Kamera görüntüsünden konum bulma: piksel ile milimetre ilişkisi

Kanca

Kameranın gördüğü görüntü aslında hiç milimetre bilmiyor. Ekrandaki her nokta sadece bir piksel — bir satır numarası, bir sütun numarası. Bir robot kolunun "şuraya git" diyebilmesi için, bu piksel numarasının kaç milimetreye karşılık geldiğini önce birinin ona söylemesi gerekiyor.

Ne oldu

Nesnenin üstündeki hücreye tıkladığında iki sayı gördün: piksel konumu ve hesaplanan gerçek dünya konumu (mm). Aradaki ilişki basit bir çarpma:

X_gerçek (mm) = X_piksel × k Y_gerçek (mm) = Y_piksel × k

Buradaki k, kalibrasyon oranı — "1 piksel kaç milimetreye karşılık geliyor" sorusunun cevabı. Kaydırıcıyı oynattığında k değişti, aynı piksel konumu bu sefer farklı bir milimetre sonucu verdi. Piksel sayısı değişmedi, sadece onu gerçek dünyaya çeviren oran değişti.

k nereden gelir? Havadan uydurulmaz. Görüş alanına, gerçek boyutu bilinen bir referans nesne (örneğin 50 mm'lik bir cetvel parçası) koyup, bu nesnenin görüntüde kaç piksel kapladığını sayarsın:

k = bilinen uzunluk (mm) ÷ o uzunluğun kapladığı piksel sayısı

Sahnedeki her hücre, görüntüde 10 pikselik bir adıma karşılık geliyor. Varsayılan kalibrasyonda (k = 5 mm/piksel) nesnenin piksel konumu (50, 20) ise gerçek konumu (250 mm, 100 mm) olarak hesaplanır — kaydırıcıyı 5'in üstüne çıkarırsan aynı piksel konumu artık daha büyük bir mesafeye karşılık gelir.

Gerçek dünyada

Bu, uzaktan algılamada "yer örnekleme mesafesi" (ground sample distance, GSD) olarak adlandırılan kavramın küçük ölçekli hali. Wikipedia'nın tanımıyla GSD, "görüntüdeki bitişik iki piksel merkezi arasının yerdeki karşılığı" — uydu görüntülerinde metre cinsinden, bir masa üstü kamera sisteminde milimetre cinsinden aynı mantık işler: piksel aralığı sabit bir oranla gerçek mesafeye çevrilir.

Endüstriyel görü sistemlerinde bu, işe başlamadan önce yapılan tek seferlik bir kalibrasyon adımıdır: kamera sabitlenir, bilinen boyutlu bir referans görüntülenir, oran hesaplanır ve sistem her yeni görüntüde aynı oranı kullanır — ta ki kamera veya çalışma mesafesi değişene kadar. Steger, Ulrich ve Wiedemann'ın Machine Vision Algorithms and Applications kitabının kalibrasyon bölümü, bu tür bir ölçekleme kalibrasyonunu (basit, düzlem varsayımlı) daha karmaşık, lens çarpıklığını da hesaba katan kalibrasyon yöntemlerinden ayırarak ele alır.

Dene

Kaydırıcıyı 5 mm/piksel'de bırakıp nesnenin üstüne tıkla, gerçek konumu not et. Sonra kaydırıcıyı 10 mm/piksel'e çek ve aynı hücreye tekrar tıkla — piksel konumunun değişmediğine ama mm sonucunun iki katına çıktığına dikkat et.

Sonraki

Bir sonraki derste, bir görüntüde nesneyi arka plandan nasıl ayırt ettiğine — eşikleme (thresholding) mantığına — bakacaksın. Bu hattın ortaokul seviyesindeki dersi (f-ortaokul-goz-olmadan-is-yapmak) kameranın neden robota gerekli olduğunu görsel olarak ele alıyor; üniversite seviyesinde ise bu ölçekleme fikri, iç ve dış parametrelerle tam bir kamera kalibrasyonuna genişleyecek.