Kalibrasi Camera Stereo Menggunakan Fungsi Stereo Camera Calibrator pada Matlab

Stereo Vision adalah proses mengekstraksi informasi 3-D dari berbagai tampilan 2-D dari suatu pemandangan. Visi stereo digunakan dalam aplikasi seperti sistem bantuan pengemudi tingkat lanjut dan navigasi robot di mana visi stereo digunakan untuk memperkirakan jarak aktual atau kisaran objek yang menarik dari kamera. Informasi 3-D dapat diperoleh dari sepasang gambar, juga dikenal sebagai pasangan stereo, dengan memperkirakan kedalaman relatif dari titik-titik dalam adegan. Perkiraan ini diwakili dalam peta kesenjangan stereo, yang dibangun dengan mencocokkan titik-titik yang sesuai dalam pasangan stereo.

Gambar stereo diperbaiki untuk menyederhanakan pencocokan, sehingga titik yang sesuai dalam satu gambar dapat ditemukan di baris yang sama di gambar lain. Ini mengurangi masalah korespondensi stereo 2-D menjadi masalah 1-D. Ada dua pendekatan untuk rektifikasi gambar stereo, rektifikasi dikalibrasi dan un-kalibrasi. Perbaikan citra stereo yang tidak dikalibrasi dicapai dengan menentukan satu set poin minat yang cocok, memperkirakan matriks fundamental, dan kemudian memperoleh dua transformasi proyektif. Perbaikan stereo yang dikalibrasi menggunakan informasi dari proses kalibrasi kamera stereo.

Kalibrasi kamera stereo digunakan untuk menentukan parameter intrinsik dan lokasi relatif kamera dalam pasangan stereo, informasi ini digunakan untuk perbaikan stereo dan rekonstruksi 3-D.

Pada percboaan ini untuk menggunakan stereo vision digunakan konsep disparitas. Disparitas mengacu pada perbedaan lokasi objek dalam dua gambar (kiri dan kanan) yang sesuai seperti yang terlihat oleh mata kiri dan kanan yang dibuat karena paralaks (mata 'horizontal separation). Otak menggunakan perbedaan ini untuk menghitung informasi kedalaman dari gambar dua dimensi. Singkatnya, Disparitas piksel sama dengan nilai pergeseran yang mengarah ke jumlah minimum kuadrat-perbedaan untuk piksel itu. Istilah disparitas pada awalnya digunakan untuk menggambarkan vektor 2D antara posisi fitur terkait yang dilihat oleh mata kiri dan kanan. Ini berbanding terbalik dengan kedalaman, dan dimungkinkan untuk menentukan pemetaan dari (x, y, d) triple ke posisi tiga dimensi. Gambar-gambar ini dilengkapi dengan "frame" nol piksel untuk memfasilitasi operasi jendela (SSD / SAD) di perbatasan. Pertama, perbedaan kuadrat atau perbedaan mutlak dikalutkan untuk setiap piksel dan kemudian semua nilai dijumlahkan di atas jendela W. Untuk setiap nilai pergeseran gambar kanan, ada peta SSD / SAD yang sama dengan ukuran gambar. Peta disparitas adalah peta 2D yang diturunkan dari ruang 3D. Disparitas piksel sama dengan nilai pergeseran yang mengarah ke minimum SSD / SAD untuk piksel itu. Gambar di bawah ini menunjukkan contoh nilai SSD yang berbeda dari satu piksel pada nilai bergeser berbeda.

Diagram di atas berisi segitiga yang setara. Menulis persamaan ekuivalen mereka akan menghasilkan hasil sebagai berikut:

x dan x 'adalah jarak antara titik dalam bidang gambar yang sesuai dengan titik kejadian 3D dan pusat kamera mereka. B adalah jarak antara dua kamera (yang kita tahu) dan f adalah panjang fokus kamera (sudah diketahui). Jadi singkatnya, persamaan di atas mengatakan bahwa kedalaman titik dalam suatu adegan berbanding terbalik dengan perbedaan jarak titik gambar yang bersesuaian dan pusat kamera mereka. Jadi dengan informasi ini, kita dapat memperoleh kedalaman semua piksel dalam suatu gambar. Lalu untuk menghitung jarak bola dengan kamera digunakan interpolasi linear. Interpolasi linear adalah cara mendapatkan nilai di antara dua data berdasarkan persamaan linear. Interpolasi linier merupakan metoda untuk penentuan nilai fungsi persamaan linear berdasarkan hukum kesebandingan.

Untuk dapat melakukan interpolasi linear maka harus diketahui dua data. Jika diketahui nilai (X1,Y1) dan (X2,Y2) maka kita dapat menentukan harga Y di antara kedua data tersebut untuk nilai X yang diketahui. Berikut adalah contoh menghitung interpolasi linear.

Selanjutnya untuk membuat sebuah program stereo vision, hal yang pertama kali dilakukan adalah kalibrasi kamera stereo untuk mendapatkan focal length. Disini saya menggunakan fungsi stereoCameraCalibrator pada matlab. Tapi sebelum melakukan kalibrasi kita harus mempunyai kumpulan foto cheseboard yang diambil menggunakan kamera kanan dan kiri. Jika sudah ada, bukalah fungsi stereoCameraCalibrator pada command window matlab.

Setelah itu akan muncul tampilan workspace stereoCameraCalibrator, klik Add Images untuk menambahkan foto cheseboard yang sudah ditangkap oleh kamera kanan dan kiri. 

Lalu klik Calibrate, maka matlab akan otomatis mengkalibrasi hasil gambar yang sudah dimasukkan 

Untuk mendapatkan focal length kedua kamera (kanan dan kiri) adalah dengan membuka paramater kamera yang telah dikalibrasi pada kolom kiri matlab. Berikut adalah focal length yang saya dapatkan

Hasil kalibrasi kamera kanan

Hasil kalibrasi kamera kiri

Referensi :

https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_calib3d/py_depthmap/py_depthmap.html

https://www.mathworks.com/discovery/stereo-vision.html