Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Nền tảng stereo chủ động: Cập nhật hình học epipolar trực tuyến
Tóm tắt
Bài báo này trình bày một phương pháp mới để cập nhật một nền tảng hình học epipolar biến đổi trực tiếp từ bộ mã động cơ, dựa trên việc ánh xạ góc bộ mã động cơ sang góc không gian hình ảnh, tránh việc sử dụng các thuật toán phát hiện đặc trưng. Đầu tiên, một quá trình hiệu chuẩn ngoại tuyến được thực hiện để thiết lập mối quan hệ giữa không gian hình ảnh và không gian phần cứng. Thứ hai, một ma trận chuyển đổi được tạo ra bằng cách sử dụng các kết quả từ quá trình ánh xạ này. Ma trận chuyển đổi sử dụng hình học epipolar đã được cập nhật của nền tảng để điều chỉnh hình ảnh nhằm xử lý thêm. Hệ thống có tổng sai số trong phép chiếu là ± 5 pixel, giảm xuống còn ± 1.24 pixel khi góc xiên tăng lên trên 10°. Nền tảng được sử dụng trong dự án này có 3° tự do để kiểm soát góc xiên và kích thước của đường cơ sở.
Từ khóa
#hình học epipolar #nền tảng stereo chủ động #hệ thống hình ảnh #hiệu chuẩn #ma trận chuyển đổiTài liệu tham khảo
PF Luo, YJ Chao, MA Sutton, Application of stereo vision to three-dimensional deformation analyses in fracture experiments. Optical Engineering. International Society for Optics and Photonics 33, 81 (1994). https://doi.org/10.1117/12.160877.
JJ Aguilar, F Torres, MA Lope, Stereo vision for 3D measurement: accuracy analysis, calibration and industrial applications. Measurement 18, 193–200 (1996). https://doi.org/10.1016/S0263-2241(96)00065-6 Elsevier
Li P, Chong W, Ma Y. Development of 3D online contact measurement system for intelligent manufacturing based on stereo vision. ed. by Osten W, Asundi AK, Zhao H. AOPC 2017: 3D Measurement Technology for Intelligent Manufacturing. SPIE, pp. 66, 2017, doi: https://doi.org/10.1117/12.2285542
E Ivorra, AJ Sánchez, JG Camarasa, MP Diago, J Tardaguila, Assessment of grape cluster yield components based on 3D descriptors using stereo vision. Food. Control 50, 73–282 (2015). https://doi.org/10.1016/J.FOODCONT.2014.09.004 Elsevier
C Wang, X Zou, Y Tang, L Luo, W Feng, Localisation of litchi in an unstructured environment using binocular stereo vision. Biosystems Engineering 145, 39–51 (2016). https://doi.org/10.1016/J.BIOSYSTEMSENG.2016.02.004 Academic Press
MF Stoelen, F Bonsignorio, A Cangelosi, in From Animals to Animats 14, ed. by E Tuci et al.. Co-exploring actuator antagonism and bio-inspired control in a printable robot arm (Springer International Publishing, Cham, 2016), pp. 244–255
Zhang Z, (2000) A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence. IEEE, 22, 1330–1334. doi: https://doi.org/10.1109/34.888718.
E Trucco, A Verri. (1998) Introductory techniques for 3-D computer vision. (Upper Saddle River, NJ, USA: Prentice Hall PTR). https://dl.acm.org/citation.cfm?id=551277.
Krotkov E, Henriksen K, Kories R, Stereo ranging with verging cameras. IEEE Transactions on Pattern Analysis and Machine Intelligence IEEE, 12, 1200–1205 (1990). doi: https://doi.org/10.1109/34.62610.
S De Ma, A self-calibration technique for active vision systems. IEEE Trans. Robot. Autom. 12, 114–120 (1996). https://doi.org/10.1109/70.481755
QT Luong, OD Faugeras, Self-calibration of a moving camera from point correspondences and fundamental matrices. Int J Comput Vis 22, 261–289 (1997). https://doi.org/10.1023/A:1007982716991 Kluwer Academic Publishers
M Bjorkman, JO Eklundh, Real-time epipolar geometry estimation of binocular stereo heads. IEEE Trans. Pattern Anal. Mach. Intell. 24, 425–432 (2002). https://doi.org/10.1109/34.990147
NA Thacker, JE Mayhew, Optimal combination of stereo camera calibration from arbitrary stereo images. Image Vis. Comput. 9, 27–32 (1991). https://doi.org/10.1016/0262-8856(91)90045-Q
Dankers A, Barnes N, Zelinsky A Active Vision—Rectification and Depth Mapping. Australian Conference on Robotics and Automation (2004).
