An Extrinsic Calibration Method Using the Inner and Outer Surfaces of a Paper Object for 3D Foot Scanning System : 한 장의 종이로 이루어진 보정물체의 내/외부 표면을 사용한 3차원 발 스캐너 보정방법원문보기
본 논문은 두 개의 센서를 장착해 발 전체를 스캐닝할 수 있는 회전형 스캐너를 소개하고 발 스캐너와 같이 서로 직교하여 설치되어 있는 센서들의 3차원정합을 위하여 하나의 종이 보정물체를 사용한 간단하게 외부 파라미터를 보정방법을 제안한다. 먼저 360도 회전형 3차원 발 스캐너 시스템에 대해 소개한다. 회전형 3차원 발 스캐너는 2개의 구조광 센서만으로 발 전체를 스캐닝 할 수 있도록 설계되었다. 하나의 센서는 카메라와 2개의 ...
본 논문은 두 개의 센서를 장착해 발 전체를 스캐닝할 수 있는 회전형 스캐너를 소개하고 발 스캐너와 같이 서로 직교하여 설치되어 있는 센서들의 3차원정합을 위하여 하나의 종이 보정물체를 사용한 간단하게 외부 파라미터를 보정방법을 제안한다. 먼저 360도 회전형 3차원 발 스캐너 시스템에 대해 소개한다. 회전형 3차원 발 스캐너는 2개의 구조광 센서만으로 발 전체를 스캐닝 할 수 있도록 설계되었다. 하나의 센서는 카메라와 2개의 라인레이저로 구성되어 원형으로 제작된 회전레일에 장착되어 레일을 따라 움직이며 발의 상부 부분을 스캐닝하고 하나의 카메라와 하나의 라인레이저로 구성된 센서가 선형레일에 장착되어 발바닥을 스캐닝 한다. 두 스캐닝 장치는 스텝모터를 사용하여 움직이며 모터컨트롤러부터 장치가 움직인 위치를 컴퓨터에 송신한다. 본 논문에서는 발 스캐너에 장착된 스캐닝 장치가 발을 스캐닝한 후 발의 형상을 3차원 재구성을 하는 방법을 소개한다. 먼저 센서가 3차원 깊이를 추정하기 위하여 라인레이저의 평면과 디지털 카메라 사이의 기하보정을 진행해야 한다. 체스보드 보정판의 코너점들은 동일한 크기의 사각형으로 구성되어 있기 때문에 코너점들을 사용하면 카메라 좌표계에서 라인레이저의 3차원 평면의 방정식이 추정된다. 그 결과 2차원 이미지에 투영된 라인레이저의 3차원 깊이 값을 계산할 수 있다. 다음으로 스텝모터를 사용하여 이동하는 두 장치의 스텝당 회전각도와 방향벡터의 크기를 계산하여야 한다. 체스보드 평면판을 발 스캐닝 시스템 중심에 위치시킨 후 장치에 장착되어 있는 카메라를 사용하여 체스보드 평면판의 이미지를 획득한다. 역시 체스보드 코너점의 꼭지점을 이용하면 스텝당 각도와 스텝당 방향벡터의 크기가 계산된다. 그 결과 하나의 프레임에서 검출된 발 표면의 3차원 깊이정보는 각 장치 좌표계를 기준으로 정합되고 회전장치가 스캐닝한 발 상부의 3차원 모델과 선형장치가 스캐닝한 발바닥 부분의 3차원 모델이 생성된다. 본 논문에서는 회전장치와 선형장치를 종이물체를 사용하여 하나의 시점으로 보정하는 방법을 소개한다. 각 장치가 생성한 발 표면의 3차원 점군을 하나의 시점으로 표현해야만 온전한 발의 3차원 형상을 획득할 수 있다. 먼저 보정물체를 제작하는 법을 소개한다. 주변에서 쉽게 구할 수 있는 한장의 A4 용지를 사용하여 보정물체를 제작한다. 보정물체는 피라미드의 모양을 가지고 있다. 보정물체를 스캐너에 중심에 위치시킨 후 두 장치가 보정물체를 스캔하면 보정물체의 안쪽과 바깥쪽의 3차원 형상정보가 생성된다. 