Calibrazione

Introduzione Calibrazione diretta Metodo dell’ortocentro Calibrazione indiretta
Parte 2/3: Calibrazione

A.A. 2008-2009 - Corso di Computer Vision
Eugenio Rustico
rustico@dmi.unict.it
D.M.I. - Università di Catania
Versione: 25 marzo 2009
Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Calibrazione
Sommario
1 Introduzione
La calibrazione
Obiettivo
2 Calibrazione diretta
Considerazioni sul centro ottico
Impostiamo il sistema
Risolviamo il sistema
Verifica del segno
Ultimi calcoli
3 Metodo dell’ortocentro
Metodo
Esempio
4 Calibrazione indiretta
Idea alla base
Impostazione del sistema
Segno

Calibrazione
La calibrazione
Abbiamo visto come si forma l’immagine di una scena. Conoscendo i dati

3D della scena e i parametri di una camera sappiamo calcolare
esattamente quello che “vede” la camera.

Calibrazione
La calibrazione

In Computer Vision è comune il problema opposto: risalire dall’immagine

(o da più immagini) alle informazioni sulla scena.

Calibrazione
La calibrazione

In Computer Vision è comune il problema opposto: risalire dall’immagine

(o da più immagini) alle informazioni sulla scena.
Se conosciamo già i parametri della camera, il processo è abbastanza

semplice (v. triangolazione prossimamente); ma se non sappiamo nulla
della camera?

Calibrazione
La calibrazione
E’ possibile risalire ai parametri (estrinseci ed intrinseci) di una camera a

partire da una sola immagine, a patto che conosciamo a priori le
coordinate 3D di un certo numero n di punti che vediamo nella scena.

Calibrazione
La calibrazione
E’ possibile risalire ai parametri (estrinseci ed intrinseci) di una camera a

partire da una sola immagine, a patto che conosciamo a priori le
coordinate 3D di un certo numero n di punti che vediamo nella scena.
...qual è questo n?

Calibrazione
Obiettivo
Dati conosciuti (input):

Calibrazione
Obiettivo
n punti nel sistema di riferimento del mondo

Calibrazione
Obiettivo

I corrispondenti n punti proiettati sul piano immagine

Calibrazione
Obiettivo

Incognite (output):

Calibrazione
Obiettivo

Incognite (output):
Parametri estrinseci della camera (posizione e orientazione)

Calibrazione
Obiettivo

Incognite (output):

Parametri intrinseci della camera (mapping tra punti e pixel)

Calibrazione
Obiettivo

Incognite (output):

Parametri intrinseci della camera (mapping tra punti e pixel)
(eccetto k1 e k2 ...)

Calibrazione
Obiettivo
Vediamo due metodi di calibrazione molto simili tra loro:

Calibrazione
Obiettivo
Calibrazione diretta dei parametri

Calibrazione
Obiettivo
Calibrazione diretta dei parametri

Calibrazione indiretta

Calibrazione
Innanzitutto, una considerazione per seplificare i calcoli: è proprio

necessario tenerli tutti in considerazione?

Calibrazione

In effetti, no: come influiscono ox e oy (coordinate del centro ottico)

sulle coordinate finali dei punti?

Calibrazione


Al variare di ox e oy i punti proiettati vengono solo traslati. Da un altro

punto di vista, è come se spostassimo la camera solo lungo X e Y .
Possiamo immaginare di assorbire ox e oy in T , ponendoli a zero.

Calibrazione


Al variare di ox e oy i punti proiettati vengono solo traslati. Da un altro

punto di vista, è come se spostassimo la camera solo lungo X e Y .
Possiamo immaginare di assorbire ox e oy in T , ponendoli a zero.
Per trovare i veri valori utilizzeremo il metodo dell’ortocentro.

Calibrazione
Riprendiamo le equazioni lineari di proiezione prospettica:

Calibrazione
R1 (Pw − T )T
−(xim − ox )sx = f
R3 (Pw − T )T
R2 (Pw − T )T
−(yim − oy )sy = f
R3 (Pw − T )T

Calibrazione
R1 (Pw − T )T
R3 (Pw − T )T
R2 (Pw − T )T
R3 (Pw − T )T
Poniamo ox = oy = 0:

Calibrazione
R1 (Pw − T )T
R3 (Pw − T )T
R2 (Pw − T )T
R3 (Pw − T )T
Poniamo ox = oy = 0:
R1 (Pw − T )T
−xim sx = f
R3 (Pw − T )T
R2 (Pw − T )T
−yim sy = f
R3 (Pw − T )T

