在不同畸变模型和畸变参数下都非常准确。

May, 2021