PROCEDIMIENTO COMPLETO PARA EL CALIBRADO DE CMARAS UTILIZANDO UNA

PLANTILLA PLANA


Carlos Ricolfe Viala, Antonio Jos Snchez Salmern


Departamento de Ingeniera de Sistemas y Automtica
Universidad Politcnica de Valencia
Camino de Vera s/n, 46022 Valencia
Email: cricolfe, asanchez@isa.upv.es




Resumen: El proceso de calibracin de una cmara es necesario para la obtencin de
informacin 3D a partir de imgenes 2D de la escena. Existen diferentes tcnicas
basadas en fotogrametra y auto-calibracin. Como resultado se obtienen los
parmetros intrnsecos y extrnsecos de la cmara. Mucho trabajo se ha realizado en
el calibrado de cmaras y tambin en el pre y post procesado de los datos. Desde un
punto de vista prctico, la bibliografa apunta al mtodo basado en plantilla
bidimensional como el ms fcil de realizar y que mejores resultados obtiene. Sin
embargo, no se han tenido en cuenta las mejoras que diferentes tcnicas de pre y post
procesado de datos pueden aportar a dicho mtodo.
En este artculo se realiza un estudio de las diferentes tcnicas de pre y post
procesado de datos que mejoran el proceso de calibracin de Zhang (Zhang, 1998,
2000). Estas tcnicas condicionan de forma ptima los procesos de clculo, eliminan
ruidos en las coordenadas de los puntos y realizan una bsqueda no lineal adecuada
al conjunto de parmetros de la cmara. Con este artculo se pretende definir el
procedimiento completo para calibrar una cmara utilizando una plantilla plana y
conseguir resultados ptimos con el proceso. Copyright 2008 CEA-IFAC


Palabras Clave: calibracin de cmaras, plantilla plana, rectificado de distorsin,
normalizacin de los datos, calibracin no lineal.





1. INTRODUCCIN

El proceso de calibracin de una cmara es un
paso necesario para obtener medidas de la escena a
partir de imgenes de la misma. La exactitud de la
calibracin determinar posteriormente la precisin
de las medidas que se realicen a partir de las
imgenes. Es por este motivo que es imprescindible
realizar la calibracin de la cmara con plenas
garantas de que los parmetros obtenidos son los
ms parecidos a los reales. Este compromiso implica
tanto la eleccin del mtodo de calibracin as como
la correcta utilizacin del mismo. As pues, el
proceso de calibrado se debe empezar realizando una
exhaustiva revisin del estado del arte de los
diferentes mtodos de calibracin para elegir el que
mejores resultados obtiene y bajo que condiciones se
consiguen estos resultados. Debido a la gran cantidad
de trabajos realizados en el campo de la calibracin
de cmaras, resulta una tarea ardua y poco sencilla la
eleccin del mtodo y las condiciones para
desarrollarlo. Existen numerosas tcnicas de pre y
post procesado de los datos que pueden mejorar los
resultados de la calibracin pero puede suceder que
no se apliquen porque no se encuentran en los
artculos que describen un mtodo de calibracin. Por
un lado existen trabajos relacionados con mtodos de
calibracin, y por otro, estudios que tratan sobre el
pre y post procesado de los datos. Por lo tanto, es
necesario tener un conocimiento exhaustivo del
estado del estado del arte para incluirlas dentro del
procedimiento de calibracin de forma correcta.
El presente artculo pretende definir un
procedimiento completo de calibracin que tiene en
cuenta todas las tcnicas que de forma genrica se
pueden encontrar en el estado del arte de calibrado de












http://riai.isa.upv.es


ISSN: 1697-7912. Vol. 5, Nm. 1, Enero 2008, pp. 93-101
www.revista-riai.org

cmaras y que han sido revisadas por los autores. De
esta forma, para un investigador novel en el mundo
del calibrado de cmaras, resulta sencillo y rpido
conocer el proceso completo de calibracin de la
cmara de acuerdo a un procedimiento que obtiene
ptimos resultados.
En primer lugar se hace una breve descripcin
del modelo de la cmara. Despus se tratan los
diferentes mtodos de calibracin que existen y se
elige el que mejores resultados obtiene. En tercer
lugar se establecen las mejoras que se pueden
introducir a este mtodo realizando un pre procesado
de los datos y planteando un ndice correcto de
bsqueda no lineal. En cuarto lugar, se establece el
procedimiento con todas las etapas a seguir para
calibrar la cmara, se realizan experimentos reales y
simulados y se finaliza con unas conclusiones.

2. EL MODELO DE LA CMARA

El modelo bsico de la cmara tambin llamado
pin-hole representa la transformacin de las
coordenadas de los puntos de la escena en las
coordenadas de la imagen. Se muestra en la figura 1.
El modelo lineal viene definido por la siguiente
expresin.

[ ] [ ]
1 2 3

i i
q K R t p K r r r t p = =
(1)

q
i
=(u
i
, v
i
, h
i
) representa las coordenadas homogneas
en la imagen de un punto en la escena p
i
=(x
i
, y
i
, z
i
, 1).
El modelo contiene la orientacin de la cmara en la
escena y su posicin expresadas con una matriz de
rotacin R y un vector de traslacin t=(t
x
, t
y
, t
z
)
respectivamente, adems de las caractersticas
intrnsecas de la cmara contenidas en la matriz K.

