2.

MTODOS DE CALIBRACIN CLSICOS

Introduccin
Los mtodos de calibracin de una cmara determinan los parmetros del modelo, haciendo
corresponder alguna caracterstica de la imagen adquirida de un patrn de calibracin a la
caracterstica correspondiente de la imagen por el modelo de la cmara. Para eso se elige
medir, preferiblemente, unos valores que relacionen la geometra del mundo 3D con la
geometra de la cmara. stos valores pueden ser la ubicacin de las intersecciones de una
cuadrcula o de una grilla colocada de frente a la cmara en el momento de tomar la foto.
n este caso, la grilla sera el patrn de calibracin, no obstante puede elegirse otro, seg!n
la conveniencia que se tenga para adquirir el dato. Por e"emplo, que sea necesario, como
veremos ms adelante que ninguna de las coordenadas seg!n el marco de referencia de la
escena sea siempre cero, especficamente aquella que le da profundidad a la foto tomada de
la escena.
#n algoritmo de calibracin requiere que previamente se ha$a hecho una e%traccin de
caractersticas de la imagen adquirida del patrn lo ms e%acta posible. &s, se puede ver
que una plataforma de calibracin consiste de dos grandes etapas' una primera etapa en la
que se procesan los datos para e%traer los puntos conocidos del ob"eto $ una segunda etapa
en la que se a"usta el modelo a partir de las caractersticas e%tradas. n con"unto, las dos
etapas debern conformar un algoritmo de calibracin que sea adecuado a los ob"etivos que
se pretenden. l proceso de a"ustar el modelo a los datos e%trados es lo que se llama
propiamente la calibracin de la cmara.
n este captulo nos concentraremos en estudiar los mtodos de calibracin ms conocidos
en la actualidad para discutir de manera terica sus venta"as $ desventa"as $ para que sirva
de base al siguiente captulo en que se implementaron algunos mtodos observando los
resultados e%perimentales.
Los mtodos de calibracin e%istentes pueden clasificarse primariamente en mtodos
lineales ()*+(,-*, en mtodos de minimi.acin no lineales ()*,(/*,(,3*,(,0*,(,)* $ en
mtodos de m!ltiples etapas (,/*+(-1*. De stos !ltimos se destacan principalmente los
mtodos de dos etapas (,2*,(-1*. Para resolver problemas relacionados con el
desconocimiento a priori de estimaciones iniciales, una estrategia mu$ com!n en visin
artificial es atacar el problema de la calibracin utili.ando dos pasos. n el primer paso se
generan las soluciones apro%imadas usando una tcnica lineal, mientras que en el segundo
paso se me"oran las soluciones lineales mediante procedimientos iterativos no lineales tales
como los mtodos de 3sai(-,*, 3arel (--* $ 4obert (-3*. #n mtodo no lineal no iterativo
como 3oscani (-0* puede ser adecuado cuando los requerimientos de tiempo son
importantes (-*.
Los mtodos lineales tienen la venta"a de que son computacionalmente eficientes pero
sufren de una falta de e%actitud $ robuste.. Los mtodos no lineales, en cambio, ofrecen
ma$or e%actitud $ soluciones robustas pero son computacionalmente intensos $ requieren
,
una buena estimacin inicial de los parmetros. La calidad de la estimacin lineal es
crtica para las tcnicas no lineales e%istentes.
& continuacin se presenta una revisin de los mtodos clsicos e%istentes.
2.1. Modelo de c!"r" #e$%n el !&todo de T#"i
l mtodo de 3sai utili.a el modelo pinhole de la cmara para hallar parmetros intrnsecos
$ parmetros e%trnsecos, inclu$endo el parmetro de distorsin. ste mtodo es de
referencia obligatoria en los traba"os de calibracin de cmaras $ ha marcado un paradigma
a seguir con el ob"etivo de me"orarlo.
La principal desventa"a de este mtodo es que utili.a unos datos propios de la fabricacin
de la cmara que normalmente no vienen especificados. Los utili.a para hallar
e%plcitamente la distancia focal f, $ el factor de incertidumbre de escala s
%
.
La transformacin que asume el mtodo de 3sai involucra varios pasos (5*'
,. 3ransformacin desde el sistema de coordenadas del mundo P
w
=(x
w
, y
w
, z
w
) al sistema
de coordenadas de la cmara Pc=(x
c
,y
c
,z
c
)
'c = R . 'w + t 6-.,7
donde R es la matri. de rotacin 3%3 $ t es el vector de translacin.
R 8

