我们提出了一种在大视场摄像机数据上训练立体深度估计模型的方法，并能够推广到具有更大视场的数据。我们通过将训练数据变换为规范的大视场表示，并进行扩充，使单个网络能够推理出各种类型的扭曲，从而展示了我们方法在室内外数据集上的强大泛化能力，而这在以前的方法中是不可能的。

Jan, 2024

本文提出了一种基于全景鱼眼相机的三维重建方法，使用球面相机模型描述了三维点与其对应图像观测之间的关系，并通过实现一个 GUI 系统，可以控制视角并获得更好的场景感知。实验表明，我们的重建结果能够很好地保留真实世界场景的结构。

Jun, 2015

本文提出了一种新颖的广基线全向立体算法，使用深度卷积神经网络从鱼眼图像计算密集深度估计，直接生成具有全 360 度覆盖的密集全向深度图，该算法的实验结果表明，在合成和实际数据集上，比传统的深度估计方法具有更高的准确性。

Feb, 2019

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

360 度摄像机的深度估计中，使用 Stereo Guided Depth Estimation (SGDE) 方法，通过利用重叠区域的多视图立体结果来提高整个图像的深度估计，解决了传统多视图立体方法和单目方法的局限性。

Feb, 2024

本文提出了一种新颖的端到端深度神经网络模型，用于从广角多视角立体成像中实现全向深度估计，并提出了大规模的合成数据集来用于算法的训练与测试。结果表明，所提出的方法在合成和实际环境中都生成了出色的结果，并优于现有技术。

Aug, 2019

本文讨论了多鱼眼相机系统的标定和处理流程，方法可用于自动泊车等应用场景。该流程可以精确标定多相机系统，构建稀疏的三维地图用于视觉导航、车辆定位，并基于实时深度图提取进行精确的物体检测。

Aug, 2017

提出一种新的神经网络架构，用于解决 360° 图像中的球面视差问题，并通过学习可移位滤波器构建代价体积以缓解失真问题，实验结果表明其对现有算法具有较好的鲁棒性和准确性。

Nov, 2019

本文提出了一种新的方法来纠正偏离的鱼眼图像，通过学习失真向量映射来独立识别每个像素点的局部失真特征，结合预训练和微调训练范式以及数据增广方法，在纠正中心和偏离的鱼眼图像方面取得了显著的性能提升。

Jun, 2024