Beyond Reprojection Error: Camera Calibration with 3D Targets
本文提出了一种用于三维重建的新型相机标定框架，该框架利用三维目标、基于射线的度量以及广义畸变模型，以克服传统二维平面方法和重投影误差的局限性，并通过使用一种专门的正二十面体标定目标，证明了其显著提高的精度与稳定性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图仅凭一堆二维照片来构建一个完美的3D世界模型。这听起来像是魔法，但对于计算机来说，这是一个棘手的谜题。为了解决这个问题，计算机需要准确知道你的摄像机是如何“观察”世界的。摄像机并不完美；它们的镜头会弯曲光线，使直线看起来变弯，并改变物体看起来的远近。这个教导计算机掌握其特定“怪癖”的过程被称为标定（calibration）。把它想象成调音：如果琴弦没调准，音乐听起来就会不对。同样，如果摄像机没有经过标定，它构建的3D模型将会发生扭曲且不准确。
几十年来，标定这些摄像机的标准方法是拍摄二维平面图案，比如棋盘格或圆圈网格。计算机通过观察平面图案在照片中呈现的样子，来计算镜头的误差。但问题在于：平面图案只能向摄像机展示它所看到的世界的其中一个“切片”。这就像试图通过观察一座山的单一影子来理解整座山一样。你可能得到了正确的高度，但却忽略了深度和曲线。这篇论文提出了一个简单的问题：如果我们使用一个3D物体来进行标定呢？这是否能帮助计算机构建出更好、更准确的3D世界？
这项研究背后的研究人员决定不再仅仅依赖旧有的“平面图案”方法以及传统的衡量成功的方式。通常，科学家们通过检查计算机对照片中点位置的猜测与该点实际出现位置之间的差距，来检查摄像机是否标定成功。他们称之为重投影误差（reprojection error）。这就像是在检查飞镖是否击中了平面靶心。但作者认为，对于构建3D模型而言，击中照片上的靶心并不保证你已经正确构建了那座3D山脉。你可能完美地击中了照片，但在深度上却出了错。
为了解决这个问题，团队发明了一种新的衡量成功的方法。他们不再仅仅观察照片，而是观察从物体向摄像机传播的“光线”。他们创建了两个新的测试指标：相交误差（intersection error）和重建误差（reconstruction error）。想象一下从摄像机向场景后方发射激光束。如果摄像机标定正确，那么这束激光应该正好击中现实物体中光线发出的那个点。 “相交误差”衡量的是激光束偏离真实物体有多远。“重建误差”则更加严格：它尝试仅利用来自不同角度的这些激光束来重建物体的形状，并观察重建出的形状与真相有多接近。
为了测试这些想法，他们构建了一个全新的标定靶标。他们没有使用平面的板子，而是设计了一个二十面体（icosahedron）（一种由三角形组成的类似蹦蹦球的形状）。这个3D形状的每个面上都印有环形图案网格。他们还开发了一个特殊的计算机程序，即使在形状处于奇怪的角度时，也能自动找到这些圆环。他们使用计算机模拟（其中已知完美答案）和使用一台大型高分辨率相机拍摄的真实照片，将这个3D形状与旧有的平面板进行了对比。
结果既有惊喜也有证实。在一切都完美的计算机模拟中，3D二十面体在稳定性方面表现出色。当使用新的“相交误差”指标时，3D形状比平面板的准确度高出约40%。它还提供了更一致的结果，这意味着即使在使用较少照片的情况下，标定也不会产生剧烈波动。作者发现，旧有的“重投影误差”指标实际上具有误导性；它让平面板看起来稍微好一些，但这只是一种错觉。实际上，3D形状在理解3D世界方面做得更好。
然而，当他们转向现实世界时，情况变得复杂了一些。平面板在准确度竞赛中仍然胜出，产生了最小的误差。3D二十面体的误差较高，但作者怀疑这并不是因为3D理念本身不好，而是因为他们3D打印的物理物体不够完美。3D打印过程中微小的缺陷干扰了测量。最好的3D打印版本在原始误差数值上仍比最好的平面板低两到四倍（注：此处原文为less accurate，意为误差更大/准确度更低）。
论文总结道，虽然平面板目前仍是原始精度方面的王者，但3D二十面体提供了一种独特的超能力：灵活性。你可以从任何角度拍摄它，这在无法轻易移动摄像机的复杂设置中非常有用。作者建议，如果我们能以更高的精度打印这些3D形状，它们就能成为新的标准。目前来看，他们已经证明了通过观察“射线”而非仅仅是“像素”来观察世界，能让我们更真实地了解摄像机的标定水平；而且有时，为了看到3D的世界，你需要用一个3D物体来进行标定。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。