2.1 Modelo de distorsin de la cmara.

Las imperfecciones en las formas de las lentes
provocan desviaciones laterales del haz de luz, que
las atraviesa. Como resultado se obtiene una posicin
del punto observado en la imagen diferente a su
posicin esperada como reflejo de un punto del
espacio. La posicin correcta en pxeles del punto q
en la imagen q
p
=(u
p
, v
p
) est relacionada con la
posicin observada del mismo q
d
= (u
d
, v
d
). Esta
relacin se expresa mediante las siguientes
expresiones:

) , (
) , (
p p v p d
p p u p d
v u v v
v u u u

=
=

(2)

Segn (2) la cantidad de error geomtrico en
cada coordenada del punto q depende la posicin del
mismo dentro de la imagen. Segn (Brown, 1966),
(Faig, 1975), (Stama, et al., 1980), p
1
, p
2
, p
3
,
modela la distorsin tangencial, la radial se modela
con los coeficientes k
1
, k
2
, k
3
, , y la de prisma con
s
1
, s
2
, s
3
, La distorsin efectiva puede ser modelada
por la suma de los tres tipos de distorsiones definidas
anteriormente. Si se descartan los trminos de orden
superior a 2 se obtiene la siguiente expresin.

( )
( )
2
2
2 2
2 1
2
1
2
1 2
2 2
1
2
1
3 2 2 ) , (
2 3 ) , (
r s v u p v u p r k v v u
r s v u p v u p r k u v u
p p p p p p p v
p p p p p p p u
+ + + + =
+ + + + =

(3)

Esta expresin representa el modelo no lineal de
la cmara. r es la distancia de un pxel al punto
principal de la imagen, c=(u
0
, v
0
), u=u
p
-u
0
, v=v
p
-
u
0
. r se calcula como r
2
=u
2
+u
2
.

3. CALIBRACIN DE CMARAS

El proceso de calibracin consiste en obtener los
parmetros que definen el modelo de la cmara, tanto
lineal como no lineal. En la actualidad existen
numerosos mtodos de calibracin que utilizan
diferentes tipos de plantillas y tambin sin utilizar
ninguna de ellas. El mtodo de Tsai (Tasi, 1997),
representa un proceso clsico de calibracin basado
en las medidas de las coordenadas de los puntos de
una plantilla 3D respecto a un punto de referencia
fijo. Este mtodo ha sido ampliamente utilizado en el
siglo pasado (Kanade, et al., 1997), (Raskar, et al.,
1998). En la comparacin de mtodos de calibracin
desarrollados entre 1982 y 1998 realizado por Salvi
(Salvi, et al., 2002), el mtodo de Tsai muestra
mejores resultados a pesar de que para conseguir
buenos resultados es necesaria una precisin
importante de los datos de entrada. Por el contrario,
el mtodo de Zhang (Zhang, 1998, 2000), el cual no
est incluido en el estudio de Salvi (Salvi, et al.,
2002), representa una nueva era en el proceso de
calibrado de la cmara. Este mtodo utiliza las
coordenadas de los puntos situados en una plantilla
plana 2D. De esta forma se combinan las ventajas de
los mtodos de calibracin basados en las medidas de
las coordenadas de la plantilla con las ventajas de la
auto calibracin en la cual no es necesaria utilizar
plantilla. Este modo de calibracin resulta muy
flexible desde el punto de vista de que tanto la
cmara como la plantilla puede ser movida
libremente y adems se pueden tomar tantas
imgenes como se quieran sin tener que volver a
realizar medidas en la plantilla. Sun (Sun y
Cooperstock, 2006) utiliza los resultados de Salvi
(Salvi, et al., 2002) y compara el mtodo de Tsai con
el mtodo de Zhang. Por un lado el mtodo de Tsai
obtiene una estimacin precisa de los parmetros de
la cmara si los datos de entrada estn poco
contaminados con ruido. Teniendo en cuenta que son
Figura 1. Modelo geomtrico de la cmara
94
Procedimiento Completo para el Calibrado de Cmaras Utilizando una Plantilla Plana

necesarios al menos cien puntos en la plantilla y que
las coordenadas han de estar referidas a un origen de
coordenadas fijo, es imprescindible un adecuado
diseo de la plantilla de calibracin adems de una
medida exacta de las coordenadas de los puntos. A
pesar de todo, la probabilidad de cometer errores en
las medidas son altas tal y como confirman los
experimentos realizados por Sun (Sun y Cooperstock,
2006). Por el contrario, el mtodo de calibracin de
Zhang basado en plantilla 2D no requiere tal especial
diseo de la plantilla, ni tampoco una medicin tan
exacta de los puntos de la misma. Sun realiza los
experimentos con una plantilla hecha a mano y
obtiene mejores resultados que con el mtodo de
Tsai. Adems, la sensibilidad del algoritmo de
calibracin frente a errores en las medidas, puede ser
mejorada aumentando el nmero de puntos en la
plantilla, simplemente imprimiendo un tablero de
ajedrez con ms esquinas. Los resultados de la
comparacin muestran la flexibilidad y adaptabilidad
del mtodo de calibracin de Zhang ya que se puede
realizar en cualquier escenario.

Desde el punto de vista del modelo estimado, los
experimentos con cmaras de calidad media
realizados por Salvi (Salvi, et al., 2002) y Sun (Sun y
Cooperstock, 2006) indican que es razonable
considerar distorsin tangencial desalineamiento
cero y distorsin radial de segundo orden. Considerar
una distorsin radial de orden cuatro puede ser
factible si se disponen de datos con poco nivel de
ruido. En caso de estimar distorsiones de orden seis o
superiores el propio ruido de las medidas hace que
los resultados obtenidos sean peores, adems de
complicar el algoritmo de calibracin. Si se deja de
considerar la distorsin radial, se pueden mejorar los
resultados de la calibracin aadiendo componentes
de distorsin tangencial descentrado de la imagen.

