$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

쿼터니언을 이용한 반자동 카메라 캘리브레이션
Semi-automatic Camera Calibration Using Quaternions 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.36 no.2, 2018년, pp.43 - 50  

김의명 (Dept. of GIS Engineering, Namseoul University)

초록
AI-Helper 아이콘AI-Helper

영상을 기반으로 하는 3차원 위치결정에서 카메라는 핵심적인 요소이며 이러한 카메라의 내부적인 특성을 제대로 결정하는 카메라 캘리브레이션 작업은 대상물의 3차원 좌표를 결정하기 위해서 필수적으로 선행되어야 할 과정이다. 본 연구에서는 캘리브레이션을 위한 체크보드의 크기와 형태에 영향을 받지 않고 반자동으로 카메라의 내부표정요소를 결정하는 방법론을 제안하였다. 제안한 방법론은 쿼터니언을 이용한 외부표정요소 추정, 캘리브레이션 타겟의 인식, 번들블록조정을 통한 내부표정요소 매개변수 결정으로 구성되어 있다. 체스보드 형태의 캘리브레이션 타겟을 이용하여 내부표정요소를 결정한 후 소규모 3차원 모형에 대한 3차원 위치를 결정하였으며 검사점을 이용한 정확도 평가를 통해서 수평위치와 수직위치 오차는 각각 약 ${\pm}0.006m$${\pm}0.007m$를 얻을 수 있었다.

Abstract AI-Helper 아이콘AI-Helper

The camera is a key element in image-based three-dimensional positioning, and camera calibration, which properly determines the internal characteristics of such a camera, is a necessary process that must be preceded in order to determine the three-dimensional coordinates of the object. In this study...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 연구에서는 비 측량용 카메라의 캘리브레이션의 캘리브레이션을 수행하기 위해서 외부표정요소의 초기값이 필요하지 않는 쿼터니언을 이용한 방법론을 제시하였으며 실험을 통해서 다음과 같은 결론을 얻을 수 있었다.
  • 본 연구에서는 캘리브레이션 타켓의 크기와 형태에 크게 영향을 받지 않고 카메라 캘리브레이션을 수행할 수 있는 기법을 제안하는 것을 목적으로 하였다. 카메라 캘리브레이션을 수행하는 절차는 캘리브레이션 타겟의 초기 관측점을 이용한 카메라 외부표정요소 추정, 캘리브레이션 타겟의 인식, 번들블록조정(Bundle Block Adjustment, BBA)을 통한 캘리브레이션 매개변수 결정 순으로 이루어진다.

가설 설정

  • 본 연구에서 사용한 타겟의 형태는 일반적으로 카메라 캘리브레이션을 수행할 때 많이 사용되는 체스보드 형태의 타겟 또는 원형 또는 사각형의 부착형 타겟을 기준으로 하였고 타겟의 중심은 흑색과 백색으로 구성된 것으로 가정하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
카메라 캘리브레이션이란 무엇인가? 카메라 캘리브레이션은 카메라의 초점거리, 주점위치 그리고 카메라의 렌즈왜곡계수를 결정하는 과정이다. 카메라 렌즈 왜곡은 방사왜곡(radial distortion), 접선왜곡(tangential distortion) 등이 있으며, 방사왜곡은 주점에서 방사 방향으로 멀어질수록 3차원 대상물이 사진 상에서 이동되어서 맺히는 현상을 모델링하기 위한 것이고 접선왜곡은 카메라 렌즈를 통과하는 광축과 영상센서(CCD (Charge Coupled Device) 또는 CMOS (Complementary Metal-Oxide-Semiconductor))의 수평이 맞지 않아 발생하는 현상을 모델링하기 위한 것이다(Lee, 2013).
카메라 캘리브레이션(calibration)의 대상인 카메라의 내부적인 특성에는 어떤 것들이 있는가? 사진측량 및 컴퓨터비전에서 카메라를 이용하여 3차원 위치를 결정할 때 가장 먼저 선행되어야 할 작업 중의 하나는 카메라의 초점거리, 주점위치, 렌즈왜곡계수와 같은 내부적인 특성을 정확하게 파악하는 것이다. 이러한 카메라의 내부적인 특성을 파악하는 것을 카메라 캘리브레이션(calibration)이라고 하고, 카메라 캘리브레이션을 수행하고 나면 3차원 대상물의 점과 사진상에 맺힌 점과의 관계를 정확하게 설정할 수 있게 된다.
카메라 캘리브레이션 수행 절차는 어떻게 되는가? 본 연구에서는 캘리브레이션 타켓의 크기와 형태에 크게 영향을 받지 않고 카메라 캘리브레이션을 수행할 수 있는 기법을 제안하는 것을 목적으로 하였다. 카메라 캘리브레이션을 수행하는 절차는 캘리브레이션 타겟의 초기 관측점을 이용한 카메라 외부표정요소 추정, 캘리브레이션 타겟의 인식, 번들블록조정(Bundle Block Adjustment, BBA)을 통한 캘리브레이션 매개변수 결정 순으로 이루어진다. 2장에서는 본 연구에서 제안하는 방법론을 기술하였고 3장에서는 체스보드(chessboard) 형태의 타겟을 이용하여 카메라 캘리브레이션을 수행하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. Ahn, J. and Chung, W. (2010), A study on 6-axis articulated robot using a quaternion interpolation, Proceedings of the Korean Society of Manufacturing Technology Engineers Fall Meeting, 22 October, Gwangju, Korea, pp. 294-300. (in Korean with English abstract) 

  2. Ahn, J. and Chung, W. (2011), A study on orientations interpolation of 6-axis articulated robot using quaternion, Korean Society of Manufacturing Technology Engineers, Vol. 20, No. 6, pp. 778-784. (in Korean with English abstract) 

  3. Habib, A., Lari, Z., Kwak., E., and Al-Durgham, K. (2013), Automated detection, localization, and identification of signalized targets and their impact on digital camera calibration, Revista Brasileira de Cartografia, Vol. 65, No. 4, pp. 785-803. 

  4. Habib, A. and Morgan, M. (2003), Automatic calibration of low-cost digital cameras, Optical Engineering, Vol. 42, No. 4, pp. 948-956. 

  5. Houssineau, J., Clark, D., Ivekovic, S., Lee, C., and Franco, J. (2016), A unified approach for multi-object triangulation, tracking and camera calibration, IEEE Transactions on Signal Processing, Vol. 64, No. 11, pp. 2934-2948. 

  6. Lee, J. (2013), Camera calibration and distortion correction, Korea Robotics Society Review, Vol. 10, No. 1. pp. 23-29. (in Korean) 

  7. Lee, C., Lee, B., and Eo, Y. (2008), Experiment on camera platform calibration of a multi-looking camera system using single non-metric camera, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 26, No. 4, pp. 351-357. (in Korean with English abstract) 

  8. Mazaheri, M. and Habib, A. (2015), Quaternion-based solutions for the single photo resection problem, Photogrammetric Engineering and Remote Sensing, Vol. 81, No. 3, pp. 209-217. 

  9. Ramalingam, S. and Sturm, P. (2017), A unifying model for camera calibration, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 39, No. 7, pp. 1309-1319. 

  10. Seo, S. and Lee, B. (2017), In-situ self-calibration of non-metric camera and digital stereo plotting for public survey, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 35, No. 3, pp. 145-154. (in Korean with English abstract) 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로