제안하는 방법은 두 장치가 획득한 보정물체의 안과 바깥의 형상정보를 이용한다. 먼저 두 시점의 표면정보와 ICP 알고리즘을 사용하면 두 시점 사이의 3차원 변환관계(3D transformation relationship)가 추정된다. 두 장치의 스캐닝 해상도와 정밀도가 다르기 때문에 보정 오차가 발생한다. 그리하여 정밀한 변환관계 추정을 위해 피라미드 보정물체의 교선정보를 이용하여 초기변환행렬을 정제한다. 피라미드 형상은 4개의 면과 4개의 교선으로 이루어져 있다. 그리고 4개의 면을 이용하면 4개의 교선을 구할 수 있다. 각 면의 3차원 평면 방정식은 면 위에 존재하는 3차원 점군과 RANSAC 알고리즘을 사용하여 계산된다. 그리고 두 평면의 방정식을 사용하면 교선의 3차원 방정식이 계산된다. 이렇게 물체의 안쪽 표면정보를 사용하여 구한 4개의 교선과 물체의 바깥쪽 표면정보를 사용하여 구한 4개의 교선이 구해지면 교선 사이의 교선 사이의 거리가 최소화되도록 초기변환행렬을 정제(refinement)할 수 있다. 물체 안쪽 표면정보를 사용하여 구한 교선 위의 임의의 점 5개를 샘플링 하면 총 20개의 점군이 획득된다. 그리고 각 점군과 물체 바깥 표면정보를 사용하여 구한 교선과의 거리가 최소화 되도록 반복적인 수행하여 더 정밀한 두 시점 사이의 변환행렬을 구한다. 본 논문에서 제안하는 방법을 발 스캐닝 장치에 적용하여 알고리즘의 성능을 분석한다. 제안된 방법의 보정오차는 0.4 ~ 0.6 mm이며 이를 통해 제안한 방법의 우수한 성능을 정량적으로 알 수 있다. 또한 한장의 종이로 다양한 보정물체를 제작하여 발 스캐너를 보정하였다. 마지막으로 발 스캐닝 시스템으로 인하여 생성된 하나의 온전한 3차원 발의 형상정보도 확인했다. 이 결과를 통해 제안한 장치와 보정방법이 안정적으로 동작하는 것을 확인할 수 있다.
본 논문은 두 개의 센서를 장착해 발 전체를 스캐닝할 수 있는 회전형 스캐너를 소개하고 발 스캐너와 같이 서로 직교하여 설치되어 있는 센서들의 3차원 정합을 위하여 하나의 종이 보정물체를 사용한 간단하게 외부 파라미터를 보정방법을 제안한다. 먼저 360도 회전형 3차원 발 스캐너 시스템에 대해 소개한다. 회전형 3차원 발 스캐너는 2개의 구조광 센서만으로 발 전체를 스캐닝 할 수 있도록 설계되었다. 하나의 센서는 카메라와 2개의 라인레이저로 구성되어 원형으로 제작된 회전레일에 장착되어 레일을 따라 움직이며 발의 상부 부분을 스캐닝하고 하나의 카메라와 하나의 라인레이저로 구성된 센서가 선형레일에 장착되어 발바닥을 스캐닝 한다. 두 스캐닝 장치는 스텝모터를 사용하여 움직이며 모터컨트롤러부터 장치가 움직인 위치를 컴퓨터에 송신한다. 본 논문에서는 발 스캐너에 장착된 스캐닝 장치가 발을 스캐닝한 후 발의 형상을 3차원 재구성을 하는 방법을 소개한다. 먼저 센서가 3차원 깊이를 추정하기 위하여 라인레이저의 평면과 디지털 카메라 사이의 기하보정을 진행해야 한다. 체스보드 보정판의 코너점들은 동일한 크기의 사각형으로 구성되어 있기 때문에 코너점들을 사용하면 카메라 좌표계에서 라인레이저의 3차원 평면의 방정식이 추정된다. 그 결과 2차원 이미지에 투영된 라인레이저의 3차원 깊이 값을 계산할 수 있다. 다음으로 스텝모터를 사용하여 이동하는 두 장치의 스텝당 회전각도와 방향벡터의 크기를 계산하여야 한다. 체스보드 평면판을 발 스캐닝 시스템 중심에 위치시킨 후 장치에 장착되어 있는 카메라를 사용하여 체스보드 평면판의 이미지를 획득한다. 