Calibrazione
R1 (Pw − T )T
−xim sx = f
R3 (Pw − T )T
R2 (Pw − T )T
−yim sy = f
R3 (Pw − T )T

Calibrazione
R1 (Pw − T )T
−xim sx = f
R3 (Pw − T )T
R2 (Pw − T )T
−yim sy = f
R3 (Pw − T )T
Sviluppiamo le parentesi:

Calibrazione
R1 (Pw − T )T
−xim sx = f
R3 (Pw − T )T
R2 (Pw − T )T
−yim sy = f
R3 (Pw − T )T
R1 PwT + Tx
−xim sx = f
R3 PwT + Tz
R2 PwT + Ty
−yim sy = f
R3 PwT + Tz

Calibrazione
R1 (Pw − T )T
−xim sx = f
R3 (Pw − T )T
R2 (Pw − T )T
−yim sy = f
R3 (Pw − T )T
R1 PwT + Tx
−xim sx = f
R3 PwT + Tz
R2 PwT + Ty
−yim sy = f
R3 PwT + Tz
Attenzione: T era un vettore diverso da (Tx , Ty , Tz ), che sono già

ruotati!

Calibrazione
R1 PwT + Tx
−xim sx = f
R3 PwT + Tz
R2 PwT + Ty
−yim sy = f
R3 PwT + Tz

Calibrazione
R1 PwT + Tx
−xim sx = f
R3 PwT + Tz
R2 PwT + Ty
−yim sy = f
R3 PwT + Tz
Chiamiamo per comodità xim e yim semplicemente x e y , e sviluppiamo la

moltiplicazione tra i vettori:

Calibrazione
R1 PwT + Tx
−xim sx = f
R3 PwT + Tz
R2 PwT + Ty
−yim sy = f
R3 PwT + Tz
Chiamiamo per comodità xim e yim semplicemente x e y , e sviluppiamo la

moltiplicazione tra i vettori:
(r11 X w + r12 Y w + r13 Z w + Tx )

−xsx = f
(r31 X w + r32 Y w + r33 Z w + Tz )
(r21 X w + r22 Y w + r23 Z w + Tx )
−ysy = f
(r31 X w + r32 Y w + r33 Z w + Tz )

Calibrazione
(r11 X w + r12 Y w + r13 Z w + Tx )

−xsx = f
(r31 X w + r32 Y w + r33 Z w + Tz )
(r21 X w + r22 Y w + r23 Z w + Tx )
−ysy = f
(r31 X w + r32 Y w + r33 Z w + Tz )

Calibrazione
(r11 X w + r12 Y w + r13 Z w + Tx )

−xsx = f
(r31 X w + r32 Y w + r33 Z w + Tz )
(r21 X w + r22 Y w + r23 Z w + Tx )
−ysy = f
(r31 X w + r32 Y w + r33 Z w + Tz )
Invertiamo il segno e portiamo i fattori di scala al secondo membro:

Calibrazione
(r11 X w + r12 Y w + r13 Z w + Tx )

−xsx = f
(r31 X w + r32 Y w + r33 Z w + Tz )
(r21 X w + r22 Y w + r23 Z w + Tx )
−ysy = f
(r31 X w + r32 Y w + r33 Z w + Tz )
Invertiamo il segno e portiamo i fattori di scala al secondo membro:
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )

Calibrazione
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )

Calibrazione
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )
Abbiamo una situazione del tipo:
x = −A/D, y = −B/D ⇒

Calibrazione
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )
x = −A/D, y = −B/D ⇒
−D = A/x, −D = B/y ⇒

Calibrazione
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )
x = −A/D, y = −B/D ⇒
−D = A/x, −D = B/y ⇒
A/x = B/y ⇒

Calibrazione
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )
x = −A/D, y = −B/D ⇒
−D = A/x, −D = B/y ⇒
A/x = B/y ⇒
yA = xB

Calibrazione
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )

Calibrazione
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )
x = −A/D, y = −B/D ⇒
yA = xB

Calibrazione
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )
x = −A/D, y = −B/D ⇒
yA = xB
f f
y (r11 X w + r12 Y w + r13 Z w + Tx ) = x (r21 X w + r22 Y w + r23 Z w + Tx )
sx sy

Calibrazione
f f
sx sy

Calibrazione
f f
sx sy
Per semplificare, definiamo fx = f /sx e fy = f /sy :

Calibrazione
f f
sx sy
yfx (r11 X w + r12 Y w + r13 Z w + Tx ) = xfy (r21 X w + r22 Y w + r23 Z w + Tx )

Calibrazione
f f
sx sy
Notare che fx ed fy rappresentano la lunghezza focale espressa in pixel.

