This dissertation deals with the issues for the automation of the camera calibration process for robotic applications. The applications may include mobile robot localization and 3-D object modeling, where autonomy is essential. For example, a mobile robot needs a constant relocalization during navigation, the reliability of which, in large part, is influenced by unknown systematic errors in the postulated sensor model. In this dissertation, camera rotation and focal length variation are assumed to be the primary sources that cause systematic errors in 3-D measurements by the monocular vision system. In order to cope with such changes in camera parameters, an active calibration method is proposed in which vanishing points are primary tools to realize the aim. The proposed calibration method consists of two fundamental stages: unsupervised line extraction for vanishing point detection and estimation of the camera parameters.
Unsupervised line clustering is a fundamental step to extract vanishing points from parallel lines. It is assumed that each line support region (LSR) in an image is composed of pixels that share similar gradient orientation values. Therefore, by an appropriate partitioning of gradient space, the sets of parallel lines can be more easily extracted. Bhattacharyya distance is introduced to define a measure for cluster separability and thereafter to validate the number of inherent clusters. Subsequent to the cluster validation stage, each extracted line support region undergoes a consistency test to ensure its validity in terms of uncertainty descriptors. For the consistency test, an entropy-based line selection scheme is formulated and a theory from robust statistics is adopted. The feasibility of the proposed method is assessed by comparing the estimated positions of vanishing points with manually detected ones.
The calibration procedures exploit several properties from projective geometry, mainly from the basic property of geometric invariance under perspective transformation. Modeling of camera rotational motion on the Gaussian sphere is presented and subsequently, focal length and rotation parameters calibration method is explained using a square pattern as the calibration object. The feasibility of the proposed calibration method is shown by experiments and error analysis by simulation. The proposed calibration method is extended to the case of a rectangle with three images obtained from camera rotation. Evolutionary programming algorithm is adopted to reduce pixel noise effect and calibration performance is demonstrated by simulation and experiment. The proposed calibration method has main contribution toward the replacement of the eccentric objects with simple rectangular-shaped patterns and automation of the calibration process including feature extraction stage.
본 논문에서는 로봇 응용을 위한 카메라 캘리브레이션 과정의 자동화에 관련된 문제를 다룬다. 응용의 예로는 이동 로봇의 위치 추정이나 3차원 물체의 모델링과 같이 자동화가 중요한 의미를 가지는 작업을 포함한다. 예를 들어, 이동 로봇의 경우 주행중에 지속적인 위치 추정이 필요한데 대부분의 경우, 추정치의 신뢰성은 가정된 센서 모델에서의 알려지지 않은 계통 오차에 의해 영향을 받게 된다. 본 논문에서는 단일 비젼 시스템을 이용한 3차원 거리 측정의 경우에 있어서 회전 변수와 촛점 거리의 변화를 계통 오차의 원인으로 가정하기로 한다. 카메라 변수에 있어서의 이러한 변화에 대처하기 위해서 능동적인 캘리브레이션 방법을 제안하며 소실점을 이용하여 이를 구현한다. 제안된 캘리브레이션 방법은 크게 두 가지 단계로 구분되어지는데 이것은 소실점 추출을 위한 자율적인 선분 추출 방법과 카메라 파라메타의 추정이다.
자율적인 선분 클러스터링은 평행한 선분으로부터 소실점을 추출하기 위해서는 필수적인 과정이다. 본 방법에서는 각각의 선분 영역은 비슷한 기울기 방향을 가지는 픽셀들로 구성되어 있다고 가정한다. 따라서, 기울기 성분 영역의 적절한 분리를 통해 평행선들의 집합을 쉽게 추출할 수 있다. 클러스터의 분리 가능성을 나타내기 위해 Bhattacharyya 거리 함수를 도입하며 이를 통해 내재하는 클러스터의 수를 알아낸다. 클러스터의 수를 파악한 후, 추출된 선분 영역은 각각의 타당성을 조사하기 위해 불확실성 기술자를 이용하여 일관성 검사를 거치게 된다. 일관성 검사는 엔트로피에 근거한 선분 선별 과정과 robust statistics의 방법으로 이루어진다. 제안된 방법의 타당성은 소실점의 추정 위치와 수작업으로 추출된 소실점의 위치를 비교하여 평가된다.
캘리브레이션 과정은 사영 기하학의 여러 성질을 이용하며 특히, 원근 변환하에서도 변하지 않는 기하학적인 성질을 주로 이용한다. 가우시안 구면위에서의 카메라 회전 운동에 대한 모델링을 소개하며, 촛점 거리와 회전 변수에 대한 캘리브레이션 방법을 설명한다. 이 때의 캘리브레이션 대상 물체는 정사각형 패턴을 이용한다. 제안된 캘리브레이션 방법의 타당성은 실험과 시뮬레이션을 통한 에러 분석을 통해 보인다. 본 방법은 직사각형 패턴의 경우로까지 확장할 수 있으며 이것은 카메라의 회전을 통해 얻어지는 세 장의 이미지를 통해 구현된다. 픽셀의 잡음 효과i}OE 줄이기 위해 진화 연산 알고리즘을 도입하며 캘리브레이션 방법의 성능은 시뮬레이션과 실험으로 보인다. 제안된 캘리브레이션 방법의 주된 기여도는 기존 방법에서 사용되어 왔던 특수한 대상 물체를 사용하지 않으며 일상적인 환경에서 쉽게 구할 수 있는 단순한 직사각형 패턴을 이용한다는 점이며 또한, 특이점 추출 단계를 포함한 캘리브레이션 과정의 자동화이다.