A Fusiello, E Trucco, A Verri, A compact algorithm for rectification of stereo pairs. Mach. Vis. Appl. 12(1), 16–22 (2000). https://doi.org/10.1007/s001380050003
Kwon H, Park J, Kak AC, A new approach for active stereo camera calibration. in Proceedings 2007 IEEE International Conference on Robotics and Automation. IEEE, 3180–3185, (2007), doi: https://doi.org/10.1109/ROBOT.2007.363963.
J Hart, B Scassellati, SW Zucker, in Cognitive Vision, ed. by B Caputo, M Vincze. Epipolar Geometry for Humanoid Robotic Heads (Springer Berlin Heidelberg, Berlin, 2008), pp. 24–36. https://doi.org/10.1007/978-3-540-92781-5_3
Szeliski R, Computer vision: algorithms and applications (1st ed.). (Springer-Verlag, Berlin, 2010). https://dl.acm.org/citation.cfm?id=1941882.
Sapienza, M., Hansard, M. and Horaud, R. (2013), Real-time visuomotor update of an active binocular head, Autonomous Robots. Springer US, 34(1–2), pp. 35–45. doi: https://doi.org/10.1007/s10514-012-9311-2.
Bradski GR, Kaehler A, (2008), Learning OpenCV: computer vision with the OpenCV library. O’Reilly
R Hartley and A Zisserman, Multiple View Geometry in Computer Vision (2 ed.). (Cambridge University Press, New York 2003). https://dl.acm.org/citation.cfm?id=861369.
Kyriakoulis N, Gasteratos A, Mouroutsos SG (2008), Fuzzy vergence control for an active binocular vision system. in IEEE (ed.) 7th IEEE International Conference on Cybernetic Intelligent Systems, CIS 2008, 1–5 (2008). doi: https://doi.org/10.1109/UKRICIS.2008.4798931.
D Scharstein, R Szeliski, A taxonomy and evaluation of dense two-frame stereo correspondence algorithms. Int. J. Comput. Vis. 47, 7–42 (2001). https://doi.org/10.1023/A:1014573219977.
H Hirschmuller, Accurate and efficient stereo processing by semi-global matching and mutual information. In Proc. IEEE Int. Conf. Computer Vision Pattern Recognition (CVPR) 2, 807–814 (2005)
Banz C, Hesselbarth S, Flatt H, Blume H, Pirsch P (2010), Real-time stereo vision system using semi-global matching disparity estimation: architecture and FPGA-implementation. in 2010 International Conference on Embedded Computer Systems: Architectures, Modeling and Simulation. IEEE, 93–101. doi: https://doi.org/10.1109/ICSAMOS.2010.5642077.
H Hirschmuller, Stereo processing by semiglobal matching and mutual information. IEEE Trans. Pattern Anal. Mach. Intell. 30, 328–341 (2008). https://doi.org/10.1109/TPAMI.2007.1166
A Mohamed, PF Culverhouse, R De Azambuja, A Cangelosi, C Yang, Automating active stereo vision calibration process with cobots. IFAC-PapersOnLine 50, 163–168 (2017). https://doi.org/10.1016/J.IFACOL.2017.12.030 Elsevier
David A. Forsyth, Jean Ponce, Computer vision: a modern approach, Prentice Hall Professional Technical Reference, 2002.
PJ Besl, ND McKay, A method for registration of 3-D shapes. IEEE Trans. Pattern Anal. Mach. Intell. 14(2), 239–256 (1992)
S. Rusinkiewicz and M. Levoy, Efficient variants of the ICP algorithm, in Proceedings Third International Conference on 3-D Digital Imaging and Modeling (2001), pp. 145–152.
Rusu, R. B. and Cousins, S., 3D is here: Point Cloud Library (PCL), in 2011 IEEE International Conference on Robotics and Automation. IEEE (2011), pp. 1–4. doi: https://doi.org/10.1109/ICRA.2011.5980567.
T Dang, C Hoffman, C Stiller, Continuous stereo self-calibration by camera parameter tracking. IEEE Transactions on Image Processing 18(7), 1536–1550 (2009)