covid
Buscar en
Revista Iberoamericana de Automática e Informática Industrial RIAI
Toda la web
Inicio Revista Iberoamericana de Automática e Informática Industrial RIAI Detección Automática de un Patrón para la Calibración de Cámaras
Información de la revista
Vol. 7. Núm. 4.
Páginas 83-94 (octubre 2010)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Vol. 7. Núm. 4.
Páginas 83-94 (octubre 2010)
Open Access
Detección Automática de un Patrón para la Calibración de Cámaras
Visitas
4155
Arturo de la Escalera
,
Autor para correspondencia
escalera@ing.uc3m.es

Corrrespondence author.
, Jose María Armingol
, Jose Luis Pech**, José Julián Gómez**
* Grupo de Sistemas Inteligentes, Universidad Carlos III de Madrid, Avda de la Universidad 30, 28911, Leganés, Madrid, España
** Solex Vision Artificial S.L. Avda. de la Astronomía 43, 28830 San Fernando de Henares, Madrid, España
Este artículo ha recibido

Under a Creative Commons license
Información del artículo
Resumen
Bibliografía
Descargar PDF
Estadísticas
Resumen

Cada vez se requieren más aplicaciones en las que es necesaria la calibración de una cámara para poder realizar mediciones sobre las imágenes. En la actualidad se dispone de una serie de algoritmos capaces de obtener estos valores de forma semi-automática, por lo que se están investigando métodos para calcularlos de la manera más automática posible ahorrando un gran tiempo a los usuarios. El método que se propone en este artículo utiliza un patrón similar a un tablero de ajedrez, que es encontrado en cada imagen de forma automática sin información previa del número de filas y columnas. Los conjuntos de líneas que forman el patrón son encontrados mediante un análisis conjunto de la transformada de Hough, esquinas e invariantes a la transformación de la perspectiva. Se muestran varios ejemplos y su comparación con otros métodos más tradicionales.

Palabras clave:
Análisis de Errores
Calibración de cámaras
Distorsión de Imágenes
Reconocimiento de Patrones
Visión por Computador
El Texto completo está disponible en PDF
Referencias
[Ahn et al., 2001]
Ahn S. J. Rauh W. Kim S. I. (2001). Circular coded target for automation of optical 3D-measurement and camera calibration. In: International Journal of Pattern Recognition and Artificial Intelligence, 15 (6), pp. 905–919.
[Bouguet, Inpress]
Bouguet J.Y. Camera calibration toolbox for Matlab. www.vision.caltech/bouguetj/calib_doc
[Bradski and Kaehler, 2008]
G. Bradski, A. Kaehler.
Learning OpenCV: Computer Vision with the OpenCV Library.
O’Reilly, (2008),
[Douskos et al., 2007]
Douskos V. Kalisperakis I. Karras G. (2007). Automatic calibration of digital cameras using planar chess-board patterns. In: Optical 3-D Measurement Techniques VIII, 1, pp. 132–140.
[Douskos et al., 2008]
Douskos V. Kalisperakis I. Karras G. Petsa E. (2008). Fully automatic camera calibration using regular planar patterns. In: International Archives of Photogrammetric, Remote Sensing and the Spatial Information Sciences, 37 (5), pp. 21–26.
[Fiala et al., 2008]
M. Fiala, Ch. Shu.
Self-identifying patterns for planebased camera calibration.
Machine Vision and Applications 19, pp. 209-216
[Forbes et al., 2002]
K. Forbes, A. Voight, N. Bodika.
An inexpensive automatic and accurate camera calibration method.
Proceedings of the Thirteenth Annual South African Workshop on Pattern Recognition,
[Grammatikopoulos et al., 2006]
L. Grammatikopoulos, G. Karras, E. Petsa, I. Kalisperakis.
A unified approach for automatic camera calibration from vanishing points.
International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences,
[Harris and Stephens, 1988]
C. Harris, M.J. Stephens.
A combined corner and edge detector.
Alvey Vision Conference, pp. 147-152
[Matas et al., 1997]
J. Matas, L.M. Soh, J. Kittler.
Object recognition using a tag.
Int Conf on Image Processing, pp. 877-880
[Ronda et al., 2008]
Ronda J. I. Valdés A. Gallego G. (2008). Line geometry and camera autocalibration. In: Journal of Mathematical Imaging and Vision, 32 (2), pp. 193–214.
[Shu et al., 2003]
Shu C. Brunton A. and Fiala M. (2003). Automatic grid finding in calibration patterns using Delaunay triangulation. In: Technical Report NRC-46497/ERB-1104. National Research Council, Institute for Information Technology.
[Trucco and Verri, 1998]
E. Trucco, A. Verri.
Introductory techniques for 3-D Computer Vision.
Prentice Hall, (1998),
[Tsai, 1987]
Tsai R.Y. (1987). A versatile camera calibration technique for high-accuracy 3D machine vision metrology using off-theshelf TV cameras and lenses. In: Journal of Robotics and Automation, 3, pp. 323–344.
[VISION]
VISIÓN: Comunicaciones de Vídeo de Nueva Generación www.cenit-vision.org/index.php.
[Wang et al., 2007]
Wang Z. Wu W. Xu X. Xue D. (2007). Recognition and location of the internal corners of planar checkerboard calibration pattern image. In: Applied mathematics and Computation, 185 (2), pp: 894–906.
[Yu and Peng, 2006]
Yu C. and Peng Q. (2006). Robust recognition of checkerboard pattern for camera calibration. In: Optical Engineering, 45 (9), 093201.
[Zhang, 2000]
Zhang Z. (2000). A fexible new technique for camera calibration. In: IEEE Transactions on Pattern Analysis and Machine Intelligence, 22 (11), pp. 1330–1334.
[Zhang, 2004]
Zhang Z. (2004) Camera Calibration With One-Dimensional Objects. In: IEEE Transactions on Pattern Analysis and Machine Intelligence, 26 (7), pp. 892–899.
[Zhaoxue and Pengfei, 2004]
Zhaoxue C. and Pengfei S. (2004). Efficient method for camera calibration in traffic scenes. In: Electronics Letters, 40, pp: 368–369.
Copyright © 2010. Elsevier España, S.L.. Todos los derechos reservados
Descargar PDF
Opciones de artículo