Autocalibración de la cámara

La autocalibración de la cámara es el proceso de determinar los parámetros internos de la cámara directamente a partir de múltiples imágenes sin calibrar de escenas no estructuradas. A diferencia de la calibración clásica , la autocalibración no requiere objetos de calibración especiales en la escena. En la industria de los efectos visuales, la autocalibración de la cámara suele formar parte del proceso de "Match Moving", donde se resuelve una trayectoria de cámara sintética y un modelo de proyección intrínseco para reproyectar contenido sintético en vídeo.

La autocalibración de la cámara es una forma de descubrimiento de la estructura propia del sensor ; los efectos subjetivos del sensor se separan de los efectos objetivos del entorno, lo que permite reconstruir el mundo percibido sin el sesgo aplicado por el dispositivo de medición. Esto se logra mediante la suposición fundamental de que las imágenes se proyectan desde un espacio euclidiano a través de un modelo de cámara estenopeica lineal de 5 grados de libertad (en el caso más simple) con distorsión óptica no lineal . Los parámetros lineales del estenopeico son la distancia focal, la relación de aspecto, la inclinación y el punto principal 2D. Con solo un conjunto de imágenes sin calibrar (o calibradas), se puede reconstruir una escena hasta una transformación euclidiana de seis grados de libertad y una escala isotrópica.

Una teoría matemática para la autocalibración general de cámaras multivista fue demostrada originalmente en 1992 por Olivier Faugeras , QT Luong y Stephen J. Maybank . En escenas 3D y movimientos generales, cada par de vistas proporciona dos restricciones para la calibración de 5 grados de libertad. Por lo tanto, se necesitan al menos tres vistas para una calibración completa con parámetros intrínsecos fijos entre ellas. Los sensores de imagen y la óptica modernos de alta calidad también pueden proporcionar restricciones previas adicionales para la calibración, como una inclinación cero (rejilla de píxeles ortogonales) y una relación de aspecto unitaria (píxeles cuadrados). La integración de estas restricciones previas reducirá el número mínimo de imágenes necesarias a dos. Es posible autocalibrar un sensor a partir de una sola imagen, dada la información de apoyo en una escena estructurada. Por ejemplo, la calibración puede obtenerse si se identifican varios conjuntos de líneas paralelas u objetos con una forma conocida (por ejemplo, circular).

Dado un conjunto de cámaras${\displaystyle P^{i}}$y puntos 3D${\displaystyle X_{j}}$reconstruido hasta la ambigüedad proyectiva (utilizando, por ejemplo, el método de ajuste de haces ) deseamos definir la homografía rectificadora.${\displaystyle H}$de tal manera que${\displaystyle \left\{P^{j}H,H^{-1}X_{J}\right\}}$es una reconstrucción métrica . Después de eso, parámetros internos de la cámara.${\displaystyle K_{i}}$se puede calcular fácilmente utilizando la factorización de la matriz de la cámara.${\displaystyle P_{M}^{i}\equiv P^{i}H=K_{i}\left(R_{i}|t_{i}\right)}$.

• Mociones
  • Moción general
  • Cámaras de rotación pura
  • Movimiento planar
  • Movimientos degenerados
• Geometría de la escena
  • Escenas generales con relieve de profundidad
  • Escenas planas
  • Imágenes de perspectiva débil y ortográficas
  • Valores previos de calibración para sensores reales
  • distorsión óptica no lineal

• Utilizando las ecuaciones de Kruppa. Históricamente, fueron los primeros algoritmos de autocalibración. Se basan en la correspondencia de líneas epipolares tangentes a la cónica absoluta en el plano del infinito.
• Utilizando la cuádrica dual absoluta y su proyección, la imagen dual de la cónica absoluta
• La restricción del módulo

• OD Faugeras; QT Luong; SJ Maybank (1992). "Autocalibración de cámaras: teoría y experimentos". ECCV . Lecture Notes in Computer Science. Vol.  588. pp. 321–334 . doi : 10.1007/3-540-55426-2_37 . ISBN  978-3-540-55426-4.
• QT Luong (1992). Matrice fondamentale et auto-calibration en vision par ordinateur . Tesis doctoral, Universidad de París, Orsay.

• QT Luong y Olivier D. Faugeras (1997). "Autocalibración de una cámara en movimiento a partir de correspondencias de puntos y matrices fundamentales". International Journal of Computer Vision . 22 (3): 261– 289. doi : 10.1023/A:1007982716991 .

• Olivier Faugeras y QT Luong (2001). La geometría de las imágenes múltiples . MIT Press. ISBN 0-262-06220-8.

• Richard Hartley; Andrew Zisserman (2003). Geometría de múltiples vistas en visión por computadora . Cambridge University Press. ISBN 0-521-54051-8.