,
_

9 2 5
/ ) 0
3 - ,
r r r
r r r
r r r
$ t (

,
_

z
y
x
T
T
T
6-.-7
-. La transformacin entre el sistema de coordenadas tridimensional de la cmara $ una
imagen del punto no distorsionada (X
u
, Y
u
) viene dada por la pro$eccin perspectiva.
X
u
8
c
c
z
fx
6-.37
Y
u
8
c
c
z
fy

&qu se e%presa e%plcitamente la distancia focal f.
3. Para tener en cuenta la distorsin 3sai asume que las coordenadas reales de la imagen
son las distorsionadas (X
d
, Y
d
)'
-
X
d
+ D
x
= X
u
6-.07
Y
d
+ D
y
= Y
u
n este caso'
D
x
=X
d
(k
1
.r
2
+ k
2
.r
4
+) 6-./7
D
y
=Y
d
(k
1
.r
2
+ k
2
.r
4
+)
$ r
2
=(X
d
)

2
+ (Y
d
)
2
6-.27
n general se toma slo un parmetro de distorsin distinto de cero' el k
1
$ se obtienen
buenos resultados, seg!n la e%periencia de 3sai.
0. n este punto, se hacen necesarios los parmetros dados por el propio fabricante. La
transformacin de coordenadas reales (X
d
, Y
d
) a coordenadas de la imagen (X,Y) es'

,
_

+
x
x
d x
c
d
X s
X
: :
6-.97

,
_

+
y
y
d
c
d
Y
Y
:
Para este caso (X,Y) es la locali.acin del punto en la imagen mostrada en el monitor, s
%
es
el factor de incertidumbre de escala, entre las coordenadas calculadas de los p%eles $ las
coordenadas reales, debido a errores en el proceso de digitali.acin.
(c
x
, c
y
) son las coordenadas del centro de la imagen.
La siguiente ecuacin permite hallar d''
x
a partir de otros parmetros dados previamente a la
calibracin
d''
x
8
y
x
x
Nf
Nc
d:
6-.,17
d:
%
es la distancia centro a centro entre los elementos sensores ;;D ad$acentes en la
direccin <.
d:
$
es la distancia centro a centro entre los elementos sensores ;;D ad$acentes en la
direccin =.
x
Nc
es el n!mero de elementos sensores ;;D en la direccin <.
y
Nf
es el n!mero de p%eles en una lnea despus del muestreo del computador.
3
stos !ltimos cuatro armetros son bsicos para reali.ar la calibracin seg!n el mtodo de
3sai $ constitu$en la principal dificultad de aplicacin porque el usuario no siempre va a
contar con el conocimiento previo de ellos. Precisamente reali.a una calibracin para
conocer las caractersticas de la cmara, en general lo busca es un mtodo que se las d sin
tener que consultar las medidas del fabricante. La ma$ora de los mtodos lo que hace es
calcular implcitamente estas medidas enmascarando por e"emplo la distancia focal. >in
embargo, el mtodo de 3sai es paradigmtico para todos los dems por su antig?edad $
precisin.
2.2. M&todo de )"ll
l mtodo de 3sai es un procedimiento en que se busca calcular e%plcitamente los valores
fsicos que caracteri.an a la cmara, sin embargo cuando el ob"etivo aplicativo de la
calibracin no hace necesario conocer la magnitud especfica de, por e"emplo, la distancia
focal, este clculo e%plcito se hace omitible $ conveniente porque evita tener un
conocimiento previo de las condiciones de quien manufactura la cmara. & partir de esta
seccin se e%plicarn mtodos que calculan, de manera implcita, todos los parmetros de la
cmara que se utili.an ms en las aplicaciones de visin artificial.
s conveniente recordarle al lector que los diferentes autores de mtodos para calibracin
de cmara utili.an distintas notaciones para representar las mismas variables. n este caso
se seguir la notacin de @onga(,* para e%plicar el mtodo de Aall(2*, siguiendo con las
notaciones del captulo ,.
Partiendo de la ecuacin 6,.-57 podemos escribir las coordenadas imagen de un punto de la
escena del mundo real as'
30 33 3- 3,
,0 ,3 ,- ,,
.
m Z m Y m X m
m Z m Y m X m
u
+ + +
+ + +

