基于PnP的增量式多相机外参标定方法：结合加权AprilTag检测与多视图三角测量 莉莉娅·A·德米多娃（Liliya A. Demidova）与 弗拉基米尔·E·茹拉夫列夫（Vladimir E. Zhuravlev）

《Algorithms》：Incremental Multi-Camera Extrinsic Calibration Method Based on PnP Integrating Weighted AprilTag Detections and Multi-View Triangulation Liliya A. Demidova and Vladimir E. Zhuravlev

　　

摘要

精确的多摄像机系统外部标定是三维计算机视觉中的核心问题，因为传感器之间相对位置的误差会直接导致几何畸变，从而严重降低下游应用的质量。本文提出了一种基于Marching Points（PnP）问题的增量式外部摄像机参数初始化方法，该方法改进了传统的迭代配准算法。与基于硬件的标定框架不同，所提出的方法使用单独放置的标记进行标定，无需预先知道这些标记之间的相对位置，因此无需专门的标定会话即可重新进行标定。通过引入基于AprilTags的启发式权重机制来提高基准标记检测的准确性，并在场景扩展的每个阶段应用多视图三角测量算法来动态细化标记的空间坐标，从而实现了准确性的提升。理论分析表明，尽管初始化阶段的计算成本较高，但这些机制的引入并没有增加整个标定周期（包括全局优化阶段）的总体渐进计算复杂度。通过对已知真实相机参数的合成数据集和真实世界捕获数据进行实验验证，并评估几何误差及其与基准方法的差异，结果表明：在合成数据上，所提算法在超过80%的情况下实现了统计学上的显著改进；而在真实数据上，其在重投影误差方面的准确率平均提高了85%。