Calibrazione

Calibrazione
s
Avevamo già definito α = syx ; inoltre:

Calibrazione
s
f
fx sx f sy sy
= f
= = =α
fy sy
sx f sx

Calibrazione
s
f
fx sx f sy sy
= f
= = =α
fy sy
sx f sx
Poiché da fx e α possiamo ricavare sx ed sy , sostituiamole nell’elenco

delle incognite: cercheremo fx e α al posto di sx ed sy .

Calibrazione
s
f
fx sx f sy sy
= f
= = =α
fy sy
sx f sx

Dunque, dividendo ambo i membri per fy :

Calibrazione
s
f
fx sx f sy sy
= f
= = =α
fy sy
sx f sx

Dunque, dividendo ambo i membri per fy :
y α(r11 X w + r12 Y w + r13 Z w + Tx ) = x(r21 X w + r22 Y w + r23 Z w + Tx )

Calibrazione

Calibrazione

Calibrazione
xr21 X w + xr22 Y w + xr23 Z w + xTx +

−y αr11 X w − y αr12 Y w − y αr13 Z w − y αTx = 0

Calibrazione
Se indichiamo ogni corrispondenza nota con (Xiw , Yiw , Ziw ) e (xi , yi ), e

scriviamo il nostro vettore di incognite
v1 = r21 v2 = r22 v3 = r23 v4 = Ty

v5 = αr11 v6 = αr12 v7 = αr13 v8 = αTx

Calibrazione

v1 = r21 v2 = r22 v3 = r23 v4 = Ty

v5 = αr11 v6 = αr12 v7 = αr13 v8 = αTx
possiamo usare una forma più compatta:
xi Xiw v1 + xi Yiw v2 + xi Ziw v3 + xi v4 − yi Xiw v5 − yi Yiw v6 − yi Ziw v7 − yi v8 = 0

Calibrazione

v1 = r21 v2 = r22 v3 = r23 v4 = Ty

v5 = αr11 v6 = αr12 v7 = αr13 v8 = αTx
possiamo usare una forma più compatta:
xi Xiw v1 + xi Yiw v2 + xi Ziw v3 + xi v4 − yi Xiw v5 − yi Yiw v6 − yi Ziw v7 − yi v8 = 0
Abbiamo otto incognite e il termine noto è nullo. Ci serve un sistema,

che sarà omogeneo. Servono almeno 7 equazioni (anche con 8
equazioni, il rango deve essere 7, non vogliamo la soluzione banale!);
segue che ci servono almeno quattro coppie di punti corrispondenti per
risolvere il sistema.
Calibrazione
Risolviamo il sitema tramite SVD; troveremo un vettore soluzione v ′ ,

ovvero il vettore soluzione a meno di un fattore di scala γ.

Calibrazione
Risolviamo il sitema tramite SVD; troveremo un vettore soluzione v ′ ,

ovvero il vettore soluzione a meno di un fattore di scala γ.
v ′ = γv = γ(r21 , r22 , r23 , Ty , αr11 , αr12 , αr13 , αTx )

Calibrazione

Calibrazione
Ricordiamo che, essendo R una matrice di rotazione, deve valere:
2 2 2
r11 + r12 + r13 = 1
2 2 2
r21 + r22 + r23 = 1

Calibrazione
2 2 2
r11 + r12 + r13 = 1
2 2 2
r21 + r22 + r23 = 1
Quindi, ricordando come abbiamo definito gli elementi di v, dev’essere:

Calibrazione
2 2 2
r11 + r12 + r13 = 1
2 2 2
r21 + r22 + r23 = 1
q q q
v 21 + v 22 + v 23 = γ 2 r21
2 + γ2r 2 + γ2r 2 =
22 23
2 + r 2 + r 2 ) = |γ|
γ 2 (r21 22 23

Calibrazione
2 2 2
r11 + r12 + r13 = 1
2 2 2
r21 + r22 + r23 = 1
q q q
v 21 + v 22 + v 23 = γ 2 r21
2 + γ2r 2 + γ2r 2 =
22 23
2 + r 2 + r 2 ) = |γ|
γ 2 (r21 22 23
Abbiamo trovato γ (a meno del segno).

