Kameran kalibrointi

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 15. maaliskuuta 2013 tarkistetusta versiosta . tarkastukset vaativat 13 muokkausta .

Kameran kalibrointi on tehtävä, jolla saadaan kameran sisäiset ja ulkoiset parametrit käytettävissä olevista sen ottamista kuvista tai videoista. Kameran kalibrointia käytetään usein monien tietokonenäön ja erityisesti lisätyn todellisuuden
ongelmien ratkaisemisen alkuvaiheessa . Lisäksi kameran kalibrointi auttaa korjaamaan vääristymiä valokuvissa ja videoissa [1] .

Kameramallin parametrit

Pääsääntöisesti muodon sarakevektoria käytetään esittämään tason pisteen 2D-koordinaatteja ja määrittämään 3D-pisteen sijainti maailmankoordinaateissa . On huomattava, että nämä lausekkeet on kirjoitettu homogeenisten koordinaattien laajennetulla merkinnällä , joka on yleisin robotiikassa ja jäykkien kappaleiden muunnosongelmissa. Erityisesti camera obscura -mallissa kameramatriisia käytetään projisoimaan kolmiulotteisen avaruuden pisteitä kuvatasolle: ${\displaystyle [u\,v\,1]^{\top ))$ ${\displaystyle [x_{w}\,y_{w}\,z_{w}\,1]^{\top ))$

z_{c}{\begin{bmatrix}u\\v\\1\end{bmatrix}}=A{\begin{bmatrix}R&T\end{bmatrix}}{\begin{bmatrix}x_{w }\\y_{w}\\z_{w}\\1\end{bmatrix}}

jossa Zc on mielivaltainen skaalaustekijä

Sisäiset kalibrointiasetukset

A={\begin{bmatrix}\alpha _{x}&\gamma &u_{0}\\0&\alpha _{y}&v_{0}\\0&0&1\end{bmatrix))

Sisäinen kalibrointimatriisi A sisältää 5 merkittävää parametria. Nämä parametrit vastaavat polttoväliä , pikselien kaltevuuskulmaa ja pääpistettä (kuvatason leikkauspiste optisen akselin kanssa, joka on yhtäpitävä valokuvan keskustan kanssa. Oikeissa kameroissa se yleensä on hieman siirtynyt optisten vääristymien vuoksi). Erityisesti ja vastaavat pikselin leveydellä ja korkeudella mitattua polttoväliä ja vastaavat pääpisteen koordinaatteja ja , missä on pikselin kallistuskulma [2] . Myös epälineaariset sisäiset kalibrointiparametrit, kuten vääristymäkertoimet, ovat tärkeitä, vaikka niitä ei voida sisällyttää sisäisen kalibrointimatriisin kuvaamaan lineaariseen malliin. Useimmat nykyaikaiset kameran kalibrointialgoritmit määrittävät ne yhdessä mallin lineaarisen osan parametrien kanssa. Sisäiset kalibrointiparametrit ovat kamerakohtaisia, eivät kohtauskohtaisia, joten ne muuttuvat vain, kun vastaavia kameran asetuksia muutetaan. $\alpha _{x}$ ${\displaystyle \alpha _{y))$ ${\displaystyle u_{0))$ ${\displaystyle v_{0))$ $\gamma ={\alpha _{y}}*\tan \varphi$ $\varphi$

Ulkoiset kalibrointivaihtoehdot

${\textbf {R}},T$ (jossa on 1 × 3 vektori tai 3 × 3 rotaatiomatriisi, on 3 × 1 translaatiovektori) ovat ulkoisia kalibrointiparametreja , jotka määrittävät koordinaattimuunnoksen , joka siirtää kohtauspisteiden koordinaatit maailman koordinaattijärjestelmästä koordinaattijärjestelmään. liittyy kameraan [2] . Tai edellisen määritelmän mukaisesti ulkoiset kalibrointiparametrit asettavat kameran sijainnin maailmankoordinaatistossa. Ulkoiset kalibrointiparametrit liittyvät suoraan kuvattavaan kohtaukseen, joten (toisin kuin sisäiset kalibrointiparametrit) jokaisella valokuvalla on omat parametrit. ${\textbf {R}}$ ${\textbf {T}}$

Kameran malli

Kameraa käytettäessä kuvattavan kohtauksen valo tarkennetaan ja tallennetaan. Tämä prosessi vähentää kameran vastaanottamien tietojen mittojen määrää kolmesta kahteen (3D-kohtauksen valo muunnetaan 2D-kuvaksi). Siksi jokainen tuloksena olevan kuvan pikseli vastaa valonsädettä alkuperäisessä kohtauksessa. Kameran kalibroinnin aikana etsitään vastaavuutta kohtauksen kolmiulotteisten pisteiden ja kuvan pikselien välillä.
Ihanteellisen camera obscuran tapauksessa yksi projektiomatriisi riittää asettamaan tällaisen vastaavuuden. Monimutkaisemmissa kameroissa objektiivien aiheuttama vääristymä voi kuitenkin vaikuttaa suuresti tulokseen. Siten projektiofunktio saa monimutkaisemman muodon ja kirjoitetaan usein muunnossarjana, esimerkiksi: , jossa
$x=I\times Dist(E\times X)$

${\displaystyle X=[x_{w}\,y_{w}\,z_{w}\,1]^{\top ))$ — kohtauksen aloituspisteen koordinaatit;
${\displaystyle x=[u\,v\,1]^{\top ))$ — kuvan pikselikoordinaatit;
$E=\left[{\begin{array}{*{20}{c}}R&T\\{0_{3}^{T}}&1\\\end{array}}\right]$ on ulkoinen kalibrointimatriisi (jossa on 3 × 3 -kiertomatriisi ja 3 × 1 -siirtovektori); $R$ $T$
$Dist$ - vääristymän soveltamistoiminto;
$I={\begin{bmatrix}\alpha _{x}&\gamma &u_{0}\\0&\alpha _{y}&v_{0}\\0&0&1\end{bmatrix))$ on sisäinen kalibrointimatriisi.

