监控干扰器对镜头的嗅探功能

    在本文中，我们提出了一个新的简单程序来计算相机摄像头的焦距。该方法基于仅放大和缩小一个点。当一对不同焦距的图像上只有两个点可用时，同样的方法允许计算主点。实验结果表明，该方法与经典的全标定方法一样准确。此外，它在干扰器增强现实中的应用产生了比考虑简单针孔模型时更精确的结果。

    我们提出了一种新的方法，用于从一组3D到2D的点对应估计相机的姿态和监控焦距。与其他方法相比，我们的方法不仅比现有的闭式解更精确，而且比迭代解更快、更精确。我们的方法受到了EPnP算法的启发，EPnP算法是最近针对校准案例的O（n）解决方案。然而，我们发现，考虑焦距作为一个额外的未知因素，使得原始方法的线性化和重新线性化技术使屏蔽器不再有效，尤其是在大量噪声的情况下。

    我们提出了新的方法来绕过这个限制，称为穷举线性化和穷举再线性化，它们以封闭形式对解空间进行了监控摄像头系统的探索。该方法在真实数据和合成数据上都进行了评估，我们的结果表明，除了产生精确的焦距估计外，检索到的摄像机姿态几乎与使用EPnP计算的姿态一样精确，EPnP干扰器假设摄像机经过校准。