双目外参标定网络

重投影误差降97.7%

用神经网络直接从编码器角度映射外参，替代传统手眼标定，动态场景下立体校正和点云配准精度显著提升。

Kexuan, Dai · Lin, Jiawei · Wang, Kaifang · 张晓林 · 宋薇

Measurement: Journal of the International Measurement Confederation 2026

参数信息

平均重投影误差减小率（单目）

97.7 %

平均重投影误差减小率（双目）

95.7 %

技术优势

误差大幅下降

单目标定后平均重投影误差降低97.7%，双目标定后降低95.7%，显著优于理论模型和传统手眼标定。

无需精确运动学模型

网络直接从电机编码器角度映射外参，绕开了传统运动学模型因机械误差导致的精度瓶颈。

立体校正和点云配准更准

可视化结果显示，该方法在极线对齐、深度估计和三维重建上效果更优，提升了立体校正和点云配准质量。

应用场景

• 双目视觉标定：免去传统标定流程，动态运动下仍保持外参精度。
• 视觉测量：通过更准的外参提高测量精度，减少机械误差影响。
• 机器人视觉：机器人运动中外参可在线更新，无需停机标定。
• 三维重建：极线对齐和点云配准更准，提升三维重建质量。