Calibrazione di telecamere

In questa tesi si è voluto verificare le prestazioni di metodi di calibrazione basati sugli algoritmi genetici, confrontandoli con l‟algoritmo di Zhang ottimizzato mediante Levenberg-Marquardt, già utilizzato e validato anche presso il VBLab. Inoltre si è deciso di verificare l‟accuratezza di una tecnica contenuta nella libreria commerciale per la visione artificiale HALCON, che è stata utilizzata per la taratura del sistema stereoscopico sviluppato per ragioni di mantenibilità del software. In letteratura esistono numerose altre metodologie basate su tecniche anche molto diverse fra loro. Un esempio è dato da alcuni metodi di calibrazione che si basano sull‟utilizzo delle reti neurali, in qualche caso anche ottimizzate con gli algoritmi genetici [18]. Nonostante il gran numero di tecniche di calibrazione non esiste uno standard che definisce quale sia la metodologia migliore da utilizzare, anche perché non è presente in letteratura nessuno studio comparativo completo sui vari metodi presenti. Sarebbe di grande interesse allargare l‟analisi e il confronto proposto in questa tesi alle molte altre tecniche di calibrazione. Da uno studio accurato sarebbe interessante capire se esiste una tecnica di calibrazione più accurata delle altre o se la scelta della metodologia dipende

6.1.2 Sistema di misura

Lo strumento di misura stereoscopico sviluppato in questa tesi rispetta le specifiche imposte ed è stato utilizzato in una campagna di prove presso la Galleria del Vento, con risultati soddisfacenti. Durante le prove sono stati riscontrati alcuni limiti del sistema, tra cui il principale è costituito dalle prestazioni dinamiche. Lo strumento è infatti in grado di acquisire a frequenze inferiori a 17 Hz. Per superare tale problematica è necessario utilizzare telecamere con prestazioni maggiori. Ciò non è sufficiente poiché si saturerebbe la capacità di trasmissione del sistema. Si potrebbe allora utilizzare più schede di acquisizione, aumentando però eccessivamente i costi dello strumento. Un‟alternativa migliore consiste nel limitare il flusso di dati alle informazioni di interesse per le misure, e dunque implementare algoritmi intelligenti che riducano la ROI (region of

interest) fisica acquisita dai dispositivi all‟area che contiene informazioni utili alla

misura. In tal caso sono indispensabili telecamere con un sensore a tecnologia CMOS. Inoltre, l‟utilizzo di PC embedded per ogni dispositivo, e dunque interamente dedicati all‟acquisizione dalla singola telecamera, costituirebbe un‟ulteriore soluzione per l‟aumento delle prestazioni dinamiche del sistema. Ciò consentirebbe anche di realizzare un sistema più compatto e maneggevole, rendendo le procedure di allestimento più semplici e veloci. A tale scopo è in progetto presso il VBLab la realizzazione di un nuovo strumento che possa presentare queste caratteristiche. Per questioni di comodità e maneggevolezza sarebbe anche utile poter comandare lo strumento via wireless da remoto e sfruttare la nuova tecnologia PoE (Power over Ethernet), che consente di alimentare le telecamere attraverso il cavo ethernet. Lo sviluppo di uno strumento compatto e comandabile da remoto risulterà particolarmente utile per le applicazioni in Galleria del Vento, dove è importante ridurre al minimo i tempi di allestimento e poter comandare il sistema dalla sala di controllo.

Bibliografia

[1] R. I. Hartley and A. Zisserman. Multiple View Geometry in Computer

Vision. Second edition. Cambridge University Press, 2003.

[2] Zhengyou Zhang. A Flexible New Technique for Camera Calibration. Microsoft Research, One Microsoft Way, Redmond, USA. December 1998.

[3] W. H. Press, S. A. Teukolsky, W. T. Vetterling, B. P. Flannery. Numerical

Recipes. Third edition. Cambridge University Press, 2007.

[4] Pradit Mittrapiyanuruk, A Memo on How to Use the Levenberg-Marquardt

Algorithm for Refining Camera Calibration Parameters, Robot Vision

Laboratory, Purdue University, West Lafayette, IN, USA.

