Ellipse-Based Camera Calibration. Calibration de Caméra à Base D'ellipses

Ellipse-Based Camera Calibration

Calibration de Caméra à Base D'ellipses

J-P.Tarel A. Gagalowicz 

INRIA, Domaine de Voluceau, Rocquencourt, B.P . 105, 78153 Le Chesnay Cedex, France

Page: 
177-187
|
Received: 
6 September 1994
|
Accepted: 
N/A
|
Published: 
30 April 1995
| Citation

OPEN ACCESS

Abstract: 

An important task in most 3D vision systems is camera modeling. We present a calibration method designed for a good accuracy in the parameters estimation. Accurate image measurments are required to perform the camera model estimation. We suggest a technique, based upon surface photometry analysis, to compute robustly and accurately the moments of a shape in an image, and use them as inputs for the estimation algorithm. As a consequences, an ellipse-based camera calibration is introduced, which uses the relationships between the specification of a 3D-ellipse, the moments of its image and the calibration parameters. These equations are partially extended to models including distortions. 

Résumé

En vision par ordinateur, il est souvent utile de connaître un modèle de la caméra pour pouvoir obtenir des informations 3D à partir des images. Nous présentons une méthode de calibration (ou calibrage) de caméra conçue pour fournir une estimation précise des paramètres du modèle de prise de vue . Pour avoir une bonne estimation, il est nécessaire avant tout d'avoir de bonnes mesures dans l'image. Nous avons choisi d'utiliser les moments géométriques d'une région comme les données `image' à fournir à l'algorithme, car ils peuvent être calculés avec précision et robustesse en se fondant sur la photométrie des surfaces . Cela nous a conduits à développer une calibrationà base d'ellipses. Pour cela, le lien exact entre la description d'une ellipse de l'espace 3D et les moments d'ordre inférieur ou égal à deux de sa projection a dû être explicité en fonction des paramètres de lacalibration. Ces relations sont en partie étendues au cas où les distorsions sont modélisées. 

Keywords: 

Sub-pixel estimation, shape moments, ellipse representations, distortions, camera calibration, perspective geometry.

Mots clés

Estimation sub-pixel, moments d'une forme, représentations de l'ellipse, distorsions, calibration de caméra, géométrieperspective.

1. Introduction
2. Modélisation de la Caméra
3. Mesures dans l'Image
4. Transformation Perspective d'une Ellipse
5. Résolution
6. Résultats
7. Conclusion
  References

[AATRM89] A. Abi-Ayad, B. Thiesse, C. Ragi, and Ph. Marthon.Les multiple facettes du problème de calibrage de caméras. In 7ème congrès AFCE Reconnaissancedes Formeset IntelligenceArtificielle, 1989. 

[Bey92] H.A. Beyer. Accurate calibration of ccd-cameras. InIEEE Internationc Conference on Computer Vision, pages 96-101, Champaign, June 1992. 

[BMV93] B. Boufama, R. Mohr, and F. Veillon. Euclidean constraints fc uncalibrated reconstruction. InIEEE International Conference on Compute Vision, pages 466-470, Berlin, March 1993 . 

[CR89] F. Chaumette and P. Rives. Modélisationet calibration d'une caméra. I 7ème congrèsAFCET, Reconnaissance des Formeset IntelligenceArtificielle 1989. 

[CT90] B. Caprile and V. Torre. Using vanishing points for camera calibratior International Journal of Computer Vision, 4,pages 127-140, 1990. 

[Der87] R. Deriche. Using canny's criteria to derive an optimal edge detectc recursively implemented. International Journal of Computer Vision, 1(2: 1987. 

[DS83] J.E. Denis and R.B. Schnabel. Numerical methods for unconstraine optimization and non linear equations.Prentice-Hall, Englewood Cliffs, N. 1983. 

[FT86] O.D. Faugeras and G. Toscani. The calibration problem for stereo. I Proceedings, CVPR '86 (IEEE Computer Society Conference on Compute Vision and Pattern Recognition, Miami Beach,_ FL, June 22 26, 1986), IEE] Publ. 86CH2290-5, pages 15-20. IEEE, 1986. 

[Her92] I. Herman. The Use of Projective Geometry in Computer Graphic; Springer-Verlag, 1992. 

[HR92] M.Han and S. Rhee. Camera calibration for three-dimensional measure ment. Pattern Recognition, 25(2), pages 155-164, 1992. 

[LT88] R.K. Lenz and R.Y. Tsai. Techniques for calibration of the scale factc and image center for high accuracy 3-d machine vision metrology. IEE, Transactions on Pattern Analysis and Machine Intelligence, 10(5), page 713-720, 1988. 

[Ma93] S. De Ma. Conics-based stereo, motion estimation and pose determination International Journal of Computer Vision, 10(1), 1993. [Pér93] J.Ph. Pérez. Optique géométrique matricielle et ondulatoire. Massor 1993.

[PHYP93] T.Q. Phong, R. Horaud, A. Yassine, and D.T. Pham. Optimal estimation of object pose from a single perspective view . In IEEE International Conference on Computer Vision, pages 439-446, Berlin, March 1993 . 

[Rag89] C. Ragi.N.O.LS.LVun systèmepourl'expérimentationen vision passive tridimensionnelle parordinateur.PhD thesis,Institutnationalpolytechnique de Toulouse, 1989. 

[RZMF92] C.A. Rothwell, A. Zisserman, C.I.Marinos,and D.A. Forsyth. Relative motion and pose from arbitrary plane curves. Image and Vision Computing, 10(4), pages 250-262, 1992. 

[Tar94] J.P. Tarel. Calibration de caméra fondée sur les ellipses. Rapport de recherche 2200, INRIA, 1994. 

[Tsa86] R.Y Tsai. An efficient and accurate camera calibration technique for 3d machine vision. InConference on Computer Vision and Pattern Recognition, pages 364-374, Miami Beach, USA, June 1986. 

[Vai90] R. Vaillant. Géométrie différentielleet vision par ordinateur : détection et reconstruction des contoursd'occultation de la surface d'unobjet nonpolyédrique. PhD thesis, Université Paris-Sud, 1990. 

[WCH90] J. Weng, P. Cohen, and M. Herniou. Calibration of stereo cameras using a non linear distortion model. InProceedings, Tenth International Conference on Pattern Recognition, pages 246-253, Atlantic City, USA, June 1990.