بخشی از مقاله
چکیده
سنجنده جدید تصویر برداری که بی شک تاثیر شگرفی بر کاربردهای فتوگرامتری برد کوتاه داشته و خواهد داشت، کینکت مایکروسافت است. این سنجنده با توانایی اخذ تصاویر با رزولوشن 480*640 و نرخ تصویربرداری 30 فریم بر ثانیه یک انقلاب در برد کوتاه و دید کامپیوتری به شمار می رود. در این مقاله ما با استفاده از یک صفحه آزمون سه بعدی به کالیبراسیون این سنجنده پرداخته ایم که همواره یک قدم مهم در دستیابی به دقت هندسی بالا محسوب می شود.
این کالیبراسیون شامل به دست آوردن پارامترهای داخلی دو سنجنده رنگی و عمق، معادله تبدیل عدد عمق به فاصله ی واقعی و پارامترهای توجیه نسبی بین دو سنجنده است. برای دستیابی به این هدف، یک صفحه کالیبراسیون سه بعدی شامل تارگت های سفید در زمینه سیاه طراحی شده و در یک شبکه تصویربرداری همگرا داده ها اخذ شده اند. در نهایت بعد از آماده سازی تصاویر و قرائت مشاهدات عکسی از طریق حل همزمان تمام پارامترهای مورد نیاز استخراج شده است.
-1 مقدمه
امروزه نیاز به بازسازی یا مدلسازی سه بعدی برای دستیابی به توان اندازه گیری سه بعدی در کاربردهای متفاوت اجتناب ناپذیر است. به عنوان نمونه می توان به کنترل هوشمند رباتها، شناسایی مانع در هدایت اتومبیل[4] ،مهندسی معکوس[17]، طراحی قالب های صنعتی و کنترل کیفی اشاره کرد که از حوزه هایی محسوب می شوند که به اندازه گیری سه بعدی نیاز بنیادی دارند. بسیاری از کاربردهای دیگر نیز وجود دارند که برای دستیابی به اتوماسیون به صورت غیر مستقیم یا مستقیم نیاز به مدل سه بعدی دارند. در راستای برآوردن این نیاز ها ابزار ها و روش های زیادی توسعه یافته است که می توان آنها را در حالت کلی به دو دسته فعال و غیر فعال تقسیم کرد.
از مهم ترین ابزارهای اندازه گیری سه بعدی فعال می توان بهاسکنر های نوری و لیزری[11] اشاره کرد که بی شک نقش مهمی در بازسازی سه بعدی ایفا می کنند. اما علاوه بر هزینه زیاد، که استفاده از آنها را در کاربردهای آماتور محدود می کند، وزن سنگینجابه جایی آنها را بین ایستگاهها برای دستیابی به مدل کامل دشوار می کند و در نهایت ابر نقاط با حجم زیاد تولید می کندکه نیاز به محیط پردازشی ویژه ایجاد می کند
سنجنده فعال دیگری که در کمتر از یک دهه گذشته وارد بازار شده و قیمت کمتری دارد سنجنده ToF می باشد[9] که بیشتر برای کاربردهای برد کوتاه استفاده می شود. این سنجنده که بر اساس زمان جرکت نور مسافت را اندازه گیری می کند، دارای رزولوشن بسیار پایینی می باشد اما توان تصویربرداری با نرخ 30 فریم بر ثانیه را دارا می باشد.[5] مهم ترین کاربرد این سنجنده که در سطح گسترده به کار رفته است می توان به نصب آن در اتومبیل ها برای شناسایی موانع نام برد.
اما جدید ترین ابزار ارائه شده که دارای توانایی ایجاد مدل سه بعدی می باشد کینکت مایکروسافت می باشد که یک سخت افزار جانبی ارائه شده در کنار ایکس باکس است و به منظور شناسایی حرکات انسان برای ارتباط آسان تر با کاربر طراحی شده است؛ اما می تواند برای اسکن و بازسازی محیط با دقت قابل قبولی استفاده شود. این دستگاه از چهار بخش شامل دو سنجنده تصویربرداری با کیفیت VGA، یکی در بازه نور مرئی و دیگری مادون قرمز، یک پروژکتور مادون قرمز و یک پردازنده تشکیل شده است. نحوه کار این سیستم در [7] آمده است.
