CamOdoCal: 利用多个通用摄像头和测距仪自动进行机器的内在和外在校准
CamOdoCal 这个 C++ 库支持以下任务： 1. 通用相机的内在校准。 2. 多相机系统的外部自校准，其中提供了测距数据。 3. 多相机系统的基于基础设施的外部校准，其中提供了由任务 2 生成的地图。
内建校准过程会计算以下三种相机模型中的一种的参数: * 孔径相机模型 * 统一投影模型 (C. Mei 和 P. Rives, Single View Point Omnidirectional Camera Calibration from Planar Grids, ICRA 2007) * 等距离鱼眼模型 (J. Kannala 和 S. Brandt, A Generic Camera Model and Calibration Method for Conventional, Wide-Angle, and Fish-Eye Lenses, PAMI 2006) 默认情况下,使用统一投影模型,因为该模型可逼近从普通相机到双反相机的各种相机。请注意,在我们的等距离鱼眼模型中,我们使用 8 个参数: k2, k3, k4, k5, mu, mv, u0, v0。k1 设置为 1。
通常对于一组包含 4 个相机、每个相机 500 帧的场景，外部自校准需要 2 小时。相比之下，基于外部基础设施的校准可实时进行，如果您在同一区域校准多个机架，则强烈建议使用此方法。
Lionel Heng, Mathias Bürki, Gim Hee Lee, Paul Furgale, Roland Siegwart 和 Marc Pollefeys, "基于基础设施的多相机系统校准", IEEE 国际机器人与自动化大会 (ICRA) 2014 年会议论文集。
暂无开放 Issues，或尚未同步最近议题。