El éxito de las aplicaciones basadas en la percepción tridimensional requiere básicamente un algoritmo preciso de calibración de cámaras y un algoritmo robusto de reconstrucción de los datos tridimensionales (3D). Presentamos una metodología de modelización-calibrazión de cámaras que modeliza diversos tipos de distorsión en dos componentes: radial y tangencial. Para la estimación de los parámetros del modelo, proponemos la introducción de una ponderación del tipo factor de olvido en la función a minimizar. Mostramos asimismo una estrategia basada en el concepto de filtro de Kalman, que explota los resultados obtenidos para una reconstrucción óptima de las coordenadas 3D. La implantación y experimentación de estos algoritmos han permitido evaluar las soluciones propuestas.
The success of many applications based on three-dimensional perception depends on a high accuracy camera calibration algorithm, and a robust 3D data reconstruction algorithm. We present a camera calibration method with several types of distorsion which are modeled in two components: tangential and radial. Parameters estimation is performed using the weighted least squares method. We show that it is possible to recover an optimal solution in reconstruction of 3D coordinates, using a Kalman filter approximation. Experimental results show the feasability and the performance of these algorithms.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados