本文在 CARLA Simulator 中通过实现 fisheye surround-view 几何投影将 SynWoodScape 数据集扩展，为多项自动驾驶任务提供 80k 图像标注，以解决标准算法无法解决高径向畸变问题的局限性。

Mar, 2022

该研究发布了首个大规模的鱼眼汽车数据集 WoodScape，其中包括四个全景相机和九个任务，为超过 10,000 张图像提供了 40 种类别的语义实例注释以及其他任务的注释超过 100,000 张图像，鼓励社区采用计算机视觉模型进行鱼眼相机而不是使用朴素的矫正方法。

May, 2019

本文介绍了一种针对鱼眼摄像头的开放式 FishEye8K 基准数据集，用于道路物体检测任务，该数据集包含五个类别，涵盖了 157K 个边界框。同时，本文还评估了基于弱监督和无监督策略的最新优秀模型，以及在该数据集上的实验结果。

May, 2023

本文提供了关于汽车环视鱼眼光学的调查，重点关注光学伪像对自动驾驶和 ADAS 中的计算机视觉任务的影响。通过分析不同的模拟方法，讨论了模拟器对真实光学性能的建模能力（或缺乏）以及汽车鱼眼数据集中的光学像差和模拟鱼眼数据集的限制，突出了计算机视觉和环视光学系统中光学伪像的重要性。

Feb, 2024

鱼眼相机的畸变修正方法进行了综述，包括多项式畸变模型、全景映射、网格映射、直接方法和基于深度学习的方法。文章强调了每种方法的优点、限制和最新进展，以帮助读者根据自己的具体需求做出明智的决策。

Dec, 2023

本文提出了一种新的超限变形卷积参数学习方法，即使用超平面空间中的核形状来适应鱼眼图像，改进了现有的变形核方法。实验结果表明，该方法比先前的方法在鱼眼图像上的适应能力更强，使得 CNN 在鱼眼图像适应任务中性能更佳。

Mar, 2022

提出了一种针对车载环视系统（SVS）的校准流程，通过使用巡线检测和姿态估计相互迭代的方法，能够在真实行驶环境中稳健地估计出四个 SVS 相机的外部参数，并构建了包含 40 个视频的车载环视鱼眼数据集，可供其他研究人员用于评估性能。

Dec, 2023

本文研究了自动驾驶和监视等领域中对大视场（>180 度）需求的鱼眼相机，探索了基于自监督学习的尺度感知框架来学习从原始单目鱼眼视频中获取欧几里得距离和自运动。作者提出的算法在 KITTI 数据集上得到了与其他自监督单目方法相媲美的最新结果。

Oct, 2019

本文提出在未经校正的鱼眼图像上运行的多任务视觉感知网络来加强自动汽车系统的六个主要任务，其中包括深度估计，视觉测距，语义分割，动态分割，目标检测以及镜头污染检测，通过联合训练模型，在 KITTI 数据集上实现深度估计和姿态估计任务的最新结果。

Feb, 2021

本文提出了一种七自由度的增强方法，将平面图像转化为鱼眼图像，提供了一种通用的解决方案，以改善模型的精度和鲁棒性。该模型适用于不同的鱼眼相机，提供了特定参数设置，并在实际鱼眼图像上取得了令人满意的结果。

Jan, 2020