6-.,,7
30 33 3- 3,
-0 -3 -- -,
.
m Z m Y m X m
m Z m Y m X m

+ + +
+ + +

6-.,-7
Para evaluar los coeficientes de la matri. M en las ecuaciones ,.-5 $ ,.-2, es suficiente
escribir el sistema de ecuaciones para los puntos de la imagen. ;ada punto (X
!
,Y
!
,Z
!
) se
pro$ecta en (u
!
,
!
) formando dos ecuaciones. stas ecuaciones son lineales $ basta tener
seis puntos de la escena con sus respectivas pro$ecciones en la imagen para determinar los
,- coeficientes de la matri. M. Las ecuaciones 6-.,,7 $ 6-.,-7 pueden escribirse como una
combinacin de m
!"
'
X
!
m
11
+ Y
!
m
12
+ Z
!
m
1#
+ m
14
$ u
!
X
!
m
#1
$u
!
Y
!
m
#2
$u
!
Z
!
m
##
= u
!
m
#4
6-.,-7
X
!
m
21
+ Y
!
m
22
+ Z
!
m
2#
+ m
24
$
!
X
!
m
#1
$
!
Y
!
m
#2
$
!
Z
!
m
##
=
!
m
#4
6-.,37
&l obtener -n ecuaciones para n puntos de la escena pro$ectados en la imagen, se pueden
escribir estas ecuaciones en forma matricial'
0
K
-n % ,,
. x
,,
8 u
-n
6-.,07

,
_

,
_

,
_

30
30
33
3-
3,
-0
-3
--
-,
,0
,3
,-
,,
, 1 1 1 1
1 1 1 1 ,
m
m u
m
m
m
m
m
m
m
m
m
m
m
Z Y X! Z Y X
Z u Y u X u Z Y X
!
!
! ! ! ! ! ! ! !
! ! ! ! ! ! ! ! !

