魚眼カメラを計測に用いるには厳密な内部パラメータを必要とする場合が多くあります．そこで簡便かつ高精度に内部パラメータを得る研究を行っています．魚眼カメラを水平面上で回転させ，3次元空間中の特徴点軌跡の形状から内部パラメータを推定する手法を提案しています．

車に搭載するセンサは交通事故の防止のため，広範囲の距離情報を計測可能であることが求められています．そこで，魚眼ステレオカメラを用いて広範囲の距離計測を行う研究を行っています．魚眼ステレオカメラで撮像した魚眼画像を歪みの少ない正距円筒画像に変換することで画像端におけるステレオマッチングを簡単化させ，広範囲の3次元計測を行う手法を提案しています．

ステレオカメラ等で計測する際，その結果に含まれる誤差は事前に行うカメラキャリブレーションの精度に依存する．そこで，本研究では既知の距離の対象物から得られた特徴点の視差を用いた補正方法を提案している．真値に対する視差の誤差を計算し，それを元にして全画素に対して視差誤差を求めた視差オフセットマップを作成する．そして，そのマップの誤差をキャンセルするように画像変換してからステレオマッチングを行うことで不十分なカメラキャリブレーションによる誤差を低減している．

近年の配管の老朽化により道路崩壊などの危険性が増している．これらの事故を防止するためには，配管内画像から精密な検査を行えるシステムを構築することが有効であると思われる．そこで，本研究では広角カメラで撮られた配管内画像から展開図を作成し，カメラの運動情報を元に展開図を繋ぎ合わせる手法を提案している．

複数枚の画像を時系列に並べた，時空間画像というものを用いて単眼の魚眼カメラから３次元環境を復元します．超広角な魚眼カメラは，広範囲の計測が可能な為，低コスト化に繋がり車などへの搭載性にも優れます．

本研究では，カメラを移動ロボットに搭載し，周囲の環境計測を行います．そして魚眼レンズの特殊な歪みを考慮して，３次元環境の復元を行っています．

ドライバーが車両の周辺を確認しやすくするためのシステムの1つに車両を真上からみたような画像(俯瞰画像)をドライバーに提示するシステムがあります． これは車両に取り付けられた複数台の魚眼カメラから得られる各画像を真上からみたような形に変換し，それらを合成することで全周囲の俯瞰画像を得ています．この際，魚眼カメラが取り付けられている位置や姿勢(外部パラメータ)を正確に把握することが必要です． そこで本研究では，形状が既知である校正マーカーを車両の周囲に配置し，画像中の校正マーカーの形状から複数台の魚眼カメラの外部パラメータを推定する手法を提案しています．