Calibrazione

Calibrazione
da v5 , v6 , v7 , in modo analogo, ricaviamo α (positivo per definizione):

Calibrazione
q q
v 25 + v 26 + v 27 = γ 2 α2 (r11
2 + r 2 + r 2 ) = α|γ|
12 13

Calibrazione
q q
v 25 + v 26 + v 27 = γ 2 α2 (r11
2 + r 2 + r 2 ) = α|γ|
12 13
Conosciamo |γ| e α; è banale adesso trovare tutti gli elementi di v .

Calibrazione
Verifica del segno
Poiché R è ortonormale, il prodotto vettoriale delle prime due righe ci

darà la terza; paradossalmente, questo significa che conosciamo la terza
riga di R (incluso il segno) senza ancora conoscere il segno delle prime
due righe...

Calibrazione
Verifica del segno

due righe...
Resta da chiarire il segno di Tx , Ty e le prime due righe di R. Per farlo,

prendiamo una delle coppie di punti note e verifichiamo la discordanza
tra i membri di:

Calibrazione
Verifica del segno

due righe...

tra i membri di:
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )

Calibrazione
Verifica del segno

due righe...

tra i membri di:
f (r11 X w + r12 Y w + r13 Z w + Tx )

x= −
sx (r31 X w + r32 Y w + r33 Z w + Tz )
f (r21 X w + r22 Y w + r23 Z w + Tx )
y= −
sy (r31 X w + r32 Y w + r33 Z w + Tz )
Se la cosa non “quadra”, significa che il segno di γ era negativo; in

questo caso, invertiamo il segno.

Calibrazione
Ultimi calcoli
Siamo riusciti a determinare R, α, Tx e Ty ; rimangono da calcolare Tz

ed fx . Per farlo, utilizziamo una delle due equazioni iniziali:
(r X w + r12 Y w + r13 Z w + Tx )
x = − sfx 11 w
(r31 X + r32 Y w + r33 Z w + Tz )

Calibrazione
Ultimi calcoli

(r X w + r12 Y w + r13 Z w + Tx )
x = − sfx 11 w ⇒
(r31 X + r32 Y w + r33 Z w + Tz )

Calibrazione
Ultimi calcoli

(r X w + r12 Y w + r13 Z w + Tx )
x = − sfx 11 w ⇒
(r31 X + r32 Y w + r33 Z w + Tz )
(r11 X w + r12 Y w + r13 Z w + Tx )

x = −fx
(r31 X w + r32 Y w + r33 Z w + Tz )

Calibrazione
Ultimi calcoli

(r X w + r12 Y w + r13 Z w + Tx )
x = − sfx 11 w ⇒
(r31 X + r32 Y w + r33 Z w + Tz )
(r11 X w + r12 Y w + r13 Z w + Tx )

x = −fx ⇒
(r31 X w + r32 Y w + r33 Z w + Tz )

Calibrazione
Ultimi calcoli
x(r31 X w + r32 Y w + r33 Z w + Tz ) = −fx (r11 X w + r12 Y w + r13 Z w + Tx )

Calibrazione
Ultimi calcoli
x(r31 X w + r32 Y w + r33 Z w ) + xTz = −fx (r11 X w + r12 Y w + r13 Z w + Tx )

Calibrazione
Ultimi calcoli
x(r31 X w + r32 Y w + r33 Z w ) + xTz = −fx (r11 X w + r12 Y w + r13 Z w + Tx )
xTz − (r11 X w + r12 Y w + r13 Z w + Tx )fx = −x(r31 X w + r32 Y w + r33 Z w )

Calibrazione
Ultimi calcoli

Calibrazione
Ultimi calcoli
Al secondo membro c’è il termine noto; è facile, da un insieme di

equzioni in questa forma, ricavare un sistema lineare:

Calibrazione
Ultimi calcoli


Tz
A =b
fx
la cui soluzione ottimale (nel senso dei minimi quadrati) è data da

Calibrazione
Ultimi calcoli


Tz
A =b
fx
la cui soluzione ottimale (nel senso dei minimi quadrati) è data da
T˜z

A= = (AT A)−1 AT b
f˜x

Calibrazione
Metodo
Dove si trova il “vero” centro ottico, che avevamo posto nell’origine?

Calibrazione
Metodo
Un metodo per trovarlo è stato proposto da Caprile e Torre nel 1990: il

metodo dell’ortocentro.

