ESC: Evolutionary Stitched Camera Calibration in the Wild

本文介绍了一种新颖的端到端方法，用于估计实际体育场地上多摄像头设置中相机的外部参数。我们确定了多摄像头环境中重要校准误差的来源，并解决了现有校准方法的局限性，特别是理论模型与实际体育场地特征之间的差异。我们提出了进化拼接相机校准（ESC）算法来弥合这一差距。它包括图像分割和新型损失函数的进化优化，提供了统一而准确的多摄像头校准解决方案，具有高视觉保真度。结果允许从多个视频来源创建虚拟拼接视图，对于实际应用和数值精度一样重要。我们在不同物理特征的各种实际足球场地上展示了我们的方法相对于现有技术的优越性能。

该论文旨在解决多摄像机环境下运动场地相机外参参数估计的问题，特别是现有校准方法与实际运动场地特征之间的差异问题。

该论文提出了一种名为ESC的进化缝合相机校准算法，通过图像分割和进化优化新型损失函数来提供统一且准确的多摄像机校准解决方案，从而弥合了理论模型与实际运动场地特征之间的差距。

该论文的亮点包括：使用ESC算法在多个真实足球场地上进行测试，证明其在数字精度和视觉保真度方面的卓越性能；提出了一种新型损失函数，进化优化该函数可以使得校准结果更加准确；通过虚拟缝合视图可以从多个视频源中创建虚拟缝合视图。

最近的相关研究包括：基于自动编码器的相机校准方法，基于深度学习的相机校准方法等。