3.1 Calibracin lineal.

As pues, basndose en las conclusiones
obtenidas por Sun (Sun y Cooperstock, 2006) se
establece como mtodo base de calibracin el que
utiliza un plantilla plana presentado por Zhang
(Zhang, 1998, 2000). Este mtodo consiste en tomar
varias imgenes de una plantilla plana desde
diferentes posiciones y orientaciones de la cmara.
Con cada una de estas imgenes es posible obtener
una homografa H resolviendo la siguiente expresin:

0
0
0
T T
i i i
T T
i i i
p u q
h
p v q

=

Ah=0
(4)

Si se calculan n homografas a partir de n
imgenes obtenidas de la plantilla se obtiene un
sistema de ecuaciones de la forma Vb=0, donde V es
una matriz de dimensiones 2nx6, formada con los
elementos de las homografas de la siguiente forma:
1 1 1 2 2 1 2 2
3 1 1 3 3 2 2 3 3 3
[ ...
... ]
T
ij i j i j i j i j
i j i j i j i j i j
v h h h h h h h h
h h h h h h h h h h
= +
+ +

(5)

Si n3 se tiene una solucin general con
solucin nica de b definida con un factor de escala.
La solucin del vector b es el vector propio de V
T
V
asociado al valor propio ms pequeo. A partir del
vector estimado b se obtienen los parmetros
intrnsecos de la cmara. Una vez conocidos los
parmetros intrnsecos se calculan los extrnsecos a
partir de cada homografa. Ver (Zhang, 1998) para
ms detalles.

3.2 Calibracin no lineal.

El algoritmo descrito en la subseccin anterior
obtiene los valores de los parmetros de la cmara de
forma lineal. Si se realiza una estimacin no lineal de
los parmetros, se minimiza un error residual
definido por la expresin e=b
#
-f(a), donde a
representa el vector de parmetros que deben
satisfacer el vector de medidas b
#
con la funcin no
lineal f. (
#
representa datos contaminados con ruido).
El error se minimiza empezando con un valor de los
parmetros y buscando por el espacio del vector de
parmetros, siguiendo la direccin que minimiza el
Laplaciano de f en el valor actual de los parmetros
en cada iteracin. El valor inicial para empezar la
bsqueda de los parmetros se obtiene por mtodos
lineales.

En el caso del calibrado de la cmara, el error e
representa la distancia geomtrica entre los puntos
medidos en la imagen q
i
#
y las coordenadas de los
puntos proyectados con la plantilla de calibracin y el
valor actual de los parmetros q
i
*=M
#
p
i
#
. La funcin
f se puede definir de diferentes formas y siempre
expresa la relacin entre coordenadas de los puntos
en la imagen y la plantilla. Normalmente, los
parmetros del modelo lineal de la cmara se utilizan
para definir la funcin f y de esta forma se calculan
directamente (tambin se pueden incluir los
parmetros del modelo no lineal). Por lo tanto, a=(
u
,

v
, u
0
, v
0
, t
x1
, t
y1
, t
z1
,
1
,
1
,
1
, t
xm
, t
ym
, t
zm
,
m
,
m
,

m
). m es el nmero de imgenes que participan en el
proceso de calibracin y n corresponde con el nmero
de puntos. El espacio de bsqueda es 4+6m donde 4
son los parmetros intrnsecos y 6 los extrnsecos.
Los 6 elementos de la matriz de rotacin se expresan
con ngulos de Euler , , . El ndice a minimizar
es:
2
11 12 13
0
31 32 33
2
1 1
21 22 23
0
31 32 33
j i j i j i xj
ij u
m n
j i j i j i zj
j i
j i j i j i yj
ij v
j i j i j i zj
r x r y r z t
u u
r x r y r z t
I
r x r y r z t
v v
r x r y r z t

= =
+ + +
+

+ + +

=
+ + +
+


+ + +

(6)

4. MEJORAS DEL MTODO DE CALIBRACIN

En el apartado anterior se describe una tcnica
lineal y no lineal para calibrar la cmara usando una
C. Ricolfe, A. J. Snchez 95

plantilla plana. Los parmetros ptimos p* satisfacen
el modelo de la cmara para un conjunto de medidas
q
i
, p
i
. El conjunto de parmetros p* se obtienen
partiendo de los valores iniciales de los parmetros p
0

cercanos a los definitivos siempre que el ruido que
contaminaba las medidas q
i
#
, p
i
#
no sea excesivo. Los
valores iniciales de los parmetros p
0
se obtienen en
la etapa lineal. Con el objetivo de mejorar la
estimacin lineal de los parmetros de la cmara y
obtener un conjunto de parmetros p
0
ms cercanos a
los ptimos p*, se va a realizar un preprocesado de
los datos con tcnicas desarrolladas por Hartley
(Hartley, 1997) y por Ahmed (Ahmed y Farag, 2005)
o Devernay (Devernay y Faugeras, 2001). Estas
tcnicas reducen notablemente el nivel de ruido de
las medidas y se obtiene unos parmetros ms
exactos en la etapa lineal de clculo.

