カメラの自動キャリブレーションとは、構造化されていないシーンの複数の未キャリブレーション画像から、カメラの内部パラメータを直接決定するプロセスです。従来のカメラキャリブレーションとは異なり、自動キャリブレーションではシーン内に特別なキャリブレーションオブジェクトは必要ありません。視覚効果業界では、カメラの自動キャリブレーションは「マッチムーブ」プロセスの一部として用いられることが多く、合成カメラ軌道と内部投影モデルを解くことで、合成コンテンツをビデオに再投影します。
カメラの自動キャリブレーションは、センサーの自己構造発見の一形態です。センサーの主観的な影響を環境の客観的な影響から分離することで、測定装置によって加えられたバイアスなしに知覚された世界を再構築します。これは、画像が非線形光学歪みを持つ線形5自由度(最も単純な場合)のピンホールカメラモデルを通してユークリッド空間から投影されるという基本的な仮定によって実現されます。線形ピンホールパラメータは、焦点距離、アスペクト比、スキュー、および2D主点です。キャリブレーションされていない(またはキャリブレーションされた)画像のセットだけで、シーンは最大6自由度のユークリッド変換と等方性スケーリングまで再構築できます。
一般的なマルチビューカメラの自己校正に関する数学理論は、1992 年にOlivier Faugeras、QT Luong、およびStephen J. Maybankによって初めて実証されました。3D シーンと一般的な動きでは、各ビューのペアが 5 自由度の校正に 2 つの制約を提供します。したがって、ビュー間の固定された内部パラメータで完全な校正を行うには、最低 3 つのビューが必要です。高品質の最新のイメージングセンサーと光学系は、ゼロスキュー (直交ピクセルグリッド) や 1 アスペクト比 (正方形ピクセル) など、校正に関する追加の事前制約も提供する場合があります。これらの事前制約を統合すると、必要な画像の最小数が 2 つに削減されます。構造化されたシーンのサポート情報があれば、単一の画像からセンサーを自動校正することが可能です。たとえば、複数の平行線のセットまたは既知の形状 (円形など) を持つオブジェクトが識別された場合、校正を取得できます。
カメラのセットが与えられたおよび3Dポイント射影曖昧性まで再構成された(例えば、バンドル調整法を用いて)整流ホモグラフィを定義したい。そのためこれはメトリック再構成です。その後、内部カメラパラメータカメラ行列分解を用いて容易に計算できる。