Calibrazione
Metodo
Un metodo per trovarlo è stato proposto da Caprile e Torre nel 1990: il

metodo dell’ortocentro.
Esso si basa su di una proprietà geometrica (dimostrata) dei punti di fuga:

se l’immagine è a tre punti di fuga, l’asse ottico passa per l’ortocentro
(intersezione delle altezze) del triangolo formato dai tre punti di fuga.

Calibrazione
Esempio
Immagine:

Calibrazione
Esempio
Immagine e punti di fuga:

Calibrazione
Esempio
Immagine e ortocentro:

Calibrazione
Esempio
Problemi:

Calibrazione
Esempio
Problemi:
Non tutte le immagini sono a tre punti di fuga!

Calibrazione
Esempio
Problemi:

Se i punti di fuga sono lontani dal centro (ovvero, le linee sono quasi
parallele) l’errore di stima che commettiamo aumenta a dismisura

Calibrazione
Esempio
Problemi:

Come stimare con precisione le rette? Solitamente con rilevazione
bordi + linear fit

Calibrazione
Esempio
Problemi:

Come stimare con precisione le rette? Solitamente con rilevazione
bordi + linear fit
(ma anche con immagini artificiali, l’errore tipicamente è molto
forte!)

Calibrazione
Idea alla base
Un approccio alternativo alla calibrazione diretta consiste nello stimare la

matrice di proiezione che traduce i punti della scena in punti
dell’immagine.

Calibrazione
Idea alla base

dell’immagine.
Trovare la matrice di proiezione significa stimare la matrice 3 × 4 M tale

che

Calibrazione
Idea alla base

dell’immagine.
Trovare la matrice di proiezione significa stimare la matrice 3 × 4 M tale

che
 w 
  Xi
ui  Yw 
 vi  = M  i 
 Ziw 
wi
1

Calibrazione
Idea alla base
 w 
  Xi
ui  Yw 
 vi  = M  iw 
 Zi 
wi
1

Calibrazione
Idea alla base
 w 
  Xi
ui  Yw 
 vi  = M  iw 
 Zi 
wi
1
Possiamo scrivere M in funzione dei parametri:

Calibrazione
Idea alla base
 w 
  Xi
ui  Yw 
 vi  = M  iw 
 Zi 
wi
1
Possiamo scrivere M in funzione dei parametri:
 
−fx r11 + ox r31 −fx r12 + ox r32 −fx r13 + ox r33 −fx Tx + ox Tz
M =  −fy r21 + oy r31 −fy r22 + oy r32 −fy r23 + oy r33 −fy Ty + oy Tz 
r31 r32 r33 Tz

Calibrazione
M ha 12 elementi e 11 gradi di libertà; intuiamo subito che occorrono

almeno 11/12 equazioni per trovare tutti gli mij ...

Calibrazione

Abbiamo bisogno di sei coppie di punti corrispondenti (proiettati e non

proiettati). Le equazioni del sistema saranno del tipo:

Calibrazione

Abbiamo bisogno di sei coppie di punti corrispondenti (proiettati e non

proiettati). Le equazioni del sistema saranno del tipo:
ui m11 Xiw + m12 Yiw + m13 Ziw + m14

x= =
wi m31 Xiw + m32 Yiw + m33 Ziw + m34
vi m21 Xiw + m22 Yiw + m23 Ziw + m24
y= =
wi m31 Xiw + m32 Yiw + m33 Ziw + m34

Calibrazione
Analogamente a prima, impostiamo un sistema omogeneo il cui vettore

incognito sarà formato dagli elementi di M:

Calibrazione

m = [m11 , m12 ...m33 , m34 ]T

Calibrazione

m = [m11 , m12 ...m33 , m34 ]T
Come prima, risolviamo tramite SVD e troviamo un vettore soluzione

m̃ = γm

Calibrazione
Anche qui, per trovare γ sfruttiamo le proprietà di R:

Calibrazione
Anche qui, per trovare γ sfruttiamo le proprietà di R:
q q
2 + m̃2 + m̃2 =
m̃31 2 + r 2 + r 2 ) = |γ|
γ 2 (r21
32 33 22 23

Calibrazione
Definiamo per comodità i vettori:

Calibrazione
q1 = [m̃11 , m̃12 , m̃13 ]T

q2 = [m̃21 , m̃22 , m̃23 ]T
q3 = [m̃31 , m̃32 , m̃33 ]T
q4 = [m̃14 , m̃24 , m̃34 ]T

Calibrazione
q1 = [m̃11 , m̃12 , m̃13 ]T

q2 = [m̃21 , m̃22 , m̃23 ]T
q3 = [m̃31 , m̃32 , m̃33 ]T
q4 = [m̃14 , m̃24 , m̃34 ]T
Nota: i primi tre vettori corrispondono alle prime tre righe (meno l’ultimo
elemento) di M, mentre q4 rappresenta l’ultima colonna di M.

