smartmocap - Serbipunk/notes GitHub Wiki
- 需要经过校准的摄像头系统
这种方法要求所有摄像头在开始捕捉前完成严格的几何校准。校准的目的是确保每个摄像头的位置、朝向以及内部参数（例如焦距、畸变系数）已知且相对一致。校准后的摄像头系统能直接在一个全局的三维坐标系中工作，从而准确地还原人体动作。这种方式的特点是： • 优点： • 精度高，因为摄像头参数明确且固定。 • 数据可以无缝整合到一个统一的三维坐标系统中。 • 缺点： • 校准过程复杂且需要专门设备。 • 一旦摄像头移动或环境发生改变，需要重新校准。
- 使用参考摄像头进行相对校准
在这种方法中，不需要对所有摄像头进行全局校准，而是选择一个静止的摄像头作为参考框架，其他摄像头则通过与该参考摄像头之间的关系进行相对校准。这种方法的特点是： • 优点： • 减少了全局校准的需求，适合动态或临时搭建的摄像头系统。 • 相较于完全无校准的系统，仍能保证一定的精度。 • 缺点： • 依赖于参考摄像头的位置和性能，参考摄像头如果发生移动或变化，会影响整个系统。 • 精度可能不如完全校准的系统高。
- 白痴问题，为什么要校准
baseline 2018
ref19
https://github.com/akanazawa/hmr
End-to-end Recovery of Human Shape and Pose
ref 5
HuMoR: 3D Human Motion Model for Robust Pose Estimation
https://github.com/davrempe/humor
ref21
GLAMR: Global Occlusion-Aware Human Mesh Recovery with Dynamic Cameras