Comparación De Técnicas De Calibración De Cámaras Digitales

Abstract

Recibido el 28 de marzo de 2005, aceptado el 25 de abril de 2005 RESUMENEste trabajo presenta una comparación de las técnicas de calibración propuestas por Tuceryan et al. [15], Trucco et al. [13] y Zhang [20], los cuales proponen maneras diferentes para determinar los parámetros a partir de puntos 3D conocidos y sus correspondientes en el plano imagen 2D. La correspondencia es extraída en forma manual, centrando la atención en la exactitud de los parámetros de cámara entregados (intrínsecos y extrínsecos). Los patrones pasivos utilizados consideran las técnicas de calibración con diferentes homografías, dependiendo de los planos existentes en el proceso. Zhang [20] propone una aproximación basada en patrones acomodados en una superficie planar 2D, donde la cámara o el patrón se desplaza sin conocer el movimiento. En cambio Tuceryan et al. [15] y Trucco et al. [13] se basan en un modelo conocido 3D y su correspondencia en el plano imagen 2D, diferenciándose en la consideración de los parámetros intrínsecos que deben ser determinados o de influencia en la matriz de cámara final. Los algoritmos fueron implementados en Matlab 6.0, de acuerdo a la interpretación de los trabajos y técnicas de optimización extraídas desde la literatura citada.Palabras clave: Visión computacional, calibración de cámara, homografía 3D-2D, matrices de proyección. ABSTRACTThis work presents a comparison of the calibration techniques proposed by Tuceryan et al. [15], Trucco et al. [13] and Zhang [20], suggesting different ways to determine the parameters, starting from known 3D points and their corresponding points in the 2D image plane. The correspondence is manually extracted, being the obtained parameter accuracies (extrinsic and intrinsic) the most important. The passive patterns used consider the calibration techniques with different homographs, depending on the existing process planes. Zhang [20] proposes an approximation based on patterns located on a 2D planar surface, where the camera or the pattern are displaced without knowledge of the motion. Tuceryan et al. [15] and Trucco et al. [13] base their procedure in a known 3D model and its correspondence on a 2D image plane, the difference being in the consideration of the intrinsic parameters that must be determined or considered in the final camera matrix. The algorithms were implemented using Matlab 6.0, according to the interpretation of the works and optimization techniques extracted from the cited literature.

Assessment of computer vision methods for motion tracking of planar mechanisms

“…17,19–21 This camera calibration process is useful to determine the intrinsic and extrinsic parameters of the cameras in order to extract metric information of the 3D world from 2D images. 17–22 Other methods do not require calibration, and they are based on nonlinear estimates. 23–25 There are computer programs to track trajectories in a wide range of applications such as tracking target points on an object in motion and tracking markers in human motion analyses.…”