هر سیستمی پیش از اندازه گیری نیاز به کالیبراسیون دارد و این فرایند در سیستم های مختلف از سیستم های با پایداری بالا تا سیستم های ناپایدار وجود دارد اما پیاده سازی آن متفاوت است. از آنجایی که در طراحی سنجنده کینکت، پایداری فاکتور مهمی تلقی نمی گردد این کمبود می بایست در فرایند کالیبراسیون جبران گردد. همچنین از آنجایی که شرکت های دیگر مانند ایسوز نیز به ارائه سنجنده های مشابه اقدام کرده اند می توان یک روش کالیبراسیون برای تمام سنجنده ها ارائه کرد.
در دو سال گذشته بعد از ارائه کینکت به بازارهای جهانی تلاش های قابل توجهی برای کالیبراسیون این سنجنده به کار رفته است. راج[15] با استفاده از صفحه کالیبراسیون ژانگ[18] در به دست آوردن پارامترهای توجیه داخلی سنجنده رنگی موفق بوده است اما باقی پارامتر ها دقت خوبی ندارند. سیمسک[14] با استفاده از همان صفحه کالیبراسیون به آنالیز بهتری از دقت و صحت کینکت پرداخته است اما تاثیر مثبتی در نتایج وی مشاهده نمی شود. خوش الهام[6] به معادلات ریاضی به کار رفته درکینکت پرداخته و این بار بااستفاده از صفحه کددار به کالیبراسیون اتوماتیک پرداخته است. در [2] و [13]نیز به بررسی دقت و صحت کینکت پرداخته شده اما روش مناسبی برای افزایش دقت آن ارائه نکرده اند. همچنین شرکت هایی که درایور های کینکت را ارائه کرده اند هر کدام یک کتابخانه کالیبراسیون همراه آن ارائه کرده اند که مهم ترین آنها که دقت هندسی را مد نظر قرار داده است [12] می باشد.
در ادامه روش پیشنهادی کالیبراسیون همراه با معادلات ریاضی به کار رفته در آن توضیح داده شده است. سپس در بخش پیاده سازی مراحل اجرایی به صورت شفاف تر آمده و در نهایت در فصل نتایج آنالیزی از دقت و صحت پیاده سازی ها همراه با مقایسه آن با روش های دیگر بیان شده است.
-2 روش پیشنهادی کالیبراسیون
در تصویر 1، نمای کلی از مراحل دستیابی به کالیبراسیون بیان شده است. در مرحله پیاده سازی هر قسمت به صورت گسترده تری توضیح داده شده است. در اینجا معادلات ریاضی مورد نیاز برای دستیابی به پارامترهای مورد نیاز آورده شده است.
شکل .1 نمای کلی از فرایند کالیبراسیون
معادلات توجیه داخلی مورد استفاده که در معاله - - آمده از [3] استخراج شده است. گرچه این معادله، شامل تمام پارامترها می باشد اما در قسمت نتایج آمده است که می توان تعدادی از پارامتر ها را به خاطر وابستگی حذف کرد.مدل مورد استفاده برای داده های عمق از [6] است که با یکسری معادلات رایج دیگر مقایسه شده است.
اندازه گیری مرکز تارگت ها - قرائت مشاهدات عکسی - ، بعد از پیش پردازش تصاویر برای قرائت ساده تر در نرم افزار[1Australis]انجام شده است. از آنجایی که خروجی نرم افزار، پارامترهای توجیه خارجی است و هدف نهایی ما پارامتر های توجیه نسبی است، یکسری معادلات که از معادله شرط هم خطی - معادله - 3 استخراج می شوند و در ادامه آمده اند برای تبدیل نیاز داریم.
-3 پیاده سازی
این مرحله شامل قدم های زیر می باشد.
· طراحی و ایجاد یک صفحه کالیبراسیون ساده اما کاربردی.
· تصویر برداری در شبکه همگرا.
· محاسبات نرم افزار شامل حل همزمان معادلات سرشکنی برای به دست آوردن پارامترهای توجیه داخلی و خارجی.
· محاسبه پارامترهای توجیه نسبی با استفاده از معادلات .
· برازش معادلات عمق برای محاسبه ضرایب آن.
- 1- 3 صفحه کالیبراسیون
در این مقاله یک صفحه کالیبراسیون به صورت دستی ساخته شده است. ساختار این صفحه به گونه ای است که می بایست تارگت ها در هر دو تصویر عمق و رنگی به آسانی قابل تشخیص و قرائت باشند.
