LiFCal: Online Light Field Camera Calibration via Bundle Adjustment

要約

私たちは、MLA ベースのライト フィールド カメラ用の新しい幾何学的オンライン キャリブレーション パイプラインである LiFCal を提案します。
LiFCal は、正確なキャリブレーション ターゲットを使用せずに、移動するカメラ シーケンスからモデル パラメーターを正確に決定し、任意のメトリック スケーリング制約を統合します。
ライトフィールドカメラモデルの固有パラメータ、シーンポイントのまばらなセットの3D座標、およびマイクロイメージポイント上で直接定義された単一のバンドル調整でカメラポーズを最適化します。
LiFCal は、さまざまな入力シーケンスを使用して集束プレノプティック カメラを確実かつ反復的に校正でき、最先端の方法に非常に近い固有のカメラ パラメーターを提供すると同時に、次の 2 つの主な利点を提供できることを示します。
、完全かつ継続的なパイプラインでオンラインで実装されます。
さらに、深度推定や SLAM などの下流タスクで取得されたカメラ パラメーターの品質を実証します。
ウェブページ: https://lifcal.github.io/

要約(オリジナル)

We propose LiFCal, a novel geometric online calibration pipeline for MLA-based light field cameras. LiFCal accurately determines model parameters from a moving camera sequence without precise calibration targets, integrating arbitrary metric scaling constraints. It optimizes intrinsic parameters of the light field camera model, the 3D coordinates of a sparse set of scene points and camera poses in a single bundle adjustment defined directly on micro image points. We show that LiFCal can reliably and repeatably calibrate a focused plenoptic camera using different input sequences, providing intrinsic camera parameters extremely close to state-of-the-art methods, while offering two main advantages: it can be applied in a target-free scene, and it is implemented online in a complete and continuous pipeline. Furthermore, we demonstrate the quality of the obtained camera parameters in downstream tasks like depth estimation and SLAM. Webpage: https://lifcal.github.io/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google