Authors: Fiedler, David Norbert
Title: Beiträge zur Analyse, Modellierung und Kalibrierung von Kameras und 3D-Tiefensensoren
Language (ISO): de
Abstract: Zahlreiche Anwendungen des Visual Computing basieren auf visuellen Daten, die durch entsprechende Sensoren erfasst werden. Dabei spielt eine möglichst genaue Kenntnis über das Abbildungsverhalten der Sensoren eine wesentliche Rolle. Diese Dissertation befasst sich mit der Analyse, der Modellierung und der Kalibrierung von Kameras und 3D-Tiefensensoren, mit den Zielen der Steigerung der Realitätsnähe der erfassten Daten und der Abschätzung der Abweichung der erfassten Daten von der Realität. Der erste Teil dieser Dissertation widmet sich einem neuen Verfahren zur Linsenverzerrungskorrektur. Zunächst wird ein parameterabhängiges Korrekturmodell für die Korrektur der Linsenverzerrung gewählt und anschließend eine Zielfunktion definiert, anhand der die Entzerrungsparameter optimiert werden. Dabei sind sowohl das Korrekturmodell als auch die Zielfunktion unabhängig vom Lochkameramodell und somit von den extrinsischen und intrinsischen Parametern. Die vorgeschlagene Zielfunktion basiert auf der Annahme, dass gerade Linien in der Szene auf gerade Linien im Kamerabild projiziert werden, und dass eine Verletzung dieser Eigenschaft auf eine vorhandene Linsenverzerrung zurückzuführen ist. Zur Erfassung der Linienstrukturen werden einfache schachbrettartige Kalibrierobjekte eingesetzt. Der aus dem Kontext der Objektverfolgung (Tracking) bekannte Condensation-Algorithmus wird derart angepasst, dass er als stochastischer partikelfilterbasierter Optimierer zur Berechnung der optimalen Entzerrungsparameter dient. Nach einer umfassenden Untersuchung der Kontrollparameter des Condensation-Algorithmus wird die Korrekturleistung des vorgeschlagenen Verfahrens mit existierenden Verfahren verglichen, wobei insbesondere bei starker Linsenverzerrung und zunehmendem Rauschen mit dem neuen Ansatz deutlich bessere Ergebnisse erzielt werden können. Um einen direkten Vergleich der Optimierer unter Verwendung des vorgeschlagenen Verfahrens zu ermöglichen, wird der stochastische partikelfilterbasierte Optimierer gegen den deterministischen Levenberg-Marquard-Algorithmus ausgetauscht. Mit Ausnahme eines untersuchten Spezialfalls ist das vorgeschlagene stochastische Verfahren überlegen. Der zweite Teil der Dissertation liefert Beiträge im Bereich der 3D-Tiefensensoren, die anhand des Kinect-Tiefensensors erarbeitet werden, jedoch auch auf andere Tiefensensoren übertragbar sind. Zunächst wird auf die Messfehlerbeschaffenheit in den Tiefenbildern der Kinect eingegangen, die sowohl von Sensorort (Position im Tiefenbild) als auch von der Messdistanz abhängig ist. Es werden zwei auf planaren Oberflächen basierende Korrekturansätze (Delta-Plane und MDP) vorgestellt, die auf einem heuristischen Korrekturmodell basieren und durch eine tabellarische Beschreibung effizient eingesetzt werden können. Die Korrekturleistung wird anhand unterschiedlicher Testszenarien sowohl quantitativ als auch qualitativ beurteilt und demonstriert. Einen weiteren Beitrag stellt ein homographiebasiertes Verfahren zur Online-Referenzmessdatengewinnung dar, welches mit einfachen Kalibrierobjekten sowie der bereits in der Kinect integrierten Hardware vollständig durchführbar ist. Dieses Verfahren ermöglicht eine kostengünstige und interaktive Aufdeckung und Beurteilung von Messfehlern während des laufenden Betriebs. Ein weiterer Teil der Dissertation widmet sich der Aufdeckung unterschiedlicher umweltbedingter Auswirkungen auf den Tiefensensor sowie auf die internen Kameras der Kinect, wobei insbesondere der Temperatur ein wesentlicher Einfluss nachgewiesen wird. Als Konsequenz aus den Beobachtungen und Experimenten wird eine Reihe von praktischen Regeln abgeleitet, die zur Fehlervermeidung bzw. Fehlerreduktion während des Kalibrier- und Messvorgangs der Kinect beitragen. Zuletzt wird ein experimenteller Nachweis der Robustheit des MDP basierten Korrekturverfahrens gegenüber Umwelteinflüssen erbracht.
Subject Headings: Maschinelles Sehen
Kamerakalibrierung
3D-Tiefensensoranalyse
3D-Tiefensensorkorrektur
URI: http://hdl.handle.net/2003/33118
http://dx.doi.org/10.17877/DE290R-15461
Issue Date: 2014-05-13
Appears in Collections:LS 07 Graphische Systeme

Files in This Item:
File Description SizeFormat 
Dissertation.pdfDNB33.66 MBAdobe PDFView/Open


This item is protected by original copyright



This item is protected by original copyright rightsstatements.org