کالیبراسیون دوربین و واحد اندازه گیری اینرسی به صورت مستقل از وضعیت
/محمدباقر شاهقلیان قهفرخی
: دانشکده مهندسی فناوریهای نوین
۱۲۵ص
چاپی
کارشناسی ارشد
مکاترونیک
۱۳۹۲/۰۶/۲۰
تبریز
کالیبراسیون دوربین به معنای محاسبه پارامترهای داخلی و خارجی دوربین می باشد که شامل فاصله ی کانونی، مختصات مرکز تصویر، عمود نبودن محورهای مختصات تصویر و ... می باشد .روش های کالیبراسیون دوربین به سه دسته ی کلی روش های بهینه سازی، تناظر یک به یک نقاط، تناظر جهت های محیط و تصویر تقسیم بندی می شوند .در اینجا انواع مختلف روش های موجود و معایب و محاسن این روش ها مورد بررسی قرار گرفته و در پایان روشی جدید در زمیینه ی تناظر جهت های محیط و تصویر ارائه گردیده است .واحد اندازه گیری اینرسی در امر پرواز خودکار سیستم های هوایی نقش بسزایی را ایفا می کند .خطای واحد اندازه گیری اینرسی می تواند ناشی از اختلاف همراستایی محورهای سنسور ها با سیستم ناوبری، عمود نبودن محورهای سنسورها، خطا داشتن ضریب مقیاس حساسه ها و خطای بایاس سنسورهای فوق باشد .برای کالیبراسیون سیستم اندازه گیری اینرسی روش های آزمایشگاهی و روش های میدانی وجود دارد که در این مقاله روش های آزمایشگاهی مطرح شده است .استفاده از دوربین و واحد اندازه گیری اینرسی به طور همزمان، می تواند مشکلات زیادی را در زمینه ی هدایت و کنترل سیستم از پیش رو بردارد .پیش از هر کاری باید دوربین و واحد اندازه گیری اینرسی، نسبت به هم کالیبره باشند .این عدم کالیبراسیون ها شامل عدم همراستایی دستگاه مختصات دوربین و دستگاه مختصات سیستم اندازه گیری اینرسی (IMU)و همچنین شامل عدم همزمانی اطلاعات تصویر و اطلاعات IMU می باشد .در این پایان نامه روش های مختلف موجود درباره ی عدم همراستایی محور های مختصات مورد بررسی قرار گرفته و در انتها روشی جدید مبتنی بر الگوریتم غیرخطی نیوتن-رافسون جهت شناسایی پارامترهای سیستم با در نظر گرفتن خطای شرایط اولیه ارائه گردیده است .لازم به ذکر است نتایج تمامی روش های ذکر شده در این پایان نامه توسط شبیه سازی در نرم افزار متلب مورد بررسی قرار گرفته و همچنین یک دوربین به صورت آزمایشگاهی کالیبره گردیده است
mentioned parameters. These methods are generally divided into three categories: Optimization technique, one by one point correspondent, environment and image direction corresponding. Herein the variety of available methods and their advantages and disadvantages is studied and eventually a new method in environment and image direction corresponding has been proposed. An inertial measurement unit is a set of sensors like, accelerometer and gyroscope which is used for measuring the specific accelerations and system angular velocities. Most of the new generation robots are seriously depended on inertial measurement unit in their navigation systems. This unit mostly has been handled specially in unmanned aerospace systems. The inertial measurement unit plays a sufficient role in auto flight systems. Because of the absoluteness of systems measurements (which means its independent of external sources and parameters are measured compared with an inertial System) and high accuracy and high frequency of outputs of system, this mechanisms are popular. The error of inertial measurement unit could be related to difference of sensors axis alignment to navigation system, sensors axis misalignment, Having a sensor error scale factor, and sensor bias error. There would be laboratory and field methods for calibration of inertial measurement unit which in this thesis, laboratory methods are thoroughly investigated. Solely using of inertial measurement unit is not applicable in wide applications because error is accumulator in these systems. Simultaneously using of camera and inertial measurement unit could compensate most of the problems in control and steering of the system. Therefor camera and inertial measurement unit should be calibrated before of doing anything. Problems in calibration are such as difference of camera and IMU axis alignment and the lack of synchronization between camera and IMU data. Problems in synchronization could be compensated with electrical circuits. In this thesis methods are related to difference of axis alignment is studied and a new approach is suggested. Notice that all the results that reported in this thesis are investigated with simulation methods and also a camera is calibrated in a laboratory scale -dimensional coordinate space, the camera and the image, to extract the as-dimensional modeling and matching is depended to camera calibration accuracy. Camera calibration means calculating the internal and external parameters that contains focal length, Coordinates of the image center, not to perpendicular the coordinate axes and The general idea of solving the calibration problem is using of relation between three-Importance of recognize the depth of objects and scenes in the depth detection applications, three