鱼眼相机畸变校正方法的全面综述
提出了一种使用正交发散鱼眼相机进行去畸变和深度估计的立体视觉系统方法,通过使用两个虚拟针孔相机,可以创建一个立体对,并通过模拟和实验证明了该方法在去畸变和深度估计准确性方面的有效性。
Jul, 2023
本文提出了一种采用极坐标补齐以及螺旋失真感知模块的鱼眼图像外推方法 FisheyeEX,它能够有效处理鱼眼镜头成像模型中的无效黑色区域,并且在实验中表现出了很高的性能提升。
Jun, 2022
本研究提出了一种端到端多环境协作深度神经网络,用于从单个鱼眼图像中消除畸变,采用深度学习方法自动估计畸变参数并构建合成数据集进行训练,实验表明,在合成和真实数据集上,该模型明显优于当前最先进的方法。
Apr, 2018
本文提出了一种新颖的相机校准方法,利用高斯过程去除图像的畸变,建立了一个虚拟的理想针孔相机,仅需一幅方格标定图像,简化了传统的相机校准方法并去除了畸变参数和迭代优化。
Sep, 2023
本文提出一种方法来塑造一个鱼眼特定的表示空间,以反映这种数据模态中存在的畸变和语义上下文之间的相互作用,该方法向模型提供了关于畸变和语义上下文之间相互作用的学习方法,并应用于目标检测任务中,从而在平均精度上实现了 1.1% 的性能提升,并超过了其他现有的表征学习方法 0.6% 的 性能。
Apr, 2023
使用鱼眼镜头进行头部姿态估计,提出了一种新的方法,通过图像中头部位置的知识来降低鱼眼畸变的负面影响,使用卷积神经网络从鱼眼图像直接估计头部姿态,无需校正或标定操作,实验证明与其他最先进的单阶段和双阶段方法相比,我们的网络显著提高了头部姿态估计的准确性。
Feb, 2024
本文提出了一种基于深度学习的方法来同时校准鱼眼镜头的内部参数和矫正失真的图像,并进一步针对其非线性失真分布和特定几何形状设计了一种多尺度感知的神经网络,通过新的数据集测试发现该方法相比于其他先进算法能在合成和真实数据的鱼眼图像上较好地矫正并准确估计失真参数。
Apr, 2019
通过分析标准视频压缩编解码器对宽视场鱼眼照片的影响,我们提出了一种径向失真感知的区域指标来评估鱼眼照片中的伪影表现,并提出了一种估计最新 VVC 编解码器仿射模式参数的新方法,同时提出了改进视频编解码器在鱼眼图像应用中的一些建议。
Mar, 2024