Các Loại Mục Tiêu Hiệu Chuẩn: Phân Tích So Sánh Các Mẫu Và Ưu Điểm Của Chúng

Hiệu chuẩn máy ảnh chính xác là yếu tố nền tảng cho thành công của bất kỳ ứng dụng thị giác máy/máy tính nào. Việc lựa chọn mục tiêu hiệu chuẩn ảnh hưởng đáng kể đến độ chính xác hiệu chuẩn, tuy nhiên có nhiều loại mẫu khác nhau - mỗi loại có những đặc tính riêng. Hướng dẫn này phân tích các lợi ích và hạn chế của các mục tiêu phổ biến (bàn cờ, lưới hình tròn và CharuCo) để hỗ trợ lựa chọn tối ưu.

I. Kích thước mục tiêu hiệu chuẩn: Những cân nhắc quan trọng

Kích thước vật lý của một mục tiêu hiệu chuẩn ảnh hưởng trực tiếp đến độ chính xác đo lường, chủ yếu thông qua mối quan hệ với Trường nhìn (FOV). Các nguyên tắc chính bao gồm:

1. Độ phủ FOV: Để hiệu chuẩn chính xác, mục tiêu nên chiếm >50% số điểm ảnh của hình ảnh khi được nhìn trực diện. Một mục tiêu nhỏ cho phép nhiều tổ hợp thông số máy ảnh khác nhau có thể giải thích các đặc điểm quan sát được, làm giảm chất lượng ràng buộc của mô hình.

2. Độ ổn định tiêu cự: Hiệu chuẩn giả định khoảng cách làm việc cố định. Thay đổi độ dài tiêu cự hoặc khẩu độ sẽ làm mất hiệu lực hiệu chuẩn trước đó do dịch tiêu cự và các sai lệch quang học.

3. Mẹo thực tế: Chọn kích thước mục tiêu phù hợp với trường ngắm (FOV) của bạn. Đối với các phép đo quy mô lớn (ví dụ: kiểm tra ô tô), hãy sử dụng các mục tiêu lớn hơn kích thước thông thường hoặc ghi hình ở nhiều vị trí khác nhau.

II. Các loại mục tiêu hiệu chuẩn: Mẫu mã và Hiệu suất

1. Mục tiêu bàn cờ (Checkerboard)

Mẫu phổ biến nhất, được hỗ trợ bởi các thư viện OpenCV, Halcon và MATLAB.

Quy trình phát hiện:

Chuyển đổi hình ảnh sang nhị phân → Phát hiện các hình tứ giác (ô vuông tối) → Lọc theo kích thước/độ đều của lưới → Đối chiếu với kích thước do người dùng xác định.

Ưu điểm:

Độ chính xác theo điểm ảnh con: Các góc (về mặt toán học là các điểm yên ngựa) là vô cùng nhỏ, cho phép định vị không lệch trong điều kiện biến dạng phối cảnh (độ chính xác: ±0,1 px).

Mô hình hóa biến dạng: Mật độ cạnh cao cải thiện độ chính xác ước tính biến dạng hướng tâm/tiếp tuyến.

Hạn Chế:

Yêu cầu nhìn thấy toàn bộ: Toàn bộ bảng phải nhìn thấy được trong tất cả các hình ảnh, làm hạn chế việc thu thập dữ liệu góc (rất quan trọng để mô hình hóa biến dạng ở mép ảnh).

Ràng buộc đối xứng: Đối với hiệu chỉnh stereo, tránh sự mơ hồ 180° bằng cách đảm bảo số hàng chẵn + số cột lẻ (hoặc ngược lại).

Phù hợp nhất cho: Hiệu chỉnh camera đơn nơi có thể nhìn thấy toàn bộ bảng.

2. Mục tiêu lưới hình tròn

Các dạng phổ biến: vòng tròn đen trên nền trắng hoặc vòng tròn trắng trên nền đen.

Quy trình phát hiện:

Phát hiện "blobs" → Lọc theo diện tích, tính tròn và độ lồi → Nhận diện cấu trúc lưới.

Ưu điểm:

Chống nhiễu tốt: Việc khớp vòng tròn sử dụng tất cả các điểm ảnh trên chu vi, làm giảm độ nhạy với nhiễu.

Chịu đựng che khuất: Các vòng tròn nhìn thấy một phần vẫn có thể phát hiện được.

Hạn Chế:

Thiên lệch góc nhìn: Các vòng tròn trở thành hình elip dưới góc nhìn phối cảnh. Độ méo hình của ống kính làm biến dạng hình dạng thêm, gây ra sai số khớp nhỏ.

Mơ hồ do Stereo: Lưới đối xứng gặp phải sự mơ hồ 180°; hãy sử dụng lưới bất đối xứng cho thiết lập đa camera.

Phù hợp nhất cho: Các ứng dụng ngược sáng và môi trường có ánh sáng thay đổi.

3. Mục tiêu CharuCo

Một mẫu lai kết hợp các góc bàn cờ với các điểm đánh dấu ArUco.

Quy trình phát hiện:

Xác định các điểm đánh dấu ArUco → Xác định các điểm yên ngựa nội suy giữa các điểm đánh dấu.

Ưu điểm:

Hỗ trợ hiển thị một phần: Mã hóa điểm đánh dấu độc đáo cho phép hiệu chỉnh khi mục tiêu bị che khuất hoặc bị cắt một phần.

Chống chịu với điều kiện ánh sáng: Giảm lỗi do ánh sáng không đồng đều (ví dụ: phản chiếu loá).

Tinh chỉnh cấp độ điểm ảnh: Đạt độ chính xác điểm yên ngựa tương đương với bàn cờ.

Hạn Chế:

Độ phức tạp thuật toán: Yêu cầu thư viện chuyên dụng (OpenCV 3.0+).

Đặt dấu mốc: Các dấu mốc in chất lượng kém sẽ làm giảm khả năng phát hiện.

Phù hợp nhất cho: Hệ thống đa camera, ống kính biến dạng cao và không gian hẹp.

III. Các Nguyên Tắc Tối Ưu Triển Khai

1. Chất lượng in:

Sử dụng các mục tiêu được in bằng laser hoặc khắc trên chất nền không phản quang.

Đảm bảo độ phẳng (dung sai biến dạng: <0,1 mm/m²).

2. Quy Trình Chụp Ảnh:

Chụp 15–30 hình ảnh với mục tiêu ở các góc độ khác nhau (phủ toàn bộ các góc của trường nhìn).

Duy trì ánh sáng và tiêu cự ổn định.

3. Ghi Chú Riêng Cho Từng Thư Viện:

OpenCV: Bàn cờ cần được hiển thị đầy đủ; CharuCo yêu cầu có mô-đun aruco.

Halcon: Được tối ưu hóa cho lưới tròn với khả năng xử lý bất đối xứng tích hợp.

Việc lựa chọn mục tiêu hiệu chuẩn cần cân bằng giữa yêu cầu độ chính xác, ràng buộc môi trường và hỗ trợ thuật toán. Trong khi bàn cờ carô mang lại độ chính xác tối đa trong điều kiện kiểm soát, CharuCo lại cung cấp khả năng chống chịu vượt trội cho các ứng dụng công nghiệp. Lưới hình tròn tạo ra sự cân bằng thực tế cho thiết lập stereo. Bằng cách đồng bộ các đặc tính của mục tiêu với nhu cầu của hệ thống thị giác, bạn sẽ thiết lập được nền tảng cho các phép đo có độ tin cậy metrology — yếu tố cốt lõi của thị giác máy móc đáng tin cậy.