Аннотация:
В работе представлен способ автоматической компенсации радиальной дисторсии – искажения, характерного для широкоугольных объективов. Предложенный алгоритм оценивает параметры искажения, используя только единичное изображение, полученное из неизвестного источника. При этом не используются какие-либо калибровочные объекты, но предполагается, что исходная сцена содержит прямые линии. Суть метода заключается в поиске радиальной дисторсии с таким набором параметров, что ее исправление даст изображение, на котором «в целом» линии выглядят более прямыми. Для оценки общей искривленности линий в данной работе предлагается использовать быстрое преобразование Хафа, при этом собственно линии на изображении не выделяются. Предложенный алгоритм был проверен на реальных данных, полученных камерами с откалиброванными объективами, имеющими различную степень радиальной дисторсии. Для формальной оценки работы алгоритма был предложен функционал качества компенсации геометрического искажения, нечувствительный к возможной плохой обусловленности задачи определения коэффициентов модели дисторсии.

Ключевые слова :
цифровая обработка изображений, анализ изображений, конструкция оптической системы, радиальная дисторсия, автоматическая калибровка, быстрое преобразование Хафа.

Цитирование:
Кунина, И.А. Слепая компенсация радиальной дисторсии на одиночном изображении с использованием быстрого преобразования Хафа / И.А. Кунина, С.А. Гладилин, Д.П. Николаев // Компьютерная оптика. – 2016. – Т. 40, № 3. – С. 395-403. – DOI: 10.18287/2412-6179-2016-40-3-395-403.

Литература:

1. Zhang, Z. A flexible new technique for camera calibration / Z. Zhang // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2000. – Vol. 22(11). – P. 1330-1334. – DOI: 10.1109/34.888718.
2. Миронова, Т.В. Анализ деформаций, оптических неоднородностей и дисторсионных искажений с помощью искусственных спеклов в цифровой фотографии: дисс. к.ф.-м.н., Физический институт им. П.Н. Лебедева РАН, Москва, 2005.
3. Hartley, R. Self-calibration of stationary cameras / R. Hartley // International Journal of Computer Vision. – 1997. – Vol. 22(1). – P. 5-23. – DOI: 10.1023/A:1007957826135.
4. Stein, G. Accurate internal camera calibration using rotation, with analysis of sources of error / G. Stein // Computer Vision: Proceedings, Fifth International Conference on. – 1995. – P. 230-236. – DOI: 10.1109/ICCV.1995.466781.
5. Farid, H. Blind removal of lens distortion / H. Farid, A.C. Popescu // Journal of the Optical Society of America A. – 2001. – Vol. 18(9). – P. 2072-2078. – DOI: 10.1364/JOSAA.18.002072.
6. Zhang, Z. Camera calibration with lens distortion from low-rank textures / Z. Zhang, Y. Matsushita, Y. Ma // Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference on. – 2011. – P. 2321-2328. – DOI: 10.1109/CVPR.2011.5995548.
7. Karpenko, S. UAV Control on the Basis of 3D Landmark Bearing-Only Observations / S. Karpenko, I. Konovalenko, A. Miller, B. Miller, D. Nikolaev // Sensors. – 2015. – Vol. 15(12). – P. 29802-29820. – DOI: 10.3390/s151229768.
8. Karpenko, S. Visual navigation of the UAVs on the basis of 3D natural landmarks / S. Karpenko, I. Konovalenko, A. Miller, B. Miller, D. Nikolaev // Proceedings of SPIE: Eighth International Conference on Machine Vision (ICMV 2015). – 2015. – Vol. 9875. – 98751I (10 p.).
9. Konovalenko, I. UAV navigation on the basis of the feature points detection on underlying surface / I. Konovalenko, A. Miller, B. Miller, D. Nikolaev // Proceedings of the 29th European Conference on Modeling and Simulation (ECMS 2015), Albena (Varna), Bulgaria. – 2015. – P. 26-29. – DOI: 10.7148/2015-0499.
10. Rosten, E. Camera distortion self-calibration using the plumb-line constraint and minimal Hough entropy / E. Rosten, R. Loveland // Machine Vision and Applications. – 2011. – Vol. 22(1). – P. 77-85. – DOI: 10.1007/s00138-009-0196-9.
11. Alemán-Flores, M. Automatic Lens Distortion Correction Using One-Parameter Division Models / M. Alemán-Flores, L. Alvarez, L. Gomez, D. Santana-Cedres // Image Processing On Line. – 2014. – Vol. 4. – P. 327-343. – DOI: 10.1007/s10851-012-0342-2.
12. Карпенко, С.М. Метод восстановления изображений, подверженных радиальной дисторсии / С.М. Карпенко, С.А. Гладилин, Д.П. Николаев // Сборник трудов конференции «Информационные технологии и системы (ИТиС’08)». – 2008. – С. 502-505.
13. Kanuki, Y. Automatic compensation of radial distortion by minimizing entropy of histogram of oriented gradients / Y. Kanuki, N. Ohta, A. Nagai // Pattern Recognition (ACPR), 2013 2nd IAPR Asian Conference on. – 2013. – P. 912-916. – DOI: 10.1109/ACPR.2013.167.
14. Wang, A. A simple method of radial distortion correction with centre of distortion estimation / A. Wang, T. Qiu, L. Shao // Journal of Mathematical Imaging and Vision. – 2009. – Vol. 35(3). – P. 165-172. – DOI: 10.1007/s10851-009-0162-1.
15. Nikolaev, D. Hough transform: underestimated tool in the computer vision field / D. Nikolaev, S. Karpenko, I. Niko­laev, P. Nikolayev // Proceedings of the 22th European Conference on Modelling and Simulation. – 2008. – P. 238-246.
16. Brady, M.L. A fast discrete approximation algorithm for the Radon transform / M.L. Brady // SIAM Journal on Computing. – 1998. – Vol. 27(1). – P. 107-119. – DOI: 10.1137/S0097539793256673.
17. Brown, D.C. Close-range camera calibration / D.C. Brown // Photogrammetric Engineering. – 1971. – Vol. 37(8). – P. 855-866.
18. Duda, R.O. Use of the Hough transformation to detect lines and curves in pictures / R.O. Duda, P.E. Hart // Communications of the ACM. – 1972. – Vol. 15(1). – P. 11-15. – DOI: 10.1145/361237.361242.
19. U.S. Patent 3,069,654 G06K 9/46, G01T 5/02, G01T 5/00, 382/281, 382/202, 342/176, 342/190. Method and means for recognizing complex patterns / P. Hough, filed of March 25, 1960, published of December 18, 1962.

---

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20