Previous camera calibration methods often use a checkerboard to capture images and estimate the camera parameters from the correspondences between images and the checkerboard. The corner points in the checkerboard images are used as useful features for correspondence matching. Therefore, it is essential to precisely find the corner points in the checkerboard images. In many previous works, the corner points are extracted assuming that the checkerboard images are not distorted by its lens. Instead, image blurring and Gaussian noise on the images are usually considered, but other cases are not dealt with. However, the captured checkerboard images are often corrupted by lens distortions and compression artifacts, which leads to performance degradation of corner point extraction.
Moreover, the corner points are extracted individually in the previous methods without considering their geometric relations. To better handle the corner point extraction problem under lens distortions, in our corner point extraction optimization, the distorted locations of the pixels on checkerboard images are corrected with the camera parameters, and the structural constraints for checkerboard image grids are then applied under the line-to-line mapping. Also, to robustly find the blurred edges between corner points due to JPEG compression, an edge surface model is newly proposed that models the transitions with over- and under-shoots around the blurred edges.
Extensive experimental results show the effectiveness of our method that significantly outperforms existing methods in finding the corner points, thus leading to robust camera parameter estimations under compression and lens distortions for synthetic and real data. In addition to this, our study proposes a method to find checkerboard images suitable for the camera calibration based on RANSAC. We suggest new patterns for the camera calibration and evaluate the patterns theoretically and experimentally by the accuracy of the extracted corner points.
기존의 카메라 캘리브레이션 방법에서는 체크보드 보드의 영상을 촬영하고, 영상과 보드 간의 대응 관계로부터 카메라 파라미터를 추정한다. 이런 카메라 캘리브레이션에서 체크보드 영상의 코너 점은 굉장히 유용한 특징점으로, 정확한 파라미터 추정을 위해서는 정확한 코너 점 추정이 필요하다. 기존의 코너 점 추출 방법들 에서는 체크보드 영상이 왜곡이 되어 있지 않다는 전제에서 코너 점을 구한다. 영상이 흐려지거나, 가우시안 노이즈가 영상에 끼는 정도는 다뤄지지만, 그 외의 현상들은 무시된다. 그러나 렌즈 왜곡 혹은 영상 압축에 의해서 영상은 훼손되는 것이 일반적이며, 이런 현상들은 정확한 코너 점을 추출하는데 방해가 된다. 더욱이 기존의 방법들에서 코너 점들이 추출될 때 코너 점들이 이루는 구조가 고려되지 않는다. 왜곡된 영상에서 코너 점들의 구조를 다루기 위하여, 본 연구에서는 카메라 파라미터로 보정 된 영상에서 체커보드의 그리드 구조에 의한 코너 점들의 구조가 고려된다. 또한, 압축 왜곡에 의해 훼손된 에지에 적합한 에지 표면 모델을 제안한다. 다양한 실험 결과로부터 제안 방법의 코너 점 추정 방법이 기존 방법들을 성능면에서 능가하였고, 이를 통하여 가상 및 실제 영상의 실험에서 카메라 캘리브레이션의 결과가 가장 정확하게 나옴을 확인하였다. 추가적으로 본 연구에서는 RANSAC을 이용하여 카메라 캘리브레이션에 적합한 영상을 찾는 방법을 제안한다. 마지막으로 카메라 캘리브레이션을 위한 여러 패턴들을 디자인하고, 어떤 패턴에서 가장 정확한 코너 점들이 추출되는지를 이론적인 계산과 가상 데이터 실험을 통하여 확인한다.