6-.,)7
2.*. M&todo de A+"c,e
n el caso especial del mtodo de &$ache se asume la restriccin de que T
z
= m
#4
puede
considerarse con valor , de forma que se tienen ,, incgnitas. en realidad lo que se hace es
que se toma el sistema de ecuaciones 6-.,/7 $ con el fin de obtener una solucin no trivial,
se escoge m
30
8 ,, por lo que se estn dividiendo todos los coeficientes de la matri. entre
m
30
$ se determinan los parmetros de la cmara en un factor cercano.
Despe"ando la ecuacin 6-.,07 se obtiene'
x
,,
8 (K
t
K)
-1
. K
t
. u 6-.,/7
La e%presin (K
t
K)
-1
. K
t
describe la pseudoinversa de la matri. K $a que esta es
generalmente no cuadrada, del tipo 2% x 11, donde % es el n!mero de datos. Para resolver
esta psuedoinversa se puede recurrir a varios mtodos entre los que se cuentan la
factori.acin por simetra de ;holesB$ o la eliminacin Causs+Dordan.
2.*. M&todo de -"u$er"#.To#c"ni
ste mtodo tiene la particularidad de que es el mtodo base de la ma$ora de los mtodos
de calibracin en la actualidad superando en eso al mtodo de 3sai, porque no necesita unos
parmetros anteriores a la calibracin $ porque es realmente sencillo $ de buena
efectividad. >e contin!a con el tipo de calibracin implcita $a estudiada.
)
n particular si se observa de nuevo el con"unto de ecuaciones 6,.-27 $ 6,.-97 retomamos
que' r
3
8 m
3
, es decir m
3,
8 r
3,
, m
3-
8 r
3-
$ m
33
8 r
33
.
De las propiedades de ortonormalidad de la matri. de 4otacin es posible saber que los
vectores filas de dicha matri. son unitarios. n particular el vector 3, se escoge porque es
el !nico en que queda e%plcito luego de hallar los elementos de la matri. M. La norma de
r
3
sera'
6r
3,
7
-
E 6r
3-
7
-
E 6r
33
7
-
8 , 6-.,57
Lo que quiere decir que'
FFm
3
FF
-
8 6m
3,
7
-
E 6m
3-
7
-
E 6m
33
7
-
8 , 6-.,27
ste criterio es importante porque es el usa 3oscani para resolver este sistema de
ecuaciones, aplicando una b!squeda restringida ba"o un vnculo que mantenga invariante la
solucin ba"o un sistema de coordenadas del mundo. La ecuacin 6-.,/7 se puede separar
en dos sumas a partir de las ecuaciones 6-.,-7 $ 6-.,37 $ escribir as'
B
-n % 9
. x
9
E C
-n % 3
. x
3
8 1 6-.,97
donde
B
-n % 9
8

,
_

! ! ! !
! ! ! !
Z Y X
u Z Y X
, 1 1 1 1
1 1 1 1 ,
6-.-17
$
C
-n % 3
8

,
_

! ! ! ! ! !
! ! ! ! ! !
Z u Y X
Z u Y u X u
6-.-,7
l vector x
,,
se ha convertido en dos vectores'
x
9
8 6m
,
m
,0
m
-
m
-0
m
30
7
t
6-.--7
x
3
8 6m
3
7
t
6-.-37
l criterio a minimi.ar es el siguiente'
/
G = ||B.x
9
E C.x
3
FF
-
6-.-07
con la constante'
FF x
3
FF 8 , 6-.-)7
l criterio puede ser escrito de la siguiente manera'
G 8 ||B.x
9
E C.x
3
FF
-
E H6, + FFx
3
FF
-
7 6-.-/7
Desarrollando 6-.-/7 se tiene'
) &(1 '
*
t
* /
t t
* *
t t
/ *
t t
* /
t t
/
0 0 B0 C 0 C0 B 0 C0 C 0 B0 B 0 + + + + 6-.-57
n el proceso de derivacin se obtiene'
1 +
*
t
/
t
C0 B B0 B 6-.-27
1 + + ) &(
* /
t
*
t
0 B0 C C0 C 6-.-97
Despe"ando se obtiene'
*
t
/
0 B B 0 ( )
* ,
7 6

6-.317
Dx
3
8 Hx
3
6-.3,7
D = C
t
C . C
t
B1B
t
B2
.1
B
t
C 6-.3-7
Para obtener
3 3 3 3
x x Dx x '
* *
6-.337
Para minimi.ar G es necesario hallar el valor propio mnimo de D $ al correspondiente
vector' x
3
, seg!n la ecuacin -.3,. s decir se calculan los valores propios de D, se escoge
el vector asociado a ese valor propio mnimo, ese sera %
3
$ finalmente se calcula x
9
. &s se
resuelven las incgnitas de la matri. M que haban sido enmascaradas en el vector x
11
. Para
hallar los parmetros se utili.an las ecuaciones 6,.-97.
2.3. Metodo de C,"u!ette
l mtodo de ;haumette (/* desarrolla el modelo con distorsin e%plicado en el anterior
captulo. 4etomamos partiendo de la ecuacin 6,.317'
Xd = X+ + ,X
Yd = Yd + ,Y 6-.307
5
n este caso Xd $ Yd representan los puntos de la imagen tal como la muestra el
computador (u,), es decir, con distorsin includa. Para eso utili.a los puntos <p $ =p que
seran aquellos que resultan de aplicar el modelo lineal a los puntos de la escena.
donde ,X = -d . r
2
. (X+ $ Xc) $
,Y = -d. r
2
. (Y+ $ Yc) 6-.3)7
siendo Id el parmetro de distorsin radial 6a averiguar7 $ r
-
igual a'

