[論文レビュー] A New Analytical Radial Distortion Model for Camera Calibration

Lili Ma, YangQuan Chen+1 more|ArXiv.org|Jul 20, 2003

Optical measurement and interference techniques参考文献 16被引用数 16

ひとこと要約

本稿では、歪み関数に二次項を組み込んだ新しい多項式径方向歪みモデルを提案する。このモデルにより、反転歪みを解析的に実行可能にしながらも、高い精度を維持できる。実験結果から、特に重度の歪み下でも従来のモデルを上回り、反復的計算を伴わず、計算効率を損なわずに低いフィッティング残差を達成していることが示された。

ABSTRACT

Common approach to radial distortion is by the means of polynomial approximation, which introduces distortion-specific parameters into the camera model and requires estimation of these distortion parameters. The task of estimating radial distortion is to find a radial distortion model that allows easy undistortion as well as satisfactory accuracy. This paper presents a new radial distortion model with an easy analytical undistortion formula, which also belongs to the polynomial approximation category. Experimental results are presented to show that with this radial distortion model, satisfactory accuracy is achieved.

研究の動機と目的

• 反復的反転歪みが必要な既存の径方向歪みモデルや解析的解を有しないモデルの限界を解消すること。
• 高精度を維持しつつ、閉形式の反転歪み式を有する径方向歪みモデルを開発すること。
• さまざまな歪みレベル下での、新しいモデルと既存モデルの性能を比較評価すること。
• 公開可能なデータと最適化設定を用いた再現可能なキャリブレーションフレームワークを提供すること。

提案手法

• 提案モデルは、標準的な多項式径方向歪みモデルに、径方向歪み関数に二次項を追加することで拡張し、複雑な歪みプロファイルのモデル化能力を向上させた。
• 歪みは $ r_d = r(1 + k_1 r^2 + k_2 r^4 + k_3 r^6 + \cdots) $ としてモデル化され、主な革新点は歪み補正における二次項の組み込みである。
• 逆変換が閉形式で解けるように設計されているため、反復的根の探索手法を避けることで、解析的反転歪みが可能である。
• 標準的なカメラキャリブレーションパイプラインに新しい歪みモデルを統合した：内在パラメータ推定、外在パラメータ推定、歪み係数推定、非線形最適化。
• 再投影誤差を最小化するため、収束基準（TolFun = 1e-5, TolX = 1e-5, MaxIter = 120, MaxFunEvals = 8000）を指定した信頼領域法を用いた最適化を実施。
• モデルは3つのデータセットで検証された：公開テスト画像、デスクトップカメラ画像、ODISロボットカメラ画像。評価にはコーナー検出と再投影誤差が用いられた。

実験結果

リサーチクエスチョン

• RQ1 反復的計算を回避できる解析的反転歪みを実現しつつ、高い精度を維持できる径方向歪みモデルを設計できるか？
• RQ2 歪み関数に二次項を組み込むことで、標準的な多項式モデルと比較して、モデル化精度がどのように向上するか？
• RQ3 重度の径方向歪み下でも、新しいモデルは既存モデルを顕著に上回る性能を示すか？
• RQ4 提案モデルは、さまざまなカメラシステムや歪みレベルに対して、頑健かつ再現可能か？

主な発見

• 3つのデータセットすべてにおいて、新しいモデル（Model #3）が最小の最終目的関数値 $ J $ を達成し、Model #1 や Model #2 よりも優れたフィッティング精度を示した。
• 重度のバーレル歪みを示す ODIS カメラでは、目的関数 $ J $ が Model #2 の 933.0981 から Model #3 で 851.2619 に低下し、顕著な改善が確認された。
• デスクトップカメラでは、$ J $ が Model #2 の 904.6797 から Model #3 で 803.3074 に低下し、中程度から重度の歪み下でも優れた性能を示した。
• 一部のケースでは係数が少ないにもかかわらず、Model #2 よりも低いフィッティング残差を達成しており、モデル化の効率性が向上していることが示された。
• 特に重度の歪みが生じる状況（ODIS カメラやデスクトップカメラなど）で改善が顕著であり、歪みが小さい公開画像ではその恩恵がやや小さいことが確認された。
• 提案モデルは解析的反転歪みを維持しており、反復的手法と比較して、より高速かつ効率的なリアルタイム処理が可能である。