역시 체스보드 코너점의 꼭지점을 이용하면 스텝당 각도와 스텝당 방향벡터의 크기가 계산된다. 그 결과 하나의 프레임에서 검출된 발 표면의 3차원 깊이정보는 각 장치 좌표계를 기준으로 정합되고 회전장치가 스캐닝한 발 상부의 3차원 모델과 선형장치가 스캐닝한 발바닥 부분의 3차원 모델이 생성된다. 본 논문에서는 회전장치와 선형장치를 종이물체를 사용하여 하나의 시점으로 보정하는 방법을 소개한다. 각 장치가 생성한 발 표면의 3차원 점군을 하나의 시점으로 표현해야만 온전한 발의 3차원 형상을 획득할 수 있다. 먼저 보정물체를 제작하는 법을 소개한다. 주변에서 쉽게 구할 수 있는 한장의 A4 용지를 사용하여 보정물체를 제작한다. 보정물체는 피라미드의 모양을 가지고 있다. 보정물체를 스캐너에 중심에 위치시킨 후 두 장치가 보정물체를 스캔하면 보정물체의 안쪽과 바깥쪽의 3차원 형상정보가 생성된다. 제안하는 방법은 두 장치가 획득한 보정물체의 안과 바깥의 형상정보를 이용한다. 먼저 두 시점의 표면정보와 ICP 알고리즘을 사용하면 두 시점 사이의 3차원 변환관계(3D transformation relationship)가 추정된다. 두 장치의 스캐닝 해상도와 정밀도가 다르기 때문에 보정 오차가 발생한다. 그리하여 정밀한 변환관계 추정을 위해 피라미드 보정물체의 교선정보를 이용하여 초기변환행렬을 정제한다. 피라미드 형상은 4개의 면과 4개의 교선으로 이루어져 있다. 그리고 4개의 면을 이용하면 4개의 교선을 구할 수 있다. 각 면의 3차원 평면 방정식은 면 위에 존재하는 3차원 점군과 RANSAC 알고리즘을 사용하여 계산된다. 그리고 두 평면의 방정식을 사용하면 교선의 3차원 방정식이 계산된다. 이렇게 물체의 안쪽 표면정보를 사용하여 구한 4개의 교선과 물체의 바깥쪽 표면정보를 사용하여 구한 4개의 교선이 구해지면 교선 사이의 교선 사이의 거리가 최소화되도록 초기변환행렬을 정제(refinement)할 수 있다. 물체 안쪽 표면정보를 사용하여 구한 교선 위의 임의의 점 5개를 샘플링 하면 총 20개의 점군이 획득된다. 그리고 각 점군과 물체 바깥 표면정보를 사용하여 구한 교선과의 거리가 최소화 되도록 반복적인 수행하여 더 정밀한 두 시점 사이의 변환행렬을 구한다. 본 논문에서 제안하는 방법을 발 스캐닝 장치에 적용하여 알고리즘의 성능을 분석한다. 제안된 방법의 보정오차는 0.4 ~ 0.6 mm이며 이를 통해 제안한 방법의 우수한 성능을 정량적으로 알 수 있다. 또한 한장의 종이로 다양한 보정물체를 제작하여 발 스캐너를 보정하였다. 마지막으로 발 스캐닝 시스템으로 인하여 생성된 하나의 온전한 3차원 발의 형상정보도 확인했다. 이 결과를 통해 제안한 장치와 보정방법이 안정적으로 동작하는 것을 확인할 수 있다.
This study developed a 360°rotary three-dimensional (3D) foot scanner that can scan the entire shape of a foot by using two structured light sensors installed on this scanner. Accordingly, it proposed a simple external parameter calibration method based on a paper calibration object for performing 3...