[5] Manolis I.A. Lourakis and Antonis A. Argyros. Is Levenberg-Marquardt

the Most Efficient Optimization Algorithm for Implementing Bundle Adjustment?. Institute of Computer Science, Foundation for Research and

Technology, Crete, GREECE.

[6] Andrea Fusiello. Visione Computazionale. Università degli Studi di Verona, Italy, 2008.

[7] Matteo Pedraglio. Analisi e qualificazione metrologica di calibrazioni di

telecamere matriciali per applicazioni di Bin-Picking. Politecnico di

[8] Roger Y. Tsai. A Versatile Camera Calibration Techniaue for High-

Accuracy 3D Machine Vision Metrology Using Off-the-shelf TV Cameras and Lenses. IEEE, Journal of Robotics and Automation, Vol. RA-3,

August 1987.

[9] Wang Qi, Fu Li, Liu Zhenzhong. Review on Camera Calibration.

Shenyang Institute of Aeronautical Engineering, Shenyang 110136, China.

[10] Hou Zhenjie, Zhao Jing, Gu Liguo, Lv Guoling. Automatic Calibration

Method Based on Traditional Camera Calibration Approach. Inner

Mongolia Agriculture University, Hohhot, China.

[11] D.C. Brown. Decentering Distorsion of Lenses. Photometric Engineering, pages 444-462, Vol. 32, No. 3, 1966.

[12] R.C. Gonzales, R.E. Woods, S.L. Eddins. Digital Image Processing Using

Matlab. Pearson Education, 2004.

[13] K.S. Fu, R.C. Gonzalez, C.S.G. Lee. Robotics: Control, Sensing, Vision

and Intelligence. Mc Graw-Hill, 1987.

[14] Z.J.Yang, F.Chen, J.Zhao, H.W.Zhao. A Novel Camera Calibration

Method Based on Genetic Algorithm. School of Mechanical Science and

Engineering, Jilin University Changchun, China.

[15] Mooz Bourhooicha, Mahamed Ben Kbelifa, William Puceh. A Non Linear

[16] Yongniian Zhang and Qiang Jit. Camera Calibration With Genetic

Algorithms. IEEE, Transactions on Systems, Man and Cybernetics, Part A:

Systems and Humans, Vol. 31, No. 2, March 2001.

[17] Moez Bouchouicha. A Genetic Algorithm Application to Stereo

Calibration. Toulon-Var Southern University, France.

[18] Liu Wan-Yu, Xie Kai. A Camera Calibration Method based on Neural

Network optimized by Genetic Algorithm. Heilongjiang Scientific

Research Foundation and the Scientific Research Foundation for the Returned Overseas Chinese Scholars.

[19] Melanie Mitchell. An Introduction to Genetic Algorithms. Cambridge, Massachusetts and London, England. Fifth printing, 1999.

[20] Andrew Chipperfield, Peter Fleming, Hartmut Pohlheim, Carlos Fonseca.

Genetic Algorithm Toolbox. University of Sheffield.

[21] R.L Haupt, S.E. Haupt. Practical Genetic Algorithms.May. Wiley, 2004.

[22] J.R Koza, Genetic Programming: on the Programming of Computers by

Means of Natural Selection, MIT Press, Cambridge, MA, 1992.

[23] Y. Ma, S. Soatto, J. Kosecka, S. S. Sastry. An Innovation to 3-D Vision.

Springer, 2004.

[24] E. Trucco, A. Verri. Introductory Techniques for 3-D Computer Vision. Prentice Hall, 1998.

[25] C. Harris and M. Stephens. A Combined Corner and Edge

Detector. Proceedings of the 4th Alvey Vision Conference. pp. 147–151.

1988.

[26] P.E. Gill and W. Murray. Algorithms for the Solution of Non-Linear

Leastsquares Problem. SIAM J Num Anal,15(5):977-992, 1978.

[27] Arun, Huang, Blostein. Least-Squares fitting of Two 3-D Point Sets. IEEE Transaction on Pattern Analysis and Machine Intelligence. Vol. PAMI-9, No. 5, September 1987.

[28] Simone Pavan. Confronto fra un sensore “CMOS HDR” ed un sensore

“CMOS NIR” per la misura di mappe termiche. Politecnico di Milano,

Italy, 2011.