r
-
8

,
_

,
_

+
,
_

2 2
z'
y'
.y.
z'
x'
.x.
6-.3/7
Donde J% $ J$ son los parmetros intrnsecos de la ecuacin
3omando que idealmente'
X+ = .x .
:
:
z
x
+ Xc 6-.357
Y+ = .y .
:
:
z
y
+ Yc 6-.327
3enemos que'
Xd = .x .
:
:
z
x
+ Xc + -d . .x .
:
:
z
x

,
_

,
_

+
,
_

- -
:
:
.
:
:
.
z
y
.y
z
x
.x

6-.397
Yd = .y .
:
:
z
y
+ Yc + -d. .y .
:
:
z
y

,
_

,
_

+
,
_

- -
:
:
.
:
:
.
z
y
.y
z
x
.x

6-.017
Por lo tanto, ;haumette propone primero hallar un con"unto de parmetros a travs de la
tcnica lineal de Jougerais+3oscani $ a partir de estos rempla.arlos en el modelo que
inclu$e la distorsin.
l modelo utili.ado por ;haumette es el siguiente. n primer lugar se asume un parmetrto
de distorsin igual a cero $ as es posible formular el modelo en trminos de un sistema
lineal. n este caso, las coordenadas de un punto en el plano de la imagen son'
X
+
8
w
X
, Y
+
8
w
Y
, distancia focal f 8
w
Z
6-.0,7
;on'
2

,
_

,
_

,
_

,
_

z
y
x
f
f
Y
/
f
X
/
z
y
x
P
w
Z
Y
X
c
y
c
x
,
1 1
, 1 1
,
1
1
,
6-.0-7
Las ecuaciones 6-.397 $ 6-.017 se reescriben, teniendo en cuenta que Id81 $ pasando a
multiplicar la variable .'
X
d
. z' $ X
c
. z' $ .
x
.x' = 0 6-.037

Y
d
. z' $ Y
c
. z' $ .
y
.y' = 0 6-.007
n este caso, x',y',z' representan lo mismo que en la ecuacin 6,.--7, es decir, la pro$eccin
de un punto de la escena en el plano imagen con coordenadas referenciadas al plano de la
cmara, por lo que a x',y',z' se les puede llamar coordenanas+cmara. Xd $ Yd, siguen
siendo las coordenadas imagen 6 (u,) seg!n @onga7.
Para ;haumette, la ecuacin 6,.--7, puede e%presarse de la siguiente manera'

,
_

:
:
:
z
y
x

,
_

1 33 3- 3,
1 -3 -- -,
1 ,3 ,- ,,
Z 1 1 1
Y 1 1 1
X 1 1 1

,
_

,
1
1
1
z
y
x
6-.0)7
;haumette representa a los parmateros de rotacin como a
ii
6i8,,-,37 $ a los parmetros de
3ranslacin como X
0
, Y
0
, Z
0
. Jinalmente los punto en la escena en coordenadas del mundo
son
>i desplegamos 6-.0)7 tenemos que'
x' = x
0 .
1
11
+ y
!
1
12
+ z
!
1
1#
+ X
0
6-.0/7
y' = x
0 .
1
21
+ y
!
1
22
+ z
!
1
2#
+ Y
0

z' = x
0 .
1
#1
+ y
!
1
#2
+ z
!
1
##
+ Z
0

Definidas $a x', y', z' se rempla.an en 6-.037 $ 6-.007 para obtener las siguientes dos
ecuaciones'
9
1
#1
. X
d
. x
0
+ 1
#2
X
d
y
0
+ 1
##
.X
d
. z
0
+ X
d
. Z
0
$ 1
#1
. X
c
. x
0
+ 1
#2
. X
c
. y
0
$ 1
##
.X
c
.z
0
$ X
c
. Z
0
$ .
x
.1
11
.

