Dec, 2023

全景视图系统摄像机校准：基准和数据集

PDF
TL;DR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。
surround-view systemextrinsic parameterscalibration pipelinelane linefisheye dataset
发现论文，激发创造
  • SynWoodScape: 自主驾驶用的合成环视鱼眼相机数据集

    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

  • OmniDet：基于全景摄像头的自动驾驶多任务视觉感知网络

    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

  • 使用多摄像头系统的自动驾驶汽车的三维视觉感知：校准，映射，定位和障碍物检测

    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

  • 鱼眼相机和激光雷达连续在线外部标定

    所提出的算法通过使用常用的单目深度估计网络和激光雷达点云的几何距离之间的互信息作为外在校准的优化度量来不断自动更新车辆寿命周期内相机 - 激光雷达校准值，而无需校准目标、地面真实训练数据和昂贵的离线优化。

    Jun, 2023

  • 鲁棒自监督外在自校准

    自动驾驶车辆和机器人需要在各种不同的场景中高效而安全地完成任务。本研究介绍了一种基于自我监督单目深度和自我运动学习原理的外参标定新方法，其利用单目深度估计器和姿态估计器结合速度监督对外参进行估计，并联合学习附加在移动车辆上的一组重叠相机的外参标定。实验结果表明，与传统的基于视觉的姿态估计流水线相比，我们的方法能够在各种场景中稳健且高效地实现自我标定，并展示了通过联合优化改进深度估计的外参自校准的优势。

    Aug, 2023

  • 自主在线摄像头校准技术在自动驾驶和停车应用中的研究

    提出了一个深度学习框架来实时学习相机的内部和外部校准，该框架自我监督，无需标注或监督学习校准参数，并且无需物理目标或在特殊平面表面上驾驶车辆。

    Aug, 2023

  • 增强稳定视角合成

    本文介绍了一种基于多视角几何基础的方法，旨在提高自由移动相机拍摄图像的新观点综合效果。该方法利用多视角立体匹配和单目深度信息的互补特性以及基于多重旋转平均图优化来联合优化场景深度和相机位姿，并综合聚合整个场景的特征以提高视景综合效果。本文丰富的评估表明，该方法较之现有技术提高了相当多的综合效果。

    Mar, 2023

  • 高精度在线无标志立体外参校准

    本文提出了一种实时的无标定板双目相机标定方法，该方法通过基于流形上的新型非线性优化将几何误差最小化，不需要时间特征对应性，对于动态场景的不变性和灯光变化具有鲁棒性和较快的运行速度，并通过在线实验展示了与离线基于标记的标定方法相当的精度。

    Mar, 2019

  • 实现全球范围的交通摄像头校准

    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

  • SurroundDepth：用于自监督的多摄像机深度估计的环绕视图纠缠

    本文提出了一种名为 SurroundDepth 的新型深度估计方法，运用多摄像头技术以及跨视图变换器，实现了在自动驾驶中对深度地图的精准预测，且在多视角实现机体运动一致性，取得了 DDAD 和 nuScenes 两个数据集的最佳成绩。

    Apr, 2022