This study developed a 360°rotary three-dimensional (3D) foot scanner that can scan the entire shape of a foot by using two structured light sensors installed on this scanner. Accordingly, it proposed a simple external parameter calibration method based on a paper calibration object for performing 3D registration of sensors installed orthogonally to each other. As for the structure and mechanism of the developed foot scanner, a sensor consisting of a camera and two-line lasers was installed on a rotary circular rail and moved along this rail to scan the upper part of the target foot. The other sensor consisting of a camera and a line laser was installed on a linear rail to scan the sole of the target foot. A step motor was used to move these scanning devices, and a motor controller was used to transfer information on the trace of these scanning devices to a computer. These scanning devices installed in the developed foot scanner scanned the entire shape of the target foot and restructured this shape in 3D form through the following processes. First, geometric calibration between the plane of a line laser and a digital camera was conducted to enable sensors to estimate 3D depth. Moreover, a camera coordinate system estimated an equation on the 3D plane of a line laser by using square-shaped corner points in the same size, which were established on a chessboard-style calibration plate. The value derived was applied to calculate 3D depth of a line laser reflected in a 2D image. Subsequently, a step motor was used to calculate rotation angles of two moving sensors per step and the size of a direction vector per step. First, a chessboard-style plane plate was located at the center of the developed foot scanning system. Then, cameras installed at this system were used to obtain an image of the chessboard-style plane plate. In the same way described above, apexes of chessboard corner points were used to calculate rotation angles of two moving sensors per step and the size of a direction vector per step. Based on the calculation results and coordinate systems of each device, information on 3D depth of the target foot’s surface detected in a frame was registered. As a result of this registration process, the developed scanner generated a 3D model of the upper part of the foot scanned by the rotary sensor and a 3D model of the sole of the foot scanned by the linear sensor. Furthermore, this study proposed a method of calibrating the rotary and linear sensors based on a single viewpoint by using a paper calibration object. The developed foot scanner can obtain a complete 3D shape of the foot scanned only by representing 3D point groups for the surface of the scanned foot, which were generated by each sensor, based on a single viewpoint. This study produced a pyramid-shaped calibration object by using a sheet of A4 paper that can be easily obtained. The calibration object was placed at the center of the developed scanner, and two sensors installed at the scanner scanned the calibration object to form 3D shape information on the interior and exterior surfaces of this object. A 3D transformation relationship between two different viewpoints applied in information on the surfaces of the calibration object was estimated based on information on the surfaces of the calibration object an iterative closest point (ICP). In this process, a calibration error can be caused by a difference in scanning resolution and accuracy between two sensors. For this reason, the initial transformation matrix was refined based on information on intersection lines of the pyramid-shaped calibration object to estimate a 3D transformation relationship between two different viewpoints more accurately. A pyramid shape comprises four sides and four intersection lines. In addition, information on four sides can be used to calculate values of four intersection lines. An equation on 3D planes of each side can be calculated by using 3D point groups that exist on each side and the random sample consensus (RANSAC) algorithm. Then, an equation on two planes was calculated to derive a solution from a 3D equation on intersection lines. The initial transformation matrix was refined to minimize distance between intersections lines, which were identified by information on the interior surfaces of the calibration object, and interactions lines, which were identified by information on the exterior surfaces of the calibration object. Sampling was applied to five random points on intersection lines identified by information on the interior surfaces of the calibration object. As a result of sampling, 20 point groups were derived. Accordingly, the transformation matrix was repeatedly conducted to minimize distance between intersection lines, which were identified by each point group, and intersection lines, which were identified by information on the exterior surfaces of the calibration object. Through these processes, a more accurate transformation matrix based on two different viewpoints was obtained. The aforementioned calibration algorithm was applied to the developed foot scanner to analyze performance of this algorithm. The analytic result showed that a calibration error caused by the proposed algorithm was 0.4 ~ 0.6 mm. This result quantitatively verified excellent performance of the proposed algorithm. Furthermore, this study analyzed information on a complete 3D foot shape generated by the developed foot scanner. The analytic result confirmed stable operation of the developed foot scanner and the proposed calibration algorithm.
