Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Calibração de câmeras e projetores
Paulo Cezar P. Carvalho Luis Antonio Rivera Escriba
2
Reconstrução tridimensional
Princípio: estereoscopia (visão binocular) Necessário conhecer a relação entre pontos da imagem e os pontos correspondentes do espaço.
3
Modelagem e calibração de câmeras
Qual é a forma da função que associa a cada ponto do espaço sua posição na imagem? De que parâmetros depende? Calibração Para uma câmera específica, quais são os valores destes parâmetros?
4
Modelos de câmera
5
Modelos de câmera Câmera pin-hole equivalente
Deformação radial causada pelas lentes (modelo empírico)
6
Câmera pin-hole Projeção perspectiva
Que técnicas matemáticas são apropriadas para lidar com projeções perspectivas?
7
Geometria Projetiva Espaço projetivo RPn Retas pela origem em Rn+1
Coordenadas homogêneas (x, y) [x, y, 1] [lx, ly, l] [u, v, w] = {l(u, v, w) | l ≠ 0} ponto (u/w, v/w) [u’, v’, 0] = {l(u’, v’, 0) | l ≠ 0} vetor (u’, v’) R2 1
8
Colineações e transformações projetivas
Transformações lineares em Rn+1 Colineações em RPn Transformações projetivas em Rn R2 1 A B C A’ B’ C’ A’’ B’’ C’’
9
Projeção Perspectiva
10
Transformação de câmera
Quatro sistemas de coordenadas do mundo (SCM) da câmera (SCC) da imagem (SCI) em pixels (SCP) Três transformações SCC SCI SCM SCP
11
SCM SCC Mudança de referencial SCC SCI SCM SCP
12
SCC SCI Projeção perspectiva SCC SCI SCM SCP
13
SCI SCP Transformação afim SCC SCI SCM SCP
14
Compondo as transformações
parâmetros extrínsecos parâmetros intrínsecos
15
Calibração de câmera Problema: obter os parâmetros extrínsecos (R, T) e intrínsecos (K) da transformação projetiva de câmera. Dados: n pares de pontos correspondentes (Pi, pi) na cena e na imagem.
16
Calibração de câmeras Calibração estimação de parâmetros otimização pontos da cena projeção (função não linear) pontos da imagem
17
Resolvendo o problema de otimização
Otimização não-linear Obtenção de uma boa solução inicial Utilização de um método iterativo para melhorar a solução obtida
18
Resolvendo o problema de otimização
Otimização não-linear Obtenção de uma boa solução inicial método de Tsai método de Zhang Utilização de um método iterativo para melhorar a solução obtida método de Levenberg-Marquardt
19
Resolvendo o problema de otimização
Otimização não-linear Obtenção de uma boa solução inicial método de Tsai método de Zhang Utilização de um método iterativo para melhorar a solução obtida método de Levenberg-Marquardt
20
Método de Tsai Padrão de calibração bidimensional (também há uma versão para padrão tridimensional). Modelo mais restrito de câmera (ponto principal conhecido e pixels quadrados). Resolve uma sequência de problemas de mínimos quadrados lineares
21
Método de Tsai Parâmetros Dados
Pi = (Xi, Yi, 0), pi = (ui, vi, 0), i = 1, 2, ..., n
22
Método de Tsai Cada par cena-imagem fornece uma equação envolvendo U1=rxx/Ty, U2=rxy/Ty, U3=Tx/Ty. U4=ryx/Ty, U5=ryy/Ty
23
Método de Tsai Os valores de U1, ..., U5 são encontrados resolvendo um sistema de equações lineares com mais equações do que incógnitas (mínimos quadrados). As condições de ortonormalidade permitem, a partir daí, obter R, Tx e Ty. (ficam faltando f e Tz)
24
Método de Tsai Os valores de f e Tz são encontrados por meio de outro problema de mínimos quadrados.
25
Exemplo
26
Exemplo Posição da câmera: RtT (49 m, 29 m, 18 m) Z Y X
cena: (0, 13.84, 0) imagem: (15, 254) Z Y X Posição da câmera: RtT (49 m, 29 m, 18 m)
27
Possíveis arquiteturas
Somente câmeras (calibradas) Câmera e projetor (ambos calibrados) Câmeras (calibradas) e projetor (não calibrado)
28
Calibração conjunta de câmeras
Padrão de calibração estacionário Parâmetros extrínsecos com relação a este sistema
29
Calibração câmera-projetor
Projetor não pode ser calibrado diretamente através de padrão de calibração!
30
Calibração câmera-projetor
Câmera calibrada normalmente (com padrão de calibração) Projetor calibrado através da câmera: projeção de padrão conhecido sobre o plano do padrão de calibração
31
Calibração câmera-projetor
Câmera já calibrada, com parâmetros K, R, t Para cada ponto, correspondência entre ponto (u, v) da imagem projetada (em pixels) ponto do plano z = 0 do mundo, obtido resolvendo onde (u’, v’) são as coordenadas na imagem capturada
32
Exemplo CAMERA PROJETOR fc: 539.464252 fp: 1682.618801 Rc: Rp:
Tc: PROJETOR fp: Rp: Tp: CAMERA PROJETOR Rcp: Tcp:
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.