Hartley realiza una normalizacin de las
medidas de las coordenadas para obtener una matriz
A en (4) mejor condicionada y en consecuencia
obtener unos valores ms estables en el clculo de los
vectores propios de dicha matriz. Ahmed (Ahmed y
Farag, 2005) o Devernay (Devernay y Faugeras,
2001) realizan una estimacin de la distorsin que
producen las lentes en la imagen y una posterior
correccin de la misma. Esta tcnica permite reducir
el nivel de ruido en las medidas de las coordenadas
de la imagen, ya que se corrigen las posiciones de los
puntos en la misma y adems, los parmetros
estimados para la distorsin producida por la lente
sirven de punto de partida para la bsqueda no lineal.
El objetivo es introducir estos dos pasos previos antes
de realizar el proceso de calibrado.

Despus, en la etapa de bsqueda no lineal de los
parmetros de la cmara, el ndice de bsqueda se
modifica para mejorar los resultados. En este caso,
las coordenadas de los puntos en la plantilla se
incluyen dentro del vector de parmetros para que la
propia bsqueda no lineal tenga en cuenta su
incertidumbre y corrija a su vez las posiciones de los
mismos. Dado que las coordenadas de los puntos en
la plantilla son corregidos para reducir el nivel de
ruido, los errores de calibracin slo dependern del
nivel de ruido en las coordenadas de los puntos en la
imagen. Esta tcnica la presento (Lavest, et al.,
1998).

4.1 Calibracin de la distorsin de la cmara.

En este apartado se describe el mtodo para
calibrar los parmetros que modelan la distorsin de
la cmara presentados en el apartado 2.1. Se
considera la distorsin radial y tangencial
principalmente, aunque la distorsin de descentrado
tambin se puede considerar. Si se corrige la
distorsin antes de realizar el calibrado de la cmara,
el proceso de calibracin mejora sus resultados. En
este caso se ha utilizado el mtodo descrito por
Ahmed (Ahmed y Farag, 2005). Se basa en el
principio de que una imagen de cualquier lnea recta,
siempre ser recta. Ahmed expresa la distorsin en
funcin de la deformacin de las lneas rectas. El
mtodo se describe en (Ahmed y Farag, 2005).

4.2 Normalizacin de los datos.

La estabilidad en los resultados de la calibracin de la
cmara depende de las posiciones de los puntos en la
imagen (Hartley y Zisserman, 2004). Formalmente se
podra decir que si se tiene un conjunto de puntos p
i

en la escena, con sus correspondientes puntos q
i
en la
imagen y las posiciones de estos puntos cambian de
forma que p
i
=T
p
p
i
y q
i
=T
q
q
i
, donde T
p
y T
q
son
sendas matrices de transformaciones de similitud, si
los dos conjuntos de puntos iniciales estn
relacionados por una homografa H de la forma
q
i
=Hp
i
, esta expresin se transforma utilizando el
nuevo conjunto de puntos en q
i
=T
q
HT
p
-1
p
i
. Esta
ecuacin implica que la matriz de proyeccin H que
relaciona los conjuntos de puntos transformados p
i
y
q
i
es H=T
q
HT
p
-1
. Teniendo esto en cuenta, si la
situacin de los puntos en el espacio no influye en la
estimacin de la homografa H, se puede obtener la
misma por un camino alternativo. ste consistira en
transformar el conjunto de puntos iniciales p
i
y q
i
en
p
i
=T
p
p
i
y q
i
=T
q
q
i
a partir de sendas
transformaciones de similitud T
p
y T
q
. Despus se
calcula la homografa H por los mtodos explicados
anteriormente basados en la minimizacin del error
algebraico y a partir de sta, obtener la homografa H
segn H=T
q
-1
HT
p
, la cual, se hubiera obtenido
directamente utilizando el conjunto de puntos
iniciales p
i
y q
i
. Este hecho sin embargo, en la
realidad no es cierto. Hartley (Hartley, 1997),
demuestra que los resultados de los algoritmos
basados en la minimizacin del error algebraico, son
sensibles a la situacin de los puntos en el espacio.
Esto es debido a que en el momento de establecer las
restricciones dentro del ndice no es lo mismo fijar
|h|=1 que |h|=1 y por lo tanto los resultados
obtenidos por un camino son diferentes a los
obtenidos por el camino inmediato.

La normalizacin de las coordenadas que Hartley
propone en (Hartley, 1997), consiste en trasladar las
mismas de forma que el centroide de todos los puntos
est situado en el origen de coordenadas del sistema
de referencia. La traslacin que se realiza es diferente
en las coordenadas de los puntos de la plantilla, que
en los puntos de la imagen. Adems las coordenadas
son escaladas de forma que la media de las distancias
de todos los puntos al origen de coordenadas sea 1. El
escalado en cada eje de coordenadas es igual y se
realiza un escalado diferente para los puntos de la
imagen y del escenario.

