Resumen

Con el fin de que el usuario general realice tareas de visión de forma más flexible y sencilla, este artículo propone una nueva solución para el problema de calibración de cámaras a partir de correspondencias entre líneas modelo y sus líneas de imagen ruidosas en múltiples imágenes. En el método propuesto se utilizan como objetos de calibración los elementos planos comunes que se tienen a mano con el tamaño y la estructura estándar. El método propuesto consiste en una solución de forma cerrada basada en la optimización homográfica, seguida de un refinamiento no lineal basado en el enfoque de máxima verosimilitud. Para recuperar automáticamente los parámetros de la cámara de forma lineal, presentamos un método robusto de optimización de la homografía basado en el modelo de bordes rediseñando el enfoque clásico de seguimiento 3D. En el procedimiento de refinamiento no lineal, la incertidumbre del segmento de línea de la imagen se codifica en el modelo de error, teniendo en cuenta la naturaleza finita de las observaciones. Al desarrollar el nuevo modelo de error entre la línea modelo y el segmento de línea de imagen, el problema de la calibración de la cámara se expresa en la formulación probabilística. Se utilizan datos de simulación para comparar este método con el método basado en patrones planares ampliamente utilizado. También se utilizan secuencias de imágenes reales para demostrar la eficacia y flexibilidad del método propuesto.

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:método, segmento de línea de imagen, calibración de cámara, enfoque clásico de seguimiento 3d, método robusto de optimización de homografía, secuencias de imágenes reales, elementos planares comunes, enfoque de máxima verosimilitud, nuevo modelo de error, líneas de imagen ruidosas
• Keywords:method, image line segment, camera calibration, classic 3d tracking approach, robust homography optimization method, actual image sequences, common planar items, maximum likelihood approach, new error model, noisy image lines