NVIDIA简化相机校准以增强AI多摄像头跟踪

NVIDIA推出了相机校准方面的进展，旨在提高AI驱动的多摄像头跟踪应用的准确性和效率。据NVIDIA技术博客透露，这一进展是公司在其Metropolis框架内简化流程的持续努力的一部分。

相机校准

相机校准对于将2D相机视图翻译成现实世界坐标至关重要，从而实现准确的物体跟踪和定位。这个过程包括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。

多摄像头跟踪中的校准

NVIDIA Metropolis使用经过校准的相机作为传感器，以增强多摄像头AI工作流中的时空分析。正确的相机校准对于在坐标系中准确定位物体至关重要，从而促进位置服务、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。

例如，在零售店中，经过校准的相机可以在平面图上定位顾客。在仓库中，多个经过校准的相机可以跟踪在不同区域移动的人，确保无缝监控。精准的距离计算也可以通过校准的相机实现，因为它消除了由像素域不一致性引起的变异性。

Metropolis相机校准套件

NVIDIA的Metropolis相机校准套件通过提供项目组织、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、多摄像头跟踪和图像模式。该套件确保相机校准准确，生成与其他Metropolis服务兼容的格式文件。

用户可以通过导入提供的资产项目或从头创建项目来开始。校准过程包括选择在相机图像和平面图上都可见的参考点，创建变换矩阵以将相机轨迹映射到平面图。该工具包还提供感兴趣区域（ROI）和触发线的附加功能，增强了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扩展自动校准合成相机，消除了手动选择参考点的需求。该工具生成必要的映射，只需点击一下即可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顶视图相机，并通过自动选择参考点来校准其他相机。该扩展计算相机的内部和外部矩阵、投影矩阵以及相机视图与平面图之间的对应关系，将这些信息导出为JSON文件，便于无缝集成。

总结

相机校准是增强NVIDIA Metropolis应用功能的重要步骤，实现了跨多个相机的准确物体定位和关联。这些进展为大规模、实时位置服务和其他智能视频分析应用铺平了道路。

欲了解更多信息和技术支持，请访问NVIDIA开发者论坛。