Calibrazione
Conosciamo γ a meno del segno. Definiamo allora σ = ±1 e ricaviamo le

formule per calcolare tutti i parametri che ci servono:

Calibrazione
Conosciamo γ a meno del segno. Definiamo allora σ = ±1 e ricaviamo le

formule per calcolare tutti i parametri che ci servono:
Tz = σ m̃34
r3i = σ m̃3i , i = 1, 2, 3
ox = q1 q3T
oy = q2 q3T
q
fx = q1 q1T − ox2
q
fy = q2 q2T − oy2
r1i = σ(ox m̃3i − m̃1i )/fx , i = 1, 2, 3
r2i = σ(oy m̃3i − m̃2i )/fy , i = 1, 2, 3
Tx = σ(ox Tz − m̃14 )/fx
Ty = σ(oy Tz − m̃24 )/fy

Calibrazione
Segno
Rimane da stabilire solo il segno di σ. Per farlo, consideriamo

l’uguaglianza Tz = σ m̃34 ; se l’origine del sistema di riferimento del
mondo 3D si trova davanti la camera, Tz deve essere positivo, dunque σ
deve essere concorde con m34 ; altrimenti, deve essere negativo, da cui
segue che σ deve essere di segno opposto rispetto a m34 .

Calibrazione

Calibrazione

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Calibrazione

Transféré par

Droits d'auteur :

Formats disponibles

Introduzione Calibrazione diretta Metodo dell’ortocentro Calibrazione indiretta

Parte 2/3: Calibrazione

D.M.I. - Università di Catania

Versione: 25 marzo 2009

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Abbiamo visto come si forma l’immagine di una scena. Conoscendo i dati

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Abbiamo visto come si forma l’immagine di una scena. Conoscendo i dati

In Computer Vision è comune il problema opposto: risalire dall’immagine

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Abbiamo visto come si forma l’immagine di una scena. Conoscendo i dati

In Computer Vision è comune il problema opposto: risalire dall’immagine

Se conosciamo già i parametri della camera, il processo è abbastanza

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

E’ possibile risalire ai parametri (estrinseci ed intrinseci) di una camera a

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

E’ possibile risalire ai parametri (estrinseci ed intrinseci) di una camera a

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Dati conosciuti (input):

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Dati conosciuti (input):

n punti nel sistema di riferimento del mondo

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Dati conosciuti (input):

n punti nel sistema di riferimento del mondo

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Dati conosciuti (input):

n punti nel sistema di riferimento del mondo

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Dati conosciuti (input):

n punti nel sistema di riferimento del mondo

Parametri estrinseci della camera (posizione e orientazione)

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Dati conosciuti (input):

n punti nel sistema di riferimento del mondo

Parametri estrinseci della camera (posizione e orientazione)

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Dati conosciuti (input):

n punti nel sistema di riferimento del mondo

Parametri estrinseci della camera (posizione e orientazione)

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Vediamo due metodi di calibrazione molto simili tra loro:

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Vediamo due metodi di calibrazione molto simili tra loro:

Calibrazione diretta dei parametri

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Vediamo due metodi di calibrazione molto simili tra loro:

Calibrazione diretta dei parametri

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Considerazioni sul centro ottico

Innanzitutto, una considerazione per seplificare i calcoli: è proprio

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Considerazioni sul centro ottico

Innanzitutto, una considerazione per seplificare i calcoli: è proprio

In effetti, no: come influiscono ox e oy (coordinate del centro ottico)

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Considerazioni sul centro ottico

Innanzitutto, una considerazione per seplificare i calcoli: è proprio

In effetti, no: come influiscono ox e oy (coordinate del centro ottico)

Al variare di ox e oy i punti proiettati vengono solo traslati. Da un altro

Eugenio Rustico rustico@dmi.unict.it IPlab - Università di Catania

Considerazioni sul centro ottico

Innanzitutto, una considerazione per seplificare i calcoli: è proprio