کالیبراسیون خارجی فاصله‌یاب دوبعدی دوّار و دوربین با استفاده از تست‌فیلد ‌فتوگرامتری و توپ‌های پینگ‌پنگ ‌

ترکیب فاصله‌یاب و دوربین کاربرد زیادی در حوزه رباتیک، نقشه‌برداری و خودروهای خودران جهت تهیه نقشه و برداشت اطلاعات رنگ و بافت اشیاء دارد. برای تلفیق داده‌های فاصله‌یاب و دوربین، باید این دو سنسور بادقت زیادی نسبت به هم کالیبره شوند، یعنی بردار انتقال و ماتریس دوران آن‌ها نسبت به هم  مشخص باشد. در این تحقیق، سه روش مختلف برای کالیبراسیون خارجی فاصله‌یاب و دوربین ارائه شده‌است. در فرآیند کالیبراسیون با استفاده از ابرنقطه سه‌بعدی و ابرنقطه دوبعدی، توپ‌های پینگ‌پنگ به‌عنوان تارگت‌های مشترک که در داده‌های دوربین و فاصله‌یاب قابل‌شناسایی هستند، استفاده می‌شود. در روش کالیبراسیون با استفاده از ابرنقطه سه‌بعدی، با استفاده از ابر نقطه تولیدشده از تست‏فیلد در ایستگاه اصلی و انجام باندل‏اجسمنت با استفاده از مجموعه تصاویر گرفته‌شده از تست‏فیلد، پارامترهای کالیبراسیون محاسبه می‌شود. در این روش، ابرنقطه سه‌بعدی از ترکیب داده‌های فاصله‌یاب دوبعدی و سروموتور به دست می‌آید. از طرف دیگر، با استفاده از تصاویر گرفته‌شده از تست‏فیلد و تکنیک باندل‏اجسمنت، موقعیت توپ‌ها در مدل فتوگرامتری به دست می‌آید. روش دوم مشابه روش اول است با این تفاوت که به‌جای ابرنقطه سه‌بعدی از ابرنقطه دوبعدی استفاده شده‌است. در روش اول و دوم مختصات مراکز توپ‌های پینگ‌پنگ در دو سیستم مختصات مختلف در دسترس است؛ بنابراین، ارتباط بین دو سیستم مختصات با معادلات کانفرمال سه‌بعدی به دست می‌آید. در روش سوم با استفاده از هرم ایجادشده در گوشه اتاق و حل مسئله perspective-three-point، پارامترهای کالیبراسیون فاصله‌یاب دوبعدی در ایستگاه اصلی نسبت به تست‏فیلد فقط با یک اسکن محاسبه می‌شود. پارامترهای کالیبراسیون دوربین ایستگاه اصلی نسبت به تست‏فیلد از طریق باندل‏اجسمنت و معادلات کانفرمال سه‌بعدی محاسبه می‌شود. در آخر، پارامترهای کالیبراسیون فاصله‌یاب نسبت به دوربین به دست می‌آید. باتوجه ‌به rmse محاسبه‌شده برای نقاط چک، به ترتیب کالیبراسیون با استفاده از ابرنقطه سه‌بعدی، کالیبراسیون با استفاده از گوشه اتاق و کالیبراسیون با استفاده از ابرنقطه دوبعدی بیشترین دقت را داشتند. 

extrinsic calibration between a rotating laser rangefinder and a camera using a photogrammetric control field and ping pong balls

the combination of 2d laser rangefinder(lrf) and camera has many application in robotics, mapping,self-driving vehicles to map and capture  color and texture information of objects. to fuse lrf and camera’s data, these  sensors must be carefully calibrated related to each other. extrinsic calibration between a lrf and camera is often performed by common features. therefore extrinsic calibration between lrf and camera is necessary process.  extrinsic calibration between a camera and a lrf  is often performed by common features in data captred by two sensors. in this research, three difrent methods for extrinsic calibration between a lrf and a camera using photogrammetric control field and ping pong balls are presented. in calibration process using 3d and 2d point clouds,ping pong balls are used as common targets that can be identified in the camera and lrf data. in calibration using the 3d point clouds, the calibration parameters are calculated using the point clouds generated from the test field at the main station and performing the bundel adjusment using a set of images taken from the control field. in this method, a 3d point cloud is obtained from combination of 2d lrf and servo motor data. the 2d lrf  is connected to the servo motor by a gimbal so that the extension of the servo motor shaft pass through the center of the lrf. the lrf rotation is measured by the encoder in the servo motor, and by rotating the lrf, all 2d scans at a station can be registered relative to each other. on the other hand, through images taken from the control field and bundel adjusment technoque, the position of the balls in the photogrammetric model is obtained. the second method is similar to the first method,except that a 2d point cloud is used instead of a 3d point cloud. in the first and second methods, the coordinates of the centers of ping pong balls are available in two different coordinate systems, so the relationship between the two coordinate systems with the 3d conformal equation is obtained. in the third method, through the pyramid created in the corner of the room and solving the perspective-three-point problem,  the 2d lrf calibration parameters at the main station relative to the control field are calculated with just one scan. the calibration parameters of camera in the main station relative to the control field are calculated using bundel adjusment and 3d conformal equations. finally, the calibration parameters of the lrf relative to the camera are obtained. according to the rmse calculated for checkpoints, calibration using 3d point cloud,calibaration using room corner and calibration using 2d point cloud were the most accurate, respectively.