4.3 Modificacin del ndice de bsqueda no lineal.

Lavest en (Lavest, et al., 1998) calibra la
cmara utilizando una plantilla tridimensional
corrigiendo los puntos en la plantilla p
i
#
ya que estn
contaminados con ruido. En cada iteracin del
proceso de bsqueda no lineal, un nuevo conjunto de
puntos en la plantilla son estimados p
i
*, los cuales
Procedimiento Completo para el Calibrado de Cmaras Utilizando una Plantilla Plana
96

tienen un menor nivel de ruido que p
i
#
ya que generan
un menor error geomtrico. En este caso, las
coordenadas de los puntos en la plantilla p
i
#
, se
incluyen con los parmetros de la cmara que se van
a estimar. Debido a que se est utilizando el mtodo
presentado por Zhang (Zhang 1998), la plantilla es
plana y se tienen varias imgenes de la misma desde
diferentes posiciones y orientaciones. Para utilizar
toda la informacin, un ndice con los parmetros
intrnsecos de la cmara y los extrnsecos para cada
una de las posiciones es minimizado. Adems las
coordenadas de los puntos en la plantilla se incluyen.
El vector de parmetros queda segn a=(
u
,
v
, u
0
, v
0
,
t
x1
, t
y1
, t
z1
,
1
,
1
,
1
, t
xm
, t
ym
, t
zm
,
m
,
m
,
m
, x
1
, y
1
,
z
1
, x
2
, y
2
, z
2
, x
n
, y
n
, z
n
). m es el nmero de imgenes
de la plantilla y n corresponde con el nmero de
puntos. La dimensin del espacio de bsqueda es
4+6m+3n y el ndice es el mismo que el que se
defini en (6).


5. PROCEDIMIENTO DE CALIBRACIN

El procedimiento de calibracin basado en
plantilla plana debe seguir los siguientes pasos:

Disear una plantilla tipo tablero de ajedrez con
70 esquinas.
Tomar 10 imgenes de la plantilla desde varias
posiciones y orientaciones. Las imgenes se
tomarn de forma que la plantilla abarque la
mayor superficie de la imagen.
Detectar las esquinas de los cuadrados del tablero
en las imgenes a nivel de subpixel.
Corregir la distorsin de la imagen con el mtodo
descrito por Ahmed (Ahmed y Farag, 2005).
Normalizar las coordenadas de los puntos en las
imgenes y la plantilla segn el mtodo de
Hartley (Hartley, 1997)
Calcular una homografa para cada imagen.
Con las homografas obtenidas, aplicar el mtodo
de calibrado de Zhang (Zhang, 1998, 2000).
A partir de los resultados obtenidos realizar una
bsqueda no lineal de los parmetros segn el
ndice descrito en el apartado 4.3.


6. RESULTADOS EXPERIMENTALES

Para demostrar las mejoras que se producen
sobre la calibracin de la cmara, se van a realizar
varios experimentos simulados y con cmaras reales.
Las condiciones bajo las cuales se van a realizar los
experimentos son parecidas a las realizadas Zhang en
(Zhang, 1998) para comparar resultados. Segn se
muestra en la figura 3 de (Zhang, 1998), los
resultados de calibracin mejoran si los ngulos que
forman el plano de la platilla con el los planos de las
imgenes est comprendido entre 50 y 70 grados.
Respecto al nmero de imgenes necesarias para
realizar una calibracin fiable, la figura 2 de (Zhang,
1998) muestra que a partir de 7 u 8 imgenes la
mejora en los resultados de la calibracin ya no es
significativa. Por lo tanto, para ver el efecto de la
normalizacin de los datos y la correccin de la
distorsin en el proceso de calibracin de la cmara,
se van a utilizar 8 imgenes tomadas de forma que el
ngulo que forman el plano de la platilla con los
respectivos planos de la imagen est comprendido
entre 50 y 70 grados.

Las posiciones de la cmara son t
1
=(150, 200,
580), t
2
=(-50, 250, 880), t
3
=(100, -20, 820), t
4
=(-40, -
150, 780), t
5
=(-150, -150, 530), t
6
=(-100, 125, 400),
t
7
=(140, -150, 500), t
8
=(240, 50, 600). La orientacin
de la cmara en cada una de las posiciones es tal que
el eje ptico corta al plano de la plantilla en el centro
de la misma.

Por otro lado, con el objetivo de poder comparar
resultados simulados con los obtenidos por Zhang en
(Zhang, 1998), las caractersticas de la cmara son las
mismas que la simulada en el mencionado artculo.
stas son
u
=1250,
v
=900, u
0
=250, v
0
=250 y
=1.09083 equivalente a 89.95. La resolucin de la
imagen es 512x512 pxeles. La plantilla, de la misma
forma que hace Zhang es un tablero de ajedrez de
10x14=140 esquinas. El tamao de la plantilla es
180x250 mm. En este caso, la plantilla est situada en
el suelo de forma que todos los puntos de inters
tienen coordenada z
w
=0.

6.1 Efectos de la distorsin en la calibracin.

Los efectos de la correccin de la distorsin de la
cmara son evaluados en primer lugar. La cmara se
calibra con puntos contaminados con distorsin
extrados directamente de las imgenes de la plantilla
y con puntos cuya distorsin se ha corregido. Dado
que se utilizan datos simulados se pueden variar
fcilmente el nivel de ruido en las coordenadas de los
puntos. Para realizar las simulaciones lo ms
parecidas a la realidad los valores de k
1
, k
2
, p
1
y p
2

son similares al de una cmara real. Estos
corresponden a la cmara VCM50 de 640x480
pxeles de resolucin. Los valores de distorsin
calculados son k
1
=1.1834x10
-7
, k
2
=0.3872x10
-7
,

Figura 2. Efectos de la normalizacin y la correccin de la
distorsin en la estimacin lineal de los parmetros.
C. Ricolfe, A. J. Snchez 97

p
1
=3.658x10
-7
, p
2
=0.74138x10
-7
, c
u
=312.5686,
c
v
=248.0743. La figura 2 muestra los resultados de
u

utilizando imgenes corregidas y no corregidas.
Obviamente, se obtienen mejores resultados con
imgenes corregidas. En caso de calibrar la cmara
con mtodos lineales corregir la distorsin resulta
imprescindible. Si se realiza una calibracin no
lineal, la correccin de la imagen se debe realizar si
no se tienen en cuenta los parmetros de distorsin en
la bsqueda no lineal. Adems se obtendrn mejores
resultados si la imagen no est distorsionada. Los
resultados obtenidos son parecidos para el resto de
parmetros de la cmara
v
, u
0
, v
0
.

