OBJETIVOS ESPECÍFICOS

Evaluar el estado actual de la calibración de cámaras digitales y hacer

un análisis de los distintos métodos disponibles.
Desarrollar una metodología, con base en las técnicas existentes para
calibrar cualquier cámara digital con un buen porcentaje de precisión y
eficiencia.
Realizar un estudio comparativo entre el método implementado y los
procedimientos ya conocidos y cuantificar su utilidad.

Optimizar el método obtenido y el programa que lo implementa para

dejarlo a la altura de los desarrollos actuales más evolucionados.

Validar el sistema implementado con la calibración de diferentes

cámaras digitales que vayan a ser utilizadas en aplicaciones de visión
artificial.

Desarrollar una herramienta que sirva de punto de partida a la

automatización del procedimiento de calibración de cámaras digitales.
 Aplicaciones principales del proyecto:
• 1.Reconstrucción básica: cada punto de la imagen
determina un rayo óptico que pasa a través del punto focal
hasta la escena por lo cual permite obtener la posición
métrica de un punto 3D.
• 2. Inspección visual: una vez se ha hecho una
reconstrucción de la medida de los objetos, se puede
comparar con un patrón almacenado para detectar
imperfecciones de manufactura.
• 3. Localización de objetos: De los puntos de diferentes
objetos se puede determinar la posición relativa entre
ellos, lo cual es muy útil para ensamblaje de partes
industriales y la navegación de robots.
• 4. Localización de la cámara: cuándo la cámara es
colocada en la mano de un brazo de robot, la posición y
orientación de la cámara puede ser computada a través de
la localización de algunos puntos referenciales conocidos.
 Otras Aplicaciones
Calibrar una cámara digital también
sirve para
Medición de distancias en un plano de
trabajo
Corrección de distorsiones ópticas
Reconstrucción de objetos planos a partir
de sus imágenes.
Posicionamiento de objetos para
aplicaciones estereoscópicas
 En qué consiste la calibración de una
cámara digital?
Calibrar una cámara digital es obtener un modelo
que represente la transformación que se hace al
tomar una foto, en la que un elemento tridimensional
se describe en una imagen bidimensional.

R3 transformación R2
Representación gráfica de la transformación
de una imagen mediante un modelo pinhole
y

P
z

O
P´
x

Una cámara pinhole produce una imagen que

es una proyección perspectiva del mundo
Representación
Z

gráfica de la Marco de la

transformación de
escena

Objeto de
una imagen (2) calibración
B

X
Y
Marco
de la v
Z’
imagen u
M
X’ O
b Esta línea
representa la
transformación
de la imagen de
R3 a R2 con el
respectivo
En esta gráfica se asume que
el plano de la imagen está
desplazamiento
Marco Y’ frente al plano de la cámara. de coordenadas.
de la
cámara
 CALIBRACIÓN:
Determinación de los parámetros involucrados en el proceso de
captación:

Parámetros intrínsecos:
Son propios de la cámara no dependen de su posición
Factores de escala: Ku, Kv,
Distancia focal: f
Punto principal: Cx, Cy
Distorsión: Dx, Dy

Parámetros extrínsecos:
Dependen del posicionamiento de la cámara.

Vector de traslación: T
Matriz de rotación: R
 PATRÓN DE CALIBRACIÓN
Los patrones de calibración consisten en arreglos de elementos
geométricos. Los arreglos pueden ser planos o no.
En este trabajo se han utilizado grillas planas de circunferencias
colocados de tal manera que forman un esquina
La exactitud del patrón es fundamental para lograr una buena
calibración.
 ETAPAS DEL PROCESO DE
CALIBRACIÓN

Ecuaciones del sistema: Modelo matemático.

Obtención de datos de campo: Proyección

sobre la imagen de puntos 3D conocidos.

Determinación de los parámetros: Resolución

de las ecuaciones con los datos de campo.
 METODOS DE CALIBRACIÓN DE CÁMARAS
Los métodos de calibración de cámaras pueden ser
clasificados de acuerdo a diferentes criterios:
1. Calibración lineal versus calibración no lineal (calcular
la distorsión requiere un método no lineal)
2. Calibración implícita versus calibración explícita . En la
implícita no se determinan los parámetros del modelo
de forma diferenciada. La explícita si lo hace.
3. Métodos que utilizan puntos de calibración de un
patrón tridimensional en una sola foto vs. los que usan
patrones planos tomando varias fotos.
4. Métodos de una sola etapa vs. métodos de diferente
número de etapas (2,3,4)
 METODOS DE CALIBRACIÓN MÁS
CONOCIDOS
1.Tsai: utiliza parámetros que el fabricante debe
proporcionar. Tiene varias etapas, y pueden usarse
patrones coplanares o no coplanares.
2.Hall: utiliza una transformación lineal y directa, de
tal manera que se obtiene un sistema tipo A.m = 0,
donde m contiene los parámetros.
m11 . X  m12Y  m13 Z  m14
u 
m31 X  m32Y  m33 Z  m34
m 21 . X  m 22 Y  m 23 Z  m 24
v 
m31 X  m32 Y  m33 Z  m34
 METODOS DE CALIBRACIÓN MÁS
CONOCIDOS (2)
3. Ayache: coloca una restricción al sistema Ax=0,
haciendo m34=1
4. Fougerais-Toscani: establece una relación de
ortonormalidad que tiene un significado físico
apropiado para mejorar la precisión. Toma en
cuenta la propiedad ||m3||2 =1.
5. Chaumette: utiliza a Fougerais-Toscani en una
primera etapa y en una segunda incluye un
parámetro de distorsión que haya mediante una
técnica de minimización no lineal.
6. Zhang: método de cuatro etapas, puede
corregir la distorsión hasta con dos parámetros
de una manera rápida.
 ERROR DE RECONSTRUCCIÓN

CAMARA 1 CÁMARA 2 CAMARA 3

Prueba 1 Prueba 2 Prueba 3 Prueba 1 Prueba 2 Prueba 3 Prueba 1 Prueba 2 Prueba 3

Hall-Ayache 0.3141 0,4447 0.3236 0.7977 0.7828 0.6748 0.3237 0.5757 0.3374
Fougerais-Toscani 0.22885 0,4096 0.21346 0.77308 0.74423 0.67308 0.24423 0.55385 0.26346
Tsai-Inicial 0.9934 1,3654 2,3619 0.9302 1,2091 1,1823 200,3522 2,5949 1,4064
Tsai-Levenberg_Maquardt 0.1962 0.3769 0.2019 0.4808 0.3865 0.4500 0.2365 0.5404 0.2462
Chaumette_Inicial 0.3128 0.4584 0.3245 0.8183 0.7940 0.6971 0.3291 0.5905 0.3524
Chaumette-Levenberg_Maquardt 0.1962 0.3769 0.2019 0.4577 0.3865 0.4423 0.2327 0.5404 0.2558
Zhang-Primera Etapa 0.22885 0.40962 0.21346 0.77308 0.74423 0.67308 0.22885 0.55385 0.26346
Zhang-Cálculo de distorsión por método lineal 0.21154 0.40192 0.75192 0.75192 0.69808 0.63077 0.21154 0.54808 0.25962
Zhang-Optimización 0.2038 0.3731 0.4904 0.4904 0.3923 0.4692 0.2038 0.5173 0.2308

Algoritmo Genético Tipo Haupt 0.31283 0.4584 0.3245 0.64665 0.53161 0.58673

Algoritmo Genético Tipo Yong 0.62 0.49932 0.66901

 RESULTADOS OBTENIDOS
Se han implementado los métodos explicados anteriormente