Métodos estudiados

Ruido gausiano en diversas escalas

Se genera un nuevo patrón de ruido gausiano en diversas escalas. Este tipo de patrón contiene muchas características detestables (descriptores), las cuales son muy bien discriminadas entre ellas.

Dichos descriptores son encontrados mediante la implementación de SURF (se podría también SURF u ORB).

En MATLAB, se comparan los descriptores encontrados en el patrón original y el visto desde la cámara. De esta comparación se obtienen los parámetros de la calibración (intrínsecos y extrínsecos)

Cantidad de descriptores
Diversas distancias + Sino se detecta una imagen puramente gris (sin multi-escala)
No todo el patrón debe verse
No todas las cámaras deben visualizarlo al mismo tiempo

Puntero láser usado en la calibración

Un puntero láser se mueve dentro del volumen capturado por las cámaras
Usando el correcto canal de la imagen (R, G o B en función del color del puntero), se realiza la segmentación del haz de luz y se haya la correspondencia de la proyección del mismo en las diversas cámaras
Se eliminan imágenes con posible información errónea (imágenes que no van a aportar a la calibración debido a mala observancia del puntero)
Conociendo las dimensiones espaciales del campo visual y las posiciones relativas de las cámaras, se pueden alinear las coordenadas de los puntos a un sistema de referencia conocido.

El haz de luz no debe ser visible en todas las cámaras en simultáneo
Los parámetros de la distorsión no lineal son estimados sin ninguna información adicional

Una varilla con dos esferas de color contrastante con las superficies de la escena se mueve por delante de las cámaras durante varios segundos
Se detectan los centros de cada una de las esferas en cada una de las imágenes, los cuales son usados para detectar los parámetros de las cámaras
El estimativo anterior es refinado mediante la implementación del bundle adjustment