本文提出了一种仅使用两个仿射对应来估计两个半标定相机之间的公共焦距和基本矩阵的最小解法。其利用局部仿射变换导出的线性约束扩展了点对应技术，并通过隐变量技术高效地求解多元多项式系统。同时，为了选择出最优解，引入了新颖的条件和根选择技术，在高噪声情况下表现优异。该算法在合成数据和 104 对公开的实际图像上得到验证，论文中还包括了 MATLAB 实现。

Jun, 2017

使用 SIFT 检测器获取的五个旋转不变特征对，估计两视图中的基础矩阵，首先从三个对应点估计一个单应性矩阵，然后从该矩阵和另外两个位置一般的点对中获取基本矩阵，结合 Graph-Cut RANSAC 等鲁棒估计器优于其他最先进的算法，在准确性和所需迭代次数方面得到验证。作为潜在应用，我们展示了使用所提出的方法使得两视图多运动估计更加准确。

Mar, 2018

本文提出一种基于神经网络的端到端方法，通过引入新的模块和层保留基本矩阵的数学属性，无需依赖于点对应关系来估计基本矩阵，在 KITTI 数据集上取得了与传统方法相媲美的性能。

Oct, 2018

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

通过深入分析相机校准过程，检测和加强其弱点，提出了一种使用距离相关焦距的针孔相机模型，以显著改善校准过程。

Feb, 2024

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

本研究比较了不同误差判定准则的准确度和效率，发现流行的对称极线距离存在偏差，提出了一种新的最有效的 Kanatani 距离准则，并使用随机算法为基于再投影误差的对应生成提供了一种评估方法。

Jun, 2017

本文提出了 FocalPose 方法，采用神经网络进行渲染和比较，共同估计单个 RGB 图像中已知对象的相机 - 对象 6D 姿态和相机焦距。通过推导一个焦距更新规则，将现有的 6D 姿态估计器扩展到联合估计任务，研究了几种不同的损失函数，认为将直接焦距回归和重投影损失相结合可以获得更好的结果。在三个具有挑战性的基准数据集上展示了结果，证明了我们的焦距和 6D 姿态估计比现有的最先进方法误差更小。

Apr, 2022

本文利用基础矩阵的秩等性构造了一个对称的秩 3 矩阵，矩阵内的元素与对应的相机矩阵相关。通过优化 L1-Cost 函数使用迭代加权最小二乘法和交替方向乘数法可以更好地估计基础矩阵，特别是在图片数量不够多的多视图设置下可以提高相机位置的恢复精度。

Feb, 2017

我们提出了一种联合 3D 姿态和焦距估计方法，采用深度学习技术和几何算法，通过将焦距明确地估计和整合到 3D 姿态估计中来实现对野外物体类别的姿态和焦距估计，并在 Pix3D、Comp 和 Stanford 三个具有不同物体类别的具有挑战性的真实世界数据集上进行了详细的评估，结果在多个指标上明显优于现有方法。

Aug, 2019