6.2 Normalizacin de los datos.

Con la normalizacin de los datos se consigue
mejorar la condicin de la matriz A. Esto significa
que el clculo de las homografas es ms estable
frente al nivel de ruido en las medidas. En
consecuencia se mejora la estimacin de los
parmetros de la cmara cuando la contaminacin de
los datos es importante. En este caso se ha simulado
el efecto del ruido en las medidas, normalizando los
datos y comparando los resultados con los obtenidos
en el caso de la correccin de la distorsin de la
imagen. Las condiciones de simulacin son las
mismas que las anteriores. Los resultados mostrados
para cada nivel de ruido son la media de 500
calibraciones. Estos se muestran en la figura 2. Se
observa que efectivamente, si el nivel de ruido
aumenta, la normalizacin de los datos realiza un
filtrado del mismo y se consiguen mejores resultados.
La mejora es siempre relativa a si se ha realizado o
no, la correccin de la distorsin de la imagen.
Evidentemente, los mejores resultados se obtienen si
se corrige la distorsin de la imagen y se normalizan
los datos. Si el nivel de ruido no es muy alto, una
solucin aceptable para el clculo lineal de los
parmetros de la cmara sera solamente corrigiendo
la distorsin de la imagen.

6.3 Bsqueda no lineal de parmetros.

Como ltimo paso del proceso de calibracin de
la cmara se considera la bsqueda no lineal de los
parmetros. Se parte de un punto de bsqueda inicial
y se realiza una bsqueda de los parmetros de forma
que se minimiza un ndice planteado. En este caso, se
van a minimizar dos de los ndices planteados en el
apartado 3.2 y 4.3. Los puntos iniciales de bsqueda
son los calculados con la distorsin corregida en la
(a) (b)

Figura 3. Efectos del ruido de la plantilla en la calibracin no lineal. (a) los puntos de la plantilla estn contaminados con
ruido de =1mm (b) los puntos en la imagen estn contaminados con ruido de =0.5 pxeles.


(a) (b)

Figura 4. Errores cuando el nmero de puntos (a) y nmero de imgenes (b) cambia. Los puntos de la plantilla no se perturban y
en la imagen tiene un nivel de ruido de =1.
Procedimiento Completo para el Calibrado de Cmaras Utilizando una Plantilla Plana
98

imagen y las coordenadas de los puntos
normalizadas. Esta solucin al estar ms cercana a la
definitiva, el algoritmo de bsqueda converge ms
rpidamente y la bsqueda no lineal es ms corta.
La figura 3(a) muestra los resultados de la
bsqueda no lineal de los parmetros de la cmara
variando el nivel de ruido en las coordenadas de los
puntos en la imagen. Las coordenadas de la plantilla
se contaminan con ruido Gaussiano de =1. Se
compara el caso de la bsqueda no lineal de slo los
parmetros de la cmara, y de los parmetros de la
cmara junto con las coordenadas de los puntos en la
plantilla. Se puede observar que el algoritmo es capaz
de corregir las coordenadas de los puntos en la
plantilla y obtener resultados casi exactos en los que
el error de la calibracin slo depende del nivel de
ruido en los puntos de la imagen. En el caso de
aumentar el ruido en la imagen, el algoritmo que
calcula posiciones de los puntos en la plantilla llega a
conclusiones menos parecidas a las reales ya que se
entiende que no existe referencia para corregir las
coordenadas de los puntos en la plantilla.

La figura 3(b) presenta los efectos del error de
medida cometidos en la plantilla. Si se realiza una
bsqueda no lineal de los parmetros junto con el
conjunto de puntos en la plantilla, se demuestra que
el error cometido en la calibracin slo depende de
las imprecisiones realizadas en el proceso de medida
en los puntos en la imagen. En este caso, slo
dependern del nivel de ruido en las medidas de la
imagen. Esta mejora slo se consigue si se realiza la
etapa de bsqueda no lineal de los parmetros de la
cmara con los puntos de la plantilla. Si se resuelve
slo la fase lineal del calibrado de la cmara, el ruido
de los puntos en la plantilla s afectar a la
calibracin.

6.4 Efecto del nmero de puntos y de imgenes.

En este caso se simulan los efectos del nmero
de datos que participan en el proceso de calibracin
de la cmara. Se varan tanto el nmero de puntos en
la plantilla as como las imgenes que se toman de las
mismas. En el primer caso, se incrementa el nmero
de puntos contaminando las coordenadas de los
puntos en la imagen y en la plantilla con un ruido de
=1. El nmero de imgenes que se toman son ocho
al igual que en las experiencias simuladas
anteriormente. La figura 4(a) muestra los resultados.
Efectivamente contra ms datos participan en la
estimacin, menores son los errores que se comenten
en el clculo de los parmetros. Como barrera
significativa respecto del nmero de datos necesarios
a ubicar en la plantilla, se podra decir que en torno a
60~70 puntos podra ser suficiente.

