Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 01.12.2015 допущен ВАК для публикации основных результатов диссертаций как издание, входящее в международные реферативные базы систем цитирования (Web Science, Scopus) (см. Vak.ed.gov.ru Перечень журналов МБД 16.03.2018г)

Аннотации (10.2021) : 3D RECONSTRUCTION ACCURACY IMPROVEMENT OF THE STEREO VISION SYSTEM BY CHANGING THE CONVERGENCE ANGLE OF CAMERAS

3D RECONSTRUCTION ACCURACY IMPROVEMENT OF THE STEREO VISION SYSTEM BY CHANGING THE CONVERGENCE ANGLE OF CAMERAS

 

© 2021    S. A. Sayyedbarzani, S. M. Emam

Department of Mechanical Engineering, Birjand University of Technology, Birjand, Iran

E-mail: sy.m.emam@birjandut.ac.ir

УДК 528.5; 681.7

Submitted 09.09.2020

DOI:10.17586/1023-5086-2021-88-10-33-38

The stereo vision systems are highly used for 3D depth reconstruction. The measurement accuracy of these scanners affected by the quantization error caused by the camera sensors. In this paper, the effect of changing the convergence angle of the cameras on the quantization uncertainty is discussed. Firstly, the mathematical model of a stereo vision scanner with the ability of adjusting the convergence angle was introduced. Then, the effect of changing the convergence angle on the quantization error reduction was investigated. Finally, the physical experiments were designed to validate the proposed approach. The experimental results showed that the 3D reconstruction accuracy can be improved by changing the convergence angle of the cameras.

Keywords: stereo vision, camera convergence angle, 3D reconstruction, Iso-disparity surface.

OCIS codes: 150.0150, 150.3045, 110.3010, 100.3010, 100.6640

 

 

Улучшение точности реконструкции трёхмерных объектов в стереовизионной системе с изменяемым углом схождения между камерами

© 2021 г. S. A. Sayyedbarzani, S. M. Emam

Стереоскопические системы широко используются при восстановлении дальностной компоненты сцен. Точность измерения такими устройствами определяется ошибками дискретизирования сигналов приёмника. Обсуждается влияние изменения угла схождения между стереокамерами на неопределённость процесса дискретизирования. Построена математическая модель стереовизионной системы с изменяемым углом схождения между камерами. Разработана схема эксперимента и выполнено экспериментальное исследование, подтвердившее работоспособность предложенного подхода. Показано, что точность трёхмерной реконструкции может быть увеличена путём варьирования угла схождения между камерами стереосистемы.

Ключевые слова: стереоскопия, угол схождения между камерами, трёхмерная реконструкция, изодиспарентные поверхности.

 

References

1.    Remondino F., El-Hakim S. Image-based 3D modelling: a review // Photogram. Recor. 2006. V. 21(115). P. 269–291.

2.   Aggogeri F., Barbato G., Barini E.M., Genta G., Levi R. Measurement uncertainty assessment of Coordinate Measuring Machines by simulation and planned experimentation // CIRP J. Manufact. Sci. Tech. 2011. V. 4(1). P. 51–56.

3.   Acko B., McCarthy M., Haertig F., Buchmeister B. Standards for testing freeform measurement capability of optical and tactile coordinate measuring machines // Measur. Sci. Tech. 2012. V. 23(9). P. 094013.

4.   Xiao Y.J., Li Y.F. Optimized stereo reconstruction of free-form space curves based on a nonuniform rational B-spline model // J. Opt. Soc. Am. A. 2005. V. 22(9). P. 1746–1762.

5.   Wang Y., Liu K., Hao Q., Wang X., Lau D.L., Hassebrook L.G. Robust active stereo vision using Kullback–Leibler divergence // IEEE transactions on Pattern Anal. Mach. Intell. 2012. V. 34(3). P. 548–563.

6.   Zhao H., Wang Z., Jiang H., Xu Y., Dong C. Calibration for stereo vision system based on phase matching and bundle adjustment algorithm // Opt. Las. in Eng. 2015. V. 68. P. 203–213.

7.    Lim K.B., Qian B. Biprism distortion modeling and calibration for a single-lens stereovision system // J. Opt. Soc. Am. A. 2016. V. 33. P. 2213–2224.

8.   Hamzah R.A., Ibrahim H., Hassan A.H.A. Stereo matching algorithm for 3d surface reconstruction based on triangulation principle // In 2016 1st International Conference on Information Technology, Information Systems and Electrical Engineering (ICITISEE). Yogyakarta, Indonesia. August 2016. P. 119–124.

9.   Chen J., Khatibi S., Kulesza W. Depth reconstruction uncertainty analysis and improvement – the dithering approach // Image Vis. Comput. 2010. V. 28(9). P. 1377–1385.

10. Chen J., Khatibi S., Kulesza W. Planning of a multi stereo visual sensor system-depth accuracy and variable baseline approach // In 3DTV Conference. Kos, Greece. May 2007. P. 1–4.

11.  Rovira-Más F., Wang Q., Zhang Q. Design parameters for adjusting the visual field of binocular stereo cameras // Biosys. Eng. 2010. V. 105(1). P. 59–70.

12.  Chen T., Catrysse P.B., El Gamal A., Wandell B.A. How small should pixel size be? // In Sensors and Camera Systems for Scientific, Industrial, and Digital Photography Applications. International Society for Optics and Photonics. San Jose, CA, United States. May 2000. V. 3965. P. 451–460.

13.  Hengl T. Finding the right pixel size // Com. & Geosci. 2006. V. 32(9). P. 1283–1298.

14.  Yu S., Kang W., Ko S., Paik J. Single image super-resolution using locally adaptive multiple linear regression // J. Opt. Soc. Am. A. 2015. V. 32. P. 2264–2275. 

15.  Park S.C., Park M.K., Kang M.G. Super-resolution image reconstruction: a technical overview // IEEE Sig. Process. Mag. 2003. V. 20(3). P. 21–36.

16.  Alasseur C., Constantinides A.G., Husson L. Colour quantisation through dithering techniques // In Proceedings 2003 International Conference on Image Processing (Cat. No. 03CH37429). Barcelona, Spain. September 2003. V. 1. P. I–469.

17.  El-Said S.A. Image quantization using improved artificial fish swarm algorithm // Soft Comput. 2015. V. 19(9). P. 2667–2679.

18. Ghanbarian A.T., Kabir E., Charkari N.M. Color reduction based on ant colony // Pattern Reco. Letter. 2007. V. 28(12). P. 1383–1390.

19.  Ben-Ezra M., Zomet A., Nayar S.K. Video super-resolution using controlled subpixel detector shifts // IEEE Transactions on Pattern Anal. Mach. Intell. 2005. V. 27(6). P. 977–987.

20. Khalili K., Razavi S.A., Karimzadgan D. High resolution measurements using a low resolution system // Measur. Sci. Rev. 2005. V. 5(1). P. 56–59.

21.  Emam S.M., Khatibi S., Khalili K. Improving the accuracy of laser scanning for 3D model reconstruction using dithering technique // Proc. Tech. 12. 2014. P. 353–358.

22.      Sayyedbarzani S.A., Emam S.M. Evaluation of the quantization error in the convergence stereo cameras // Journal of Optical Technology. 2020. V. 87(8). P. 495–500.

 

 

Полный текст