本研究提供了两种新方法来估计相机和全局姿态传感器之间的准确可靠的时空校准参数。第一种是高精度和一致性的离线基于目标的方法，通过同时优化时空参数、摄像机内参和轨迹。第二种是无需标定目标的在线方法，实现了估计时空参数的时变性，并进行了详细的可观测性分析，从而为校准提供了可解释的指导原则。最后，通过手持实际数据集的评估，验证了两种方法的准确性和一致性，这些数据集在传统手眼校准方法中无法工作。

Mar, 2024

本论文提出了一种基于多个校准相机视角的、面向实时应用的多人三维姿态估计解决方案，利用视频中的时间一致性直接在三维空间中匹配二维输入与三维姿态，通过跨视图多人跟踪迭代地更新姿态，从而提高了准确性和效率，并介绍了新的大规模多人数据集。

Mar, 2020

本文介绍了一种多人 3D 姿态估计的快速、鲁棒方法，使用多方式匹配算法来解决在噪声和不完整的 2D 姿态预测中查找跨视角对应关系的主要挑战，并结合几何和外观提示进行跨视角匹配。

Jan, 2019

本文介绍了一种基于多视图校准的多人 3D 姿势估计和跟踪方法，利用时序一致性来匹配先前构建的每个视图中的用 2D 姿势估计生成的 3D 骨架，同时提出两种策略，以实现更好的对应关系和 3D 重构。该方法在两个基准上实现了竞争性成果，并在 Campus 测试中取得了良好的结果。

Jun, 2021

通过将跨视图人物匹配视为一个聚类问题，利用人物匹配获得对应关系，通过多视图三角测量和束调整估计三维人体姿势，本方法在无需相机位置和三维训练数据的情况下，优于其他方法对跨视角人物匹配，在三维人体姿势估计方面达到了目前技术水平，并在不同环境设置的五个数据集上展现了良好的泛化能力。

Dec, 2023

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

使用 2D 关节点和人体约束估计虚拟相机与实相机之间的外参数，通过修改的八点法、人体约束和 RANSAC 算法，能够在没有重叠视图的情况下精确地估计。在合成和真实数据集上评估，结果优于现有方法，合成数据集的旋转误差为 0.62°/1.82°，平移误差为 37.33/69.51mm。

Nov, 2023

通过多重摄像头提供多视角视频覆盖人体，并使用三维人体重构方法，其中包括对多视角数据进行融合以及相机校准，可灵活支持任意数量的摄像头，并在两个公共数据集上表现出卓越性能，为相关应用带来重要潜力。

Mar, 2024

利用稀疏的未校准深度相机提供的 RGBD 视频流，我们提出了一种简单的多视角深度人体姿态估计 (MVD-HPE) 管线，用于联合预测相机姿态和 3D 人体姿态，无需训练深度 3D 人体姿态回归模型。

Jan, 2024

提出了一种相机标定方法，通过后方投影模型先校准参数，然后回归到前方投影模型中，最终在绝对姿态估计任务上得出最准确的标定参数。

Sep, 2021