x
0
$ .
x
.1
12
$ .
x
.11# . z
0
$ .
x
. X
0
= 0 6-.057
1
#1
. Y
d
. x
0
+ 1
#2
.Y
d
y
0
+ 1
##
.Y
d
. z
0
+ Y
d
. Z
0
$ 1
#1
. Y
c
. x
0
+ 1
#2
.Y
c
. y
0
$ 1
##
.Y
c
.z
0
$ Y
c
. Z
0
$ .
y
.1
21
.

x
0
$ .
y
.1
12
$ .
y
. 1
1#
. z
0
$ .
y
. X
0
= 0 6-.027
>e obtiene el sistema lineal'

,
_

d + + d
d d d d
Y z y x z Y y Y x Y
X z y x z X y X x X
, 1 1 1 1
1 , 1 1 1
1 1 1 1 1 1
1 1 1 1 1 1
I(

,
_

1
1

6-.097
Donde I =2
" con "8, hasta ,-
. Los elementos de I traen consigo los parmetros de calibracin'
2
1
= 1
#1
2
2
=1
#2
2
#
=1
##
2
4
=1
#1
X
c
+ 1
11
.
x
2
3
= 1
#2
X
c
+ 1
12
.
x
2
4
=1
##
X
c
+ 1
1#
.
x
2
5
=1
#1
Y
c
+ 1
21
.
x
2
6
= 1
##
Y
c
+ 1
22
.
y
2
7
= 1
##
Y
c
+ 1
2#
.
y
2
10
= X
c
Z
0
+.
x
X
0
2
11
=Y
c
. Z
0
+ .
y
Y
0
2
12
=Z
0
6-.)17
ste sistema de ecuaciones se resuelve con la tcnica Lagrangiana que se utili.a en
Jougerais+3oscani. >e asume un vnculo invariante'
FFa
3i
FF
-
8 , 6-.),7
se divide el sistema de 6-.097 en dos'
A.4
1
5 B . 4
2
8 1 6-.)-7
;on 4
2
( $(B
T
B)
.1
B
T
A.4
1
6-.)37
E4
1
( &4
1
6-.)07
donde E ( A
T
A $ A
T
B(B
T
B)
.1
B
T
A 6-.))7
Kuevamente, el problema se reduce a hallar la matri. E 6simtrica $ positiva7, encontrar sus
valores propios, elegir el menor $ escoger el vector propio asociado a ese valor propio
mnimo. se ser el vector 4
1
que sirve para hallar el vector 4
2
. l vector de incgnitas I es
la composicin de 64
1
4
2
7. #na ve. se contru$e I se despe"an los parmetros de las
ecuaciones 6-.)17 de la siguiente manera'
1
#1
= 2
1
1
#2
= 2
2
1
##
= 2
#
1
11
= (2
4
$ 1
#1
X
c
) 8 .
x
1
12
= (2
3
$ 1
#2
.X
c
)8.
x
1
1#
= (2
4
$ 1
##
.X
c
)8.
x
1
21
= (2
5
$ 1
#1
Y
c
)8.
y
1
22
= (2
6
$ 1
#2
.Y
c
)8.
y
1
2#
= (2
7
$ 1
##
.Y
c
)8.
y
,1
X
0
= (2
10
$ X
c
2
12
)8.
x
Y
0
= (2
11
$ Y
c
.2
12
)8.
y
Z
0
= 2
12
6-.)/7
#na ve. hallados los parmetros del modelo lineal se rempla.an en la ecuacin 6-.0)7 para
obtener las que hemos llamado coordenadas cmara (x',y',z').
stas coordenadas cmara se tienen en cuenta luego para obtener un con"unto de puntos
mu$ importante. Dicho con"unto de puntos es producto del modelo $ se halla rempla.ando
las coordenadas cmara en las mismas ecuaciones 6-.397 $ 6-.017 pero con un con"unto de
parmetros 6que inclu$e a una Id7 que debern evaluarse repetidamente hasta obtener el
menor error. &l principio ese con"unto de parmetros ser el que se adquiri por medio de
la tcnica lineal en que Id es igual a cero, pero se irn cambiando 6$ ese cambio inclu$e a
la Id inicialmente en cero7 hasta lograr una correspondencia aceptable con los datos de la
imagen. s decir, en esta parte del proceso es preciso aplicar un mtodo iterativo que
realice una b!squeda del me"or con"unto de parmetros a partir de un con"unto inicial.
l criterio de error es la diferencia entre las coordenadas <
di
$ =
di
que da la imagen en el
computador 6$ que hace parte de los datos de entrada del mtodo7 $ las coordenadas
imagen <
mi
$ =
mi
que se obtienen al aplicar el con"unto de parmetros a evaluar 6que
inclu$e a I
d
7 en las ecuaciones 6-.397 $ 6-.017.
;haumette e%presa el criterio de error por medio de la siguiente ecuacin'
(
2
=
- -
,
7 6 7 (6
m! d! m!
N
!
d!
Y Y X X +

