Método local de correção da distorção da lente aplicado a visão estereoscópica

Abstract

Visão estereoscópica é o processo de estimação da informação de profundidade de uma cena, ou de um objeto em particular, por meio da análise de duas imagens capturadas em diferentes pontos de vista, usando um modelo apropriado de câmera. As câmeras permitem uma rica representação da cena quando comparadas a outros sistemas, como laser, radar e sonar, sendo cada vez mais usadas em aplicações de robótica móvel e do setor automotivo, tais como navegação autônoma e detecção de objetos e obstáculos. Sistemas de visão estereoscópica são também utilizados em aplicações de metrologia e de sensoriamento remoto, e são caracterizados por três etapas principais: calibração, registro de imagens e reconstrução. A reconstrução da informação de profundidade em sistemas de visão estereoscópica é influenciada pela distorção das lentes. Neste trabalho, estuda-se o comportamento do erro de reconstrução em função do aumento da ordem do modelo de correção da distorção e propõe-se um novo método de correção da distorção de lentes, baseado na estimação de um conjunto de coeficientes de correção da distorção para cada região da imagem. A avaliação do sistema, feita por simulação com imagens sintéticas, indica que a aplicação do método proposto possibilita obter erro de reconstrução menor que o obtido pela aplicação do método convencional.<br>

Abstract : Stereo Vision is the process of recovery of three-dimensional information of a scene, or an object of scene, from the analysis of two bi-dimensional images by using an appropriate camera model. The cameras allow for a rich representation of the scene when compared to others types of sensors, such as laser and sonar, being used more and more in applications for mobile robotics and assistance driving, such as object and obstacle detection and localization. Stereo Vision is also used in remote sensing and Metrology, and is composed of three main steps: camera calibration, pixel correspondence and 3-D reconstruction. Lens distortion is one of the main factors that limits the accuracy of stereo vision system reconstruction. We propose a new method for correction of the lens distortion by applying compensation to each region of an image. Our method splits the image into smaller regions and compensates for each region for a fixed lenses model order. When compared to the conventional method, which models the entire image with only one model, our approach provides better compensation and reduce the depth error as show in the experiments with synthetic data.