En segundo lugar se cambian el nmero de
imgenes que se toman de la plantilla. En este caso
los puntos que se utilizan son los 99 de la plantilla y
el nmero de imgenes vara desde 3 que son las
mnimas necesarias hasta 14. En la figura 4(b), slo
se muestra a partir de 5 imgenes para poder apreciar
mejor los resultados. Con un nmero menor de
imgenes, los resultados son extrapolables. Las
posiciones desde donde se toman las imgenes son
t
1
=(150, 200, 580), t
2
=(-50, 250, 880), t
3
=(100, -20,
820), t
4
=(-40, -150, 780), t
5
=(-150, -150, 530), t
6
=(-
100, 125, 400), t
7
=(140, -150, 500), t
8
=(240, 50, 600),
t
9
=(50, -250, 880), t
10
=(-240, -50, 600), t
11
=(-140,
150, 600), t
12
=(125, 20, 800), t
13
=(25, -100, 700),
t
14
=(-25, 100, 600).

En todos los casos se orienta la cmara para que
el eje ptico coincida con el centro de la plantilla.
Igual que antes, contra ms imgenes se toman
menos error se comete. Como barrera significativa
del nmero de imgenes necesarias, se observa que
con ms de 8 imgenes la mejora de los resultados ya
no resulta tan significativa. Estos resultados tambin
se pueden observar en las experiencias realizadas por
Zhang en (Zhang, 1998) y Sun en (Sun y
Cooperstock, 2006).

Tabla 1. Resultados de calibracin para la camara real VCM50
Posiciones aleatorias
C
a
l
i
b
r
a
c
i

n

l
i
n
e
a
l

P
r
e
p
r
o
c
e
s
a
d
o

d
e

d
a
t
o
s

+

c
a
l
i
b
r
a
c
i

n

l
i
n
e
a
l

C
a
l
i
b
r
a
c
i

n

N
O

l
i
n
e
a
l


C
a
l
i
b
r
a
c
i

n

N
O

l
i
n
e
a
l

c
o
n

p
u
n
t
o
s

e
n

l
a

p
l
a
n
t
i
l
l
a

u
749.245.2 748.431.2 749.415.2 751.79.8

v
752.252.4 749.142.5 740.122.5 743.114.7
u
0
318.55.9 328.55.1 319.45.1 321.73.6
v
0
237.98.7 245.98.1 245.97.1 246.23.2
Error estimacin 0.3450.059 0.2320.093 0.1530.045 0.0530.012
Tiempo cmputo (s) 0.002 0.043 28.743 48.483

C. Ricolfe, A. J. Snchez 99

6.5 Calibracin de cmaras reales.

La cmara VCM50 de Vision Components
GMBH se ha calibrado. Esta tiene una distancia focal
fija y una resolucin de 640x480 pxeles. La plantilla
de calibracin es un tablero de ajedrez de 15x11
esquinas de 280x200 mm impreso con una impresora
lser. La rigidez se garantiza ya que se ha pegado a
un tablero. Se han tomado 20 imgenes desde
posiciones aleatorias para calibrar la cmara y 10
imgenes para testear los resultados. Los errores de
calibracin se han medido con la media de las
distancias geomtricas entre el conjunto de puntos
medidos en las imgenes q
i
#
y los puntos de la
plantilla p
i
#
, proyectados con los parmetros de la
cmara estimados. Estos puntos se llaman q
i
*. El
proceso de calibracin se realiza con diferentes
nmeros de puntos e imgenes. Tambin se realiza el
preprocesado y la bsqueda no lineal de los
parmetros incluyendo y sin incluir las coordenadas
de los puntos de la plantilla. Para calibrar la cmara,
se utilizan 10 imgenes y 100 puntos. Varias
calibraciones se han realizado utilizando datos de
diferentes posiciones aleatorias. La media y
desviacin tpica de los parmetros de la cmara
calibrados se muestran en la tabla 1. e representa el
error geomtrico entre los puntos q
i
#
y q
i
*, y t es el
tiempo de computo empezando cuando ya se han
detectado los puntos en las imgenes. Se ha calibrado
utilizando un procesador AMD Athlon 64 a 3200
Mhz. Se observa que el preprocesado de los datos
incrementa la robustez de la calibracin. La
calibracin lineal tiene siempre un mayor error
geomtrico que la calibracin no lineal. Adems, si
se incluyen el conjunto de puntos en la plantilla
dentro de la bsqueda no lineal, lo resultados que se
obtienen son mucho ms estables. No obstante, el
tiempo de clculo en caso de realizar una bsqueda
no lineal crece considerablemente cuando se aumenta
el nmero de parmetros buscados. Sin embargo,
dado que la calibracin es un proceso fuera de lnea
no resulta crtico que el tiempo de cmputo aumente,
por lo que es totalmente vlido incluir el conjunto de
puntos en la plantilla.