* 6-.)57
n este punto se debe elegir con ese criterio de error que mtodo es me"or entre los varios
que ha$ siendo el ms destacado por su efectividad $ rapide. el de Levenberg+@aquardt.
(,,*
2.6. M&todo de 7,"n$
l mtodo de Lhang divide el proceso de la e%traccin de parmetros en cuatro etapas,
destacndose la tercera etapa en que consigue una buena apro%imacin a dos constantes de
distorsin por medio de una transformacin lineal que hace el algortimo mu$ rpido.
La primera etapa consiste en aplicar el mtodo de Jougerais+3oscani con la restriccin
FF x
3
FF 8 ,, tal como se e%plica en la seccin -.3. La segunda etapa utili.a los resultados de
la primera para aplicar un mtodo de minimi.acin no lineal basado en el criterio'

%
!
m
"
" !
9 *
, ,
-
7 , , , 6
i i8
R A ! !

6-.)27
,,
Donde
7 , , , 6
" !
9 *
i
R A !

es la pro$eccin del punto @

"
en la imagen i. s decir para todos
los puntos de calibracin de la imagen se prueban diferentes parmetros de tal manera que
se halle el con"unto de ellos que de cmo resultado el menor error entre los puntos
estimados por el modelo $ los puntos reales de la imagen.
n este caso, Lhang llama & a la matri. de parmetros intrnsecos'
A8

,
_

, 1 1
1
1
1
1

6-.)97
con
7 , 6
1 1
u
como las coordenadas del centro ptico o punto principal $ con : $ ; como
los factores de escalamiento en los e"es u $ de la imagen respectivamente.
&l multiplicar esta matri. & de parmetros intrnsecos por la matri. de los parmetros
e%trnsecos obtenemos'


<
u
s
1
1
1
]
1

,
(r
,
r
-
r
3
t*
1
1
1
1
]
1

,
Z
Y
X
6-./17
l modelo lineal en Lhang est basado en el mismo modelo pin+hole de los mtodos
anteriormente e%plicados. Ko obstante, para modelar la distorsin radial, Lhang utili.a una
transformacin lineal.

u
8 u + (u$u
0
). =k
1
(x
2
+ y
2
) + k
2
(x
2
+ y
2
)
2
> 6-./,7

8 + ( $
0
). =k
1
(x
2
+ y
2
) + k
2
(x
2
+ y
2
)
2
> 6-./-7
n este caso, con los parmetros obtenidos de las dos etapas anteriores 6la lineal $ la no
lineal7 se estiman unas coordenadas imagen (u,) que se suponen ideales, es decir sin
distorsin $ a ellas se les suma la distorsin dada por dos constantes k, para obtener las
coordenadas imagen reales
7 M , M 6 u
.
ste modelo puede ser descrito de manera matricial si tenemos en cuenta todos los puntos
de calibracin, as'

