在本文中，我们提出了使用 MIMO Y 通道的摄像头网络工作。在此设置中，每个摄像机通过中间继电器为连接的摄像机传递信息，同时接收来自其他摄像机的辅助信息。作为证明所提出方案的有效性的示例，我们介绍了我们的相机网络在体育活动分析中的有趣应用，其中选择虚拟视图合成作为我们的案例研究。通过利用我们的相机网络，我们可以生成比传统虚拟视图合成方案更高精度的中间虚拟视图图像。

    提出了一种简单实用的高畸变镜头电视摄像机校准方法。待标定的参数为有效焦距、像平面上的一像素宽度、图像畸变中心、畸变系数。介绍了由平行直线组成的简单图案校准图作为校准参考。巧妙地利用图像畸变的点对称特性，将普通的2D模型拟合分解为跨越图像畸变中心的帧缓冲区的列和行上的两个1D模型拟合。通过精确设置校准图并利用图像畸变中心附近可忽略不计的低畸变，消除了一些带有校准图的参数。因此，需要校准的未知参数的数量大大减少，从而实现简单且有用的校准。通过实验证实了所提出的校准方法的有效性。

    我们提出了一种简单、准确且灵活的方法来校准相机的内部参数以及（可能很重要）镜头畸变。这种新方法可以在广泛的实际场景下工作：使用已知图案的多个图像、未知图案的多个图像、多个图案的单个或多个图像等。此外，这种新方法不依赖于提取任何低级特征，例如角或边缘。它可以容忍相当大的镜头畸变、噪声、误差、照明和视点变化，并且仍然获得相机参数的准确估计。新方法利用了强大的高维凸优化工具的最新突破，特别是矩阵秩最小化和稀疏信号恢复工具。我们将展示如何将相机校准问题表述为主成分追踪的重要扩展，并通过类似的技术来解决。我们准确地描述了在模糊情况下参数可以恢复到什么程度。我们通过对真实图像的大量实验验证了所提出算法的有效性和准确性。

上一篇：导航系统中监控头重要作用
下一篇：应对摄像机的一种有效算法