Un Metodo de Calibracion de Camara Basado en
un Patron de Anillos
Mendoza V. Pavel Ocsa S. Leonel
Universidad Catolica San Pablo Universidad Catolica San Pablo
Arequipa, Peru Arequipa, Peru
Email: pmendozavx@gmail.com Email: leonel.ocsa.sanchez@ucsp.edu.pe
AbstractAqu va el abstract archisupermegarecontraultraes-
tupido
I. I NTRODUCCI ON
La calibracion de camaras es un paso fundamental en visual
computacional 3D con la finalidad de extraer informacion
metrica de imagenes 2D. Es as, que en la actualidad se ha
desarrollado un vasto numero de metodos de calibracion de
objetos, los cuales dependen de la dimension de los objetos.
Dichos metodos se clasifican en 2 grandes categoras [1]:
Calibracion fotometrica: la cual se realiza observando
un objeto en el espacio 3D, los parametros de dicho
objeto se conocen con mucha precision. Este tipo de
calibracion es actualmente un reto en la astronoma.
Auto-calibracion: la cual no usa ningun tipo de cali-
bracion sobre el objeto, ya que solo basta con mover la
camara en una escena estatica. Para ello la camara debe
tener sus parametros internos calibrados, de tal que modo
que al tener al menos 3 imagenes se puedan reconstruir
sus parametros internos y externos dando como resultados
una reconstruccion 3D.
En el caso de calibracion 2D es necesario el uso de un patron
externo que es mostrado en diferentes angulos y posiciones,
sin embargo existen diferentes tipos de calibracion y cada una
de ellas depende de la situacion en donde seran usadas.
Durante el proceso de calibracion es importante realizar
ciertos procesos clave como la deteccion de esquinas del
patron que puede ser realizado con el algoritmo de Harris, sin
embargo si la resolucion de la imagen no es la adecuada se
puede aplicar otras tecnicas para estimar las lneas del patron.
Otras opciones son aplicar filtros de suavizado sobre la imagen
y realizar una deteccion de bordes con Canny.
Antes de comenzar con el metodo propuesto es importante
definir ciertos terminos:
Extraccion de caractersticas: Normalmente se aplican
deteccion de bordes como Harris, para la deteccion de
bordes, sin embargo los resultados no son tan precisos.
Una idea general que se aplica es realizar una estimacion
de los bordes del padron, dibujando una cuadricula,
simplemente basta con detectar las esquinas y realizar el
trazo e interseccion de las mismas. Esto se logra mediante
la deteccion de bordes.
Aquino Ch. Yesica
Universidad Catolica San Pablo
Arequipa, Peru
Email: yaquinoc@gmail.com
Valores extrinsecos e intrinsecos: Estos parametros son
hallados calculando la matriz de proyeccion. Los valores
intrinsecos requieren que la imagen no este distorsionada,
y esto lo logramos mediante los parametros de distorcion.
Al corregir la distorsion se obtiene una imagen con
perspectiva real, y como resultado de ello, es posible
determinar los 5 valores intrinsecos, correspondientes
a coordenadas x e y del centro de la proyeccion, la
distancia focal, el aspect ratio y el angulo entre los
ejes opticos. Por otra parte los parametros extrinsecos
representan la rotacion y traslacion en el espacio, asi
mismo describen la posicion y direccion de la camara en
el mundo. La rotacion esta representada por una matriz
de 3x3, mientras que la traslacion por un vector 3x1. La
importancia de la matriz extrinseca de valores describe
como el mundo es transformado en relacion a la camara.
Root Mean Square (RMS): Representa la precision de
los parametros encontrados, el cual debe tener un valor de
cercano a 0. Mientras mas cercano a 0 mayor precision
tendran los resultados. Para calcular este error se hace un
calculo de la media de todos los errores calculados para
cada uno de los frames de una escena, a este error por
frame se le llama error de re-proyeccion final.
Nuestro principal aporte es el desarrollo de un algoritmo
que determine la distancia de un patron de circulos y otro
de anillos hacia la camara, para esto, se tuvo que encontrar
los centros del patron realizando un tracking a los puntos