Kameran kalibrointialgoritmit

Kalibrointiongelman ratkaisemiseen on useita erilaisia lähestymistapoja.

Klassinen lähestymistapa on Roger Y. Tsai -algoritmi [3] . Se koostuu kahdesta vaiheesta, joista ensimmäinen määrittää ulkoisen kalibroinnin parametrit, toinen - sisäisen kalibroinnin ja vääristymän.
"New Flexible Camera Calibration Technology" [4] , jonka Zhengyou Zhang on kehittänyt ja joka perustuu litteän shakkilaudan kalibrointiobjektin käyttöön.
Automaattinen kalibrointi - kalibrointitietojen saaminen suoraan kuvista, ja kohtaus ei vaadi erityisten kalibrointiobjektien läsnäoloa.

Yhden kameran kalibrointialgoritmi sekä stereokalibrointialgoritmi on toteutettu OpenCV-kirjastossa .

Automaattinen kalibrointi

Tämän menetelmän päävaiheet:

Etsi tärkeimmät kohdat kaikista kuvista. Tähän tarkoitukseen voidaan käyttää esimerkiksi Harris-kulmailmaisinta.
Etsitään kuvien välisiä osumia. Voit tehdä tämän esimerkiksi vertaamalla löydettyjen yksittäispisteiden SIFT-kuvaajia. Tämän seurauksena jokainen kuva sisältää joukon pikseleitä, jotka vastaavat näkymän samoja kolmiulotteisia pisteitä.
Tämän jälkeen Bundle Adjustment -algoritmilla pistevastaavuustietojen perusteella suoritetaan samanaikainen haku sekä kalibrointiparametreille että näiden erikoispisteiden 3D-koordinaateille.

Muistiinpanot

↑ Ilmainen ohjelma vääristymien poistamiseen . Haettu 24. maaliskuuta 2015. Arkistoitu alkuperäisestä 2. huhtikuuta 2015. (määrätön)
↑ 1 2 Anton Konushin. Useiden kuvien geometriset ominaisuudet // Tietokonegrafiikka ja multimedia (verkkolehti). - 2006. - Nro 4 (3) . Arkistoitu alkuperäisestä 23. heinäkuuta 2009.
↑ Roger Y. Tsai -algoritmi . Haettu 17. toukokuuta 2010. Arkistoitu alkuperäisestä 5. marraskuuta 2015. (määrätön)
↑ Z. Zhang, "Joustava uusi tekniikka kameran kalibrointiin" Arkistoitu 3. joulukuuta 2015 Wayback Machinessa , IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.22, No.11, sivut 1330–1334, 2000

Linkit

Virtuaali- ja sekoitettu todellisuus
Käsitteet	virtuaalisuus Virtuaalinen elokuvateatteri lisätty todellisuus Lisätty virtualiteetti Oikea elämä PA malli virtuaalinen jatkumo keinotekoinen todellisuus Simuloitu todellisuus Pervasive Computing virtuaali maailma Kestävä maailmantila Multimodaaliset vuorovaikutukset teleläsnäolo Upotus Metaverse
Upotustekniikat _	Kompositio Kameran kalibrointi Kosketuspuku Virtuaalitodellisuuspuku päähän kiinnitettävä näyttö Optinen head-up-näyttö virtuaalitodellisuuskypärä Heijastusnäyttö Kuviin perustuva simulointi ja renderöinti Reaaliaikainen tietokonegrafiikka Virtuaalinen verkkokalvon monitori puettava tietokone Stereoskopia tietokoneen stereonäkö konenäkö Väriavainnus visuaalinen kuori surround-televisio Monisuuntainen juoksumatto Piilotetun pinnan määritelmä Windows Mixed Reality Holografia video hologrammi
Seuranta	Liikkeentallennus Seurantajärjestelmä Tyypit Optiikka inertiaalinen Magneettinen Laitteet VR hanskat VirtuSphere Virtuix Omni Pelirata PlayStation Move Leap Motion Kinect Sixense TrueMotion Wii kaukosäädin
Upotuslaitteet _	Henkilökohtainen: EyeTap Fibrum Google Cardboard Google-lasi homido HTC Vive Intel Project Alloy Microsoft HoloLens Oculus Rift Samsung Gear VR PlayStation VR Tilallinen liivi Huoneet: AlloSphere LUOLA TreadPort Historia: Sensorama Virtuaalinen poika Famicom 3D System Damokleen miekka Sega VR virtuaalisuus
Sovellukset	kaikkialla esiintyvä peli ARToolKit OpenXR interaktiivista taidetta virtuaalinen graffiti