NVIDIA 简化摄像头校准，增强 AI 多摄像头追踪

NVIDIA 公布了相机校准方面的进展，旨在提高人工智能多相机跟踪应用程序的准确性和效率。据 NVIDIA 技术博客称，这一进展是该公司持续努力简化 Metropolis 框架内流程的一部分。

相机校准

相机校准对于将 2D 相机视图转换为真实世界坐标至关重要，可实现准确的物体跟踪和定位。此过程涉及确定特定的相机参数，这些参数分为外部参数和内部参数。外部参数定义相机相对于世界坐标系的位置和方向，而内部参数将相机坐标映射到像素坐标。

多摄像机跟踪中的校准

NVIDIA Metropolis 使用经过校准的摄像头作为传感器来增强多摄像头 AI 工作流程中的时空分析。正确的摄像头校准对于在坐标系内准确定位物体、促进定位服务、跨多个摄像头的活动关联以及基于距离的度量计算等核心功能至关重要。

例如，在零售店中，经过校准的摄像头可以在楼层平面图上定位客户。在仓库中，多个经过校准的摄像头可以跟踪在不同区域移动的人，从而确保无缝监控。使用经过校准的摄像头还可以进行准确的距离计算，因为它消除了像素域不一致造成的变化。

Metropolis 相机校准工具包

NVIDIA 的 Metropolis 相机校准工具包通过提供项目组织、相机导入和参考点选择工具简化了校准过程。它支持三种校准模式：笛卡尔校准、多相机跟踪和图像。该工具包可确保准确校准相机，并生成与其他 Metropolis 服务兼容的格式化文件。

用户可以从导入带有提供资产的项目开始，也可以从头开始创建项目。校准过程包括选择在摄像机图像和平面图中都可见的参考点，创建转换矩阵以将摄像机轨迹映射到平面图上。该工具包还提供感兴趣区域 (ROI) 和绊线的附加组件，从而增强其在各种应用中的实用性。

合成相机的自动校准

NVIDIA Metropolis 还通过 NVIDIA Omniverse 平台支持合成数据。 omni.replicator.agent.camera_calibration 扩展可自动校准合成摄像机，无需手动选择参考点。此工具只需单击一下即可输出必要的映射，从而更轻松地将合成视频数据集成到 Metropolis 工作流程中。

自动校准过程包括创建俯视摄像头并通过自动选择参考点来校准其他摄像头。该扩展程序计算摄像头的内在和外在矩阵、投影矩阵以及摄像头视图与平面图之间的对应关系，并将它们导出到 JSON 文件以实现无缝集成。

结论

相机校准是增强 NVIDIA Metropolis 应用程序功能的重要步骤，可实现跨多个相机的精确对象定位和关联。这些进步为大规模实时定位服务和其他智能视频分析应用程序铺平了道路。

如需更多信息和技术支持，请访问 NVIDIA 开发者论坛。

图片来源：Shutterstock