7. CONCLUSIONES

El proceso de calibracin consiste en estimar tanto la
posicin y orientacin de la cmara en la escena, as
como sus caractersticas intrnsecas. La robustez de la
calibracin depende de la calidad de las medidas, el
modelo que se calcula, el mtodo de calibracin y las
condiciones bajo las que se realiza. Varios tipos de
plantillas se pueden utilizar incluso realizar una auto
calibracin en la cual no se utiliza la plantilla. Para
un investigador ajeno al mundo de la calibracin
resulta complicado decidir que procedimiento utilizar
para calibrar la cmara y bajo que condiciones. A
partir de un estudio exhaustivo del estado del arte de
calibrado de cmaras, se ha definido un
procedimiento de calibracin que obtiene buenos
resultados. ste est basado en el mtodo de Zhang
que utiliza una plantilla de calibracin plana. A este
mtodo se ha aadido un preprocesado de los datos y
una mejora en la bsqueda no lineal de los
parmetros. El preprocesado de los datos consiste en
corregir los errores en las coordenadas de los puntos
provocados por la distorsin de la cmara y la
normalizacin de los mismos para mejorar la
condicin del proceso de calibracin. Respecto al
paso de bsqueda no lineal de los parmetros, es muy
importante incluir las coordenadas de los puntos en la
plantilla ya que de esta forma se disminuye el ruido
que contamina los mismos y se mejora la calibracin.
De esta forma se establece un procedimiento de
calibracin fcil de resolver que garantiza unos
ptimos resultados de la calibracin.



REFERENCIAS

Ahmed M., Farag A. (2005) Non metric calibration of
camera lens distortion: Differential methods and
robust estimation. IEEE Transactions on image
processing. Vol. 14, n 8. pp. 1215-1230
Brown D. C. (1966) Descentering distortion of lenses.
Photogrammetric Engineering and Remote
Sensing
Criminisi A. (1999) Accurate visual metrology from
single and multiple uncalibrated images. Dr. Ing.
Tesis Department of engineering science.
University of Oxford
Devernay F., Faugeras O. (2001) Straight lines have to
be straight. Machine Vision Applications 13 (1). p.
14-24
Faig W., (1975) Calibration of close-range
photogrammetry systems: Mathematical
formulation. Photogrammetric engineering and
remote sensing, Vol 41, p 1479-1486
Hartley R. (1997) In defence of the eight point
algorithm. IEEE Transactions on pattern analysis
and machine intelligence. Vol 19 6
Hartley R., Zisserman A. (2004) Multiple View
Geometry in computer Vision. Cambridge
University Press.
Kanade T., Rander P., Narayanan P. (1997).
Virtualized reality: cosntructing virtual worlds
from real scenes. IEEE Conference on Computer
Vision and Pattern Recognition. IEEE Multimedia,
Inmersive Telepresence pp.34-47
Lavest J., Viala M. Dhome M. (1998) Do we really
need accurate calibration pattern to achieve a
reliable camera calibration. European Conference
on Computer Vision, vol. I, pp 158-174
Mikhail E., Bethel J., McGlone J. (2001) Introduction
to Modern Photogrammetry. Jonh Wiley & Sons
Inc.
Raskar R., Welch G., Cutts M., Lake A., Stesin L.,
Fuchs H. (1998). The office of the future: a unified
approach to image-based modelling and spatial
immersive displays. SIGGRAPH 98, pp 179-188
Ricolfe-Viala C., Snchez-Salmern A. (2006).
Caracterizacin y optimizacin del proceso de
calibrado de cmaras basado en plantilla
Procedimiento Completo para el Calibrado de Cmaras Utilizando una Plantilla Plana
100

bidimensional Ph.D Thesis, Universidad
Politcnica de Valencia.
Salvi J., Battle J., Mouraddib E. (1998). A robust-
coded pattern projection for dynamic 3D scene
measurement. International Journal of Pattern
Recognition Lett. 19, pp 1055-1065
Salvi J., Armangu X., Batlle J. (2002) A Comparative
review of camera calibrating methods with
accuracy evaluation. Pattern recognition Vol. 35,
pp 1617-1635
Samtaney R., (1999) A method to solve an exterior
camera calibration parameters for image resection.
Technical report NAS-99-003 MRJ Technology
Solutions Inc
Stoer C., Bulirsch R. (1980). Introduction to
Numerical Analysis. Springer, Berlin.
Sturm P., Maybank S. (1999). On plane-based camera
calibration: a general algorithm, singularities and
applications. IEEE Conference on Computer
Vision and Pattern Recognition pp 432-437.
Sun W., Cooperstock J. (2006). An empirical
evaluation of factors influencing camera
calibration accuracy using three publicly available
techniques. Machine Vision and Applications.
17(1): 51-67
Shih S., Hung Y., Lin W. (1995) When should we
consider lens distortion in camera calibration.
Pattern recognition Vol. 28, No.3 pp 447-461
Taha H.A. (1987) Operation research. An
introduction. Prentice Hall International Editions.
Tarel J.P. (1994) Calibration de cmera fonde sur les
ellipses. Research report 2200, INRIA
Trucco E., Verri A. (1998) Introductory techniques for
3-D computer vision. Prentice Hall
Tsai R., (1987) A versatile camera calibration
technique for high-accuracy 3D machine vision
metrology using off-the-self TV camera lenses.
IEEE Journal of Robotics and Automation, Vol
RA-3 No 4. pp. 323-344
Weng J., Huang T.S., Ahuja N. (1989) Motion and
structure from two perspective views: algorithms,
error analysis and error estimation. IEEE
transactions on pattern analysis and machine
intelligence. Vol 11 p. 451-475
Wilson R. (1994) Modelling and calibration of
automated zoom lenses. PhD. dissertation.
Department electronic computing engineering,
Carnegie Mellon University.
Zhang Z. (1998) A flexible new technique for camera
calibration. Technical Report MSR-TR-98-71,
Microsoft Research.
Zhang Z. (2000) A flexible new technique for camera
calibration. Pattern Analysis and Machine
Intelligence, IEEE Transactions on, Vol.22, Iss.11,
Nov 2000 pp 1330- 1334.

C. Ricolfe, A. J. Snchez 101