1
]
1

1
]
1

1
]
1

+ +
+ +

u u
k
k
y x y x
y x u u y x u u
M
M
7 76 6 7 76 6
7 76 6 7 76 6
-
,
- - -
1
- -
1
- - -
1
- -
1
6-./37
,-
Dados m puntos se tienen 2.m ecuaciones de tal manera que'
D.9(d 6-./07
;on D como una matri. de -m filas por - columnas $ d como un vector vertical de -m
filas. La solucin a este sistema se produce mediante la aplicacin de la matri.
pseudoinversa'
9 ( 1D
T
D2
.1
.D
T
.d 6-./)7
#na ve. estimados los parmetros de distorsin B
,
$ B
-
, se entra a la cuarta etapa en donde
se hace una optimi.acin de todo el con"unto de parmetros, tomando como estimaciones
iniciales las encontradas en las tres etapas anteriores. l criterio de minimi.acin sera el
siguiente'

%
!
m
"
" !
9 * k k
, ,
-
- ,
7 , , , , , 6 M
i i8
R A ! !
6-.//7
Donde mM es el punto correspondiente en la imagen al punto 9" de acuerdo a las
ecuaciones 6-./,7 $ 6-./-7.
Conclu#in
n la actualidad los mtodos clsicos de calibracin de cmaras son bien conocidos $
estudiados. Las leves diferencias que puedan e%istir entre ellos, hacen que el usuario pueda
elegir uno u otro para la aplicacin especfica que desee. n general, lo que se requiere es
una calibracin e%plcita del modelo pinhole, que es com!n a todos los mtodos clsicos,
con algunas variaciones como en el caso de 3sai, cu$o modelamiento ha sido superado por
otras tcnicas que no requieren conocimientos de fbrica de las cmaras. l avance en los
mtodos numricos por computador para hallar soluciones de sistemas de ecuaciones
utili.ando tcnicas del gradiente descendente han permitido que la calibracin de cmaras
sea cada ve. ms precisa en tiempos ra.onablemente cortos para aplicaciones en lnea.
,3
BIBLIOGRAFIA
(,* Aoraud 4.,@onga N. Oison par ordinateur Nutils Jondamentau%. Aermes. -a.
edicin.,99)
(-* &.ar &., @us P. ;alibracin monocular de cmaras. Pnstituto de Pngeniera lctrica,
Jacultad de Pngeniera. #niversidad de la 4ep!blica. #rugua$. ,999
(3* ;. Con.le., P.. Qoods, RDigital Pmage ProcessingS 3hird dition. &ddison+Qesle$,
,993
(0* Aorn, Paul. 4obot Oision. 3he @P3 Press+ @cCraT+Aill UooB ;ompan$. ,92/
()* n ciclopedia @ultimedia ncarta
(/* ;haumette, Jrancois. 4ives, PatricB. 4ealisation et calibration d:un s$steme
e%perimental de vision compose d:une camera mobile embarquee sur un robot+
manipulateur. 4apports de 4echerche. Ko. 990. Programme /. PK4P&. ,929
(5* 4&+@&. Oision por ordenador.
[8] E. L. Hall, J. B. K. Tio, C. A. McPherson, and F. A. Sadjadi, Meas!rin" c!r#ed
s!r$aces $or ro%o& #ision,' Co()!&er Jo!rnal, #ol. *ece(%er, )). +,-.+, /08,.
(,1* K. Ayac!. <r*!f!c!1/ ?!s!@% f@r 9@A!/B C@A@*s. @P3 Press, ;ambridge, @&, ,99
(,,*K#@4P;&L 4;PP> PK ;' 3A &43 NJ >;PK3PJP; ;N@P#3PKC 6P>UK 1+)-,+03,12+)7
;op$right 6;7 ,922+,99- b$ ;ambridge #niversit$ Press. ,922+,99- b$ Kumerical 4ecipes >oftTare.
http'VVTTT.nr.com
,0