This study developed a 360°rotary three-dimensional (3D) foot scanner that can scan the entire shape of a foot by using two structured light sensors installed on this scanner. Accordingly, it proposed a simple external parameter calibration method based on a paper calibration object for performing 3D registration of sensors installed orthogonally to each other. As for the structure and mechanism of the developed foot scanner, a sensor consisting of a camera and two-line lasers was installed on a rotary circular rail and moved along this rail to scan the upper part of the target foot. The other sensor consisting of a camera and a line laser was installed on a linear rail to scan the sole of the target foot. A step motor was used to move these scanning devices, and a motor controller was used to transfer information on the trace of these scanning devices to a computer. These scanning devices installed in the developed foot scanner scanned the entire shape of the target foot and restructured this shape in 3D form through the following processes. First, geometric calibration between the plane of a line laser and a digital camera was conducted to enable sensors to estimate 3D depth. Moreover, a camera coordinate system estimated an equation on the 3D plane of a line laser by using square-shaped corner points in the same size, which were established on a chessboard-style calibration plate. The value derived was applied to calculate 3D depth of a line laser reflected in a 2D image. Subsequently, a step motor was used to calculate rotation angles of two moving sensors per step and the size of a direction vector per step. First, a chessboard-style plane plate was located at the center of the developed foot scanning system. Then, cameras installed at this system were used to obtain an image of the chessboard-style plane plate. In the same way described above, apexes of chessboard corner points were used to calculate rotation angles of two moving sensors per step and the size of a direction vector per step. Based on the calculation results and coordinate systems of each device, information on 3D depth of the target foot’s surface detected in a frame was registered. As a result of this registration process, the developed scanner generated a 3D model of the upper part of the foot scanned by the rotary sensor and a 3D model of the sole of the foot scanned by the linear sensor. Furthermore, this study proposed a method of calibrating the rotary and linear sensors based on a single viewpoint by using a paper calibration object. The developed foot scanner can obtain a complete 3D shape of the foot scanned only by representing 3D point groups for the surface of the scanned foot, which were generated by each sensor, based on a single viewpoint. This study produced a pyramid-shaped calibration object by using a sheet of A4 paper that can be easily obtained. The calibration object was placed at the center of the developed scanner, and two sensors installed at the scanner scanned the calibration object to form 3D shape information on the interior and exterior surfaces of this object. A 3D transformation relationship between two different viewpoints applied in information on the surfaces of the calibration object was estimated based on information on the surfaces of the calibration object an iterative closest point (ICP). In this process, a calibration error can be caused by a difference in scanning resolution and accuracy between two sensors. For this reason, the initial transformation matrix was refined based on information on intersection lines of the pyramid-shaped calibration object to estimate a 3D transformation relationship between two different viewpoints more accurately. A pyramid shape comprises four sides and four intersection lines. In addition, information on four sides can be used to calculate values of four intersection lines. An equation on 3D planes of each side can be calculated by using 3D point groups that exist on each side and the random sample consensus (RANSAC) algorithm. Then, an equation on two planes was calculated to derive a solution from a 3D equation on intersection lines. The initial transformation matrix was refined to minimize distance between intersections lines, which were identified by information on the interior surfaces of the calibration object, and interactions lines, which were identified by information on the exterior surfaces of the calibration object. Sampling was applied to five random points on intersection lines identified by information on the interior surfaces of the calibration object. As a result of sampling, 20 point groups were derived. Accordingly, the transformation matrix was repeatedly conducted to minimize distance between intersection lines, which were identified by each point group, and intersection lines, which were identified by information on the exterior surfaces of the calibration object. Through these processes, a more accurate transformation matrix based on two different viewpoints was obtained. The aforementioned calibration algorithm was applied to the developed foot scanner to analyze performance of this algorithm. The analytic result showed that a calibration error caused by the proposed algorithm was 0.4 ~ 0.6 mm. This result quantitatively verified excellent performance of the proposed algorithm. Furthermore, this study analyzed information on a complete 3D foot shape generated by the developed foot scanner. The analytic result confirmed stable operation of the developed foot scanner and the proposed calibration algorithm.
주제어
#Calibration 3D Foot scanner Extrinsic Calibration
※ AI-Helper는 부적절한 답변을 할 수 있습니다.