encontrados, para hallar los valores intrnsecos, extrnsecos y
RMS. Finalmente nuestros resultados fueron comparados con
el algoritmo que tiene OpenCV ya implementado.
Subsection text here.
II. M ETODO P ROPUESTO
En esta seccion se detalla el metodo de calibracion prop-
uesto. Metodos tradicionales suelen considerar tracking sobre
el patron con el proposito de manejar falsos positivos o ele-
mentos perdidos en los keypoints debido a la poca resolucion
o distorsion de la camara. Sin embargo, un enfoque de este
tiempo sacrifica tiempo de computo. Nuestra propuesta es un
metodo frame a frame que funciona incluso en camaras con
alta distorsion permitiendo un procesamiento en tiempo real
en escala de grises.
A. Pre-Procesamiento
Para la deteccion de los keypoints se puede usar la deteccion
de crculos, los cuales pueden definirse a partir del permetro
de las figuras. Sin embargo, debido a la perspectiva de la
camara, los crculos suelen verse como elipses, los cuales son
ajustados a partir del permetro con un algoritmo de ajuste
de conicas [2]. Para una correcta identificacion se aplica un
filtro Gaussiano para suavizar la imagen antes de binarizar la
imagen con un threshold adaptativo [3]. Para la deteccion de
bordes se empleo el filtro de Canny.
B. Deteccion de Keypoints
Un keypoint es definido a partir de las elipses. Para una
correcta seleccion de dichos keypoints, se toma en cuenta el
hecho que, segun sea el patron elegido, los puntos buscados
son centros de 2 y 4 elipses casi concentricos en el caso
del patron de crculos y anillos respectivamente. Un keypoint
es tomado como el centroide de dichas elipses. El conjunto
de keypoints dentro del patron es obtenido a partir de una
busqueda en anchura que emplea una distancia mnima adap-
tativa entre keypoints
C. Manejo de Ambiguedades
La deteccion de erronea de keypoints puede descartarse a
partir de la excentricidad de las elipses calculadas con un
umbral que depende de la distorsion en los crculos debido a la
camara y es fijado manualmente. Otro parametro que permite
descartar falsos positivos es la relacion permetro y area de la
elipse.
B. Patron de Anillos
IV. C ONCLUSIONES
Se pudo realizar una calibracion de camara con un RMS,
muy cercano al valor obtenido por OpenCV.
Se implemento un metodo automatico de deteccion de
puntos control para la calibracion usando los patrones: crculos
(antisimetrico) y anillos (simetrico).
Mediante la deteccion y tracking de los centros fue posible
usar dichos parametros a lo largo de varias pruebas en distintos
frames y determinar los valores de distorsion.
Se hicieron correciones de distorcion para obtener una
correcta perspectiva de la escena.
Las pruebas del calculo de la distancia a la camara
mostraron tener una distancia mnima con un promedio de
300mm y un maximo de 500mm lo cual se concluye que esta
dentro del rango aceptado.
Se implemento una herramienta GUI que facilita la tarea de
calibracion y visualizacion de distancia a camara.
AGRADECIMIENTOS
Aqui van los agradecimientos
R EFERENCES
[1] R. Hartley and A. Zisserman, Multiple view geometry in computer vision.
Cambridge university press, 2003.
[2] A. W. Fitzgibbon, R. B. Fisher et al., A buyers guide to conic fitting,
DAI Research paper, 1996.
[3] B. R. Masters, R. C. Gonzalez, and R. Woods, Digital image processing,
Journal of biomedical optics, vol. 14, no. 2, p. 029901, 2009.

III. P RUEBAS Y R ESULTADOS

Se presentaran los resultados obtenidos con los diferentes

patrones con los que se probo (circulos y anillos) dando enfasis
en la comparacion con la calibracion que realiza OpenCV con
el patron de crculos.

A. Patron de crculos

TABLE I
C OMPARACI ON DEL RMS OBTENIDO CON EL PATR ON DE C IRCULOS ,
HACIENDO USO DE NUESTRO ALGORITMO Y EL ALGORITMO USADO POR
O PEN CV, CON DIFERENTE CANTIDAD DE FRAMES .

Numero de RMS obtenido RMS obtenido

Frames usados por nuestro por OpenCV
para calibrar algoritmo
25 0,3523 0,3471
35 0,3477 0,3377
45 0,3565 0,3438
55 0,3655 0,3521
65 0,3643 0,3508
75 0,3729 0,3582
100 0,3758 0,3628