本研究提出了一种全景畸变感知分词方法，旨在提高从鱼眼图像中检测人物的准确性。通过分析人物在图像顶部的高度变化，结合图像重映射与分词，显著改善了检测效果，解决了人物旋转和小型人物的检测问题。

本文提出了一种基于环视摄像头的360度道路场景语义分割方法，采用“限制变形卷积”模型解决鱼眼图像失真问题，并通过“缩放增强”方法生成大规模环视图像数据。该方法在实际应用中表现良好，适用于不同鱼眼相机，提升了模型的精度和鲁棒性。

本研究提出了一种基于深度学习的鱼眼图像去畸变方法，利用自监督学习和多环境协作神经网络，提高了畸变参数估计和图像校正的准确性。实验结果显示，该方法在合成和真实数据集上均优于现有技术，具有良好的泛化能力。

该文汇总多项研究：用卷积神经网络从照片估算镜头调制转移函数；提出评估汽车挡风玻璃光学质量的新概念，主张与摄像系统整体评估；提出七自由度方法将平面图像转为鱼眼图像；构建基于ToF相机的神经表征模型；提出在未校正鱼眼图像上运行的多任务感知网络；用两阶段流程改善AR头显观看体验；提出街景神经辐射场模型S-NeRF；扩展鱼眼数据集；发布合成与真实鱼眼图像数据集；研究多源平移CT重建策略。