LiFCal: Online Light Field Camera Calibration via Bundle Adjustment

我们提出了一种新型的基于MLA的光场相机几何在线校准流程LiFCal。LiFCal可以在没有精确校准目标的情况下，集成任意度量缩放约束，从移动摄像机序列中准确确定模型参数。它通过在微图像点上直接定义的单个束调整，优化了光场相机模型的内部参数、稀疏场景点的三维坐标和摄像机姿态。我们展示了LiFCal可以可靠地和重复地使用不同的输入序列校准聚焦光学相机，提供极其接近最先进方法的内部相机参数，同时提供两个主要优点：它可以在无目标场景中应用，并在线实现完整和连续的流程。此外，我们展示了在深度估计和SLAM等下游任务中获得的相机参数的质量。网页链接：https://lifcal.github.io/。

LiFCal论文旨在解决基于微透镜阵列的光场相机校准问题，通过移动相机序列在没有精确校准目标的情况下精确确定模型参数。

LiFCal通过优化光场相机模型的内部参数、场景中稀疏点的三维坐标和相机姿态，实现了单个捆绑调整，从而实现了任意度量缩放约束的集成。

LiFCal可以在没有校准目标的情况下实现在线校准，提供与最先进方法非常接近的内部相机参数，并在深度估计和SLAM等下游任务中展示了获得的相机参数的质量。

最近的相关研究包括《A Flexible and Practical Geometric Camera Calibration Method Using a Planar Pattern》和《A Multi-Camera System Calibration Method Based on a Single Pair of Stereo Cameras》等。