[논문 리뷰] A New Analytical Radial Distortion Model for Camera Calibration

Lili Ma, YangQuan Chen외 1명|ArXiv.org|2003. 07. 20.

Optical measurement and interference techniques참고 문헌 16인용 수 16

한 줄 요약

이 논문은 왜곡 함수에 제곱항을 포함하는 새로운 다항식 레디얼 왜곡 모델을 제안하며, 이는 분석적(해석적)으로 왜곡을 복원할 수 있도록 하면서도 높은 정확도를 유지한다. 실험 결과는 기존의 모델들보다 특히 심한 왜곡 상황에서 더 낮은 피팅 잔차를 달성하면서도 계산 효율성을 희생하지 않는다는 점을 보여준다.

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.

연구 동기 및 목표

• 기존의 레디얼 왜곡 모델이 반복적 왜곡 해제가 필요하거나 해석적 해를 갖지 못하는 한계를 해결하기 위해.
• 고정밀도와 동시에 닫힌 형태의 왜곡 해제 공식을 갖춘 레디얼 왜곡 모델을 개발하기 위해.
• 다양한 왜곡 수준에서 기존의 모델들과 비교하여 새로운 모델의 성능을 평가하기 위해.
• 공개된 데이터와 최적화 설정을 포함한 재현 가능한 校정 프레임워크를 제공하기 위해.

제안 방법

• 제안된 모델은 표준 다항식 레디얼 왜곡 모델을 확장하여 레디얼 왜곡 함수에 제곱항을 도입함으로써, 더 복잡한 왜곡 프로파일을 모델링할 수 있는 능력을 향상시킨다.
• 왜곡은 $ r_d = r(1 + k_1 r^2 + k_2 r^4 + k_3 r^6 + \cdots) $ 로 모델링되며, 핵심 혁신은 왜곡 보정에 제곱항을 포함하는 것이다.
• 역변환을 닫힌 형태로 해석적으로 구할 수 있도록 하여 반복적 루트 찾기 방법을 피할 수 있도록 모델이 설계된다.
• 표준 카메라 校정 파이프라인에 새로운 왜곡 모델을 통합한다: 내재 매개변수 추정, 외재 매개변수 추정, 왜곡 계수 추정, 비선형 최적화.
• 재투영 오차를 최소화하기 위해, 수렴 기준( TolFun = 1e-5, TolX = 1e-5, MaxIter = 120, MaxFunEvals = 8000 )을 설정한 트러스트 영역 알고리즘을 사용한 최적화를 수행한다.
• 모델은 세 가지 데이터셋을 대상으로 검증되었다: 공개 테스트 이미지, 데스크톱 카메라 이미지, ODIS 로봇 카메라 이미지이며, 역추적 오차와 코너 검출을 사용하여 평가되었다.

실험 결과

연구 질문

• RQ1 반복 계산을 피할 수 있는 분석적 왜곡 해제를 가능하게 하면서도 높은 정확도를 유지하는 레디얼 왜곡 모델을 설계할 수 있는가?
• RQ2 왜곡 함수에 제곱항을 포함시키는 것이 기존의 다항식 모델에 비해 모델링 정확도를 어떻게 향상시키는가?
• RQ3 심한 레디얼 왜곡 상황에서 새로운 모델이 기존의 모델보다 유의미하게 더 나은 성능을 보이는가?
• RQ4 제안된 모델은 다양한 카메라 시스템과 왜곡 수준에서 안정적이고 재현 가능한가?

주요 결과

• 모든 세 가지 데이터셋에서 새로운 모델(모델 #3)이 가장 낮은 최종 목표 함수 값 $ J $ 를 달성하여, 모델 #1 및 모델 #2에 비해 훨씬 뛰어난 피팅 정확도를 보였다.
• 심한 볼록 왜곡을 보이는 ODIS 카메라의 경우, 목표 함수 $ J $ 가 모델 #2의 933.0981 에서 모델 #3으로 851.2619 로 감소하여 뚜렷한 향상이 확인되었다.
• 데스크톱 카메라의 경우, $ J $ 가 모델 #2의 904.6797 에서 모델 #3으로 803.3074 로 감소하여 중간에서 높은 왜곡 상황에서도 더 나은 성능을 보였다.
• 어떤 경우에서는 계수 수가 적은 데도 불구하고, 모델 #3가 모델 #2보다 낮은 피팅 잔차를 기록하여 더 높은 모델링 효율성을 보였다.
• 심한 왜곡 상황, 특히 ODIS 및 데스크톱 카메라에서의 성능 향상이 가장 두드러졌으며, 덜 왜곡된 공개 이미지에서는 이점이 다소 작았다.
• 제안된 모델는 분석적 왜곡 해제를 유지하여 반복적 방법에 비해 더 빠르고 효율적인 실시간 처리를 가능하게 했다.