Ước lượng độ sâu ảnh sử dụng phương pháp ánh sáng cấu trúc

Nghiên cứu khoa học công nghệ<br /> <br /> ƯỚC LƯỢNG ĐỘ SÂU ẢNH<br /> SỬ DỤNG PHƯƠNG PHÁP ÁNH SÁNG CẤU TRÚC<br /> Nguyễn Thúy Bình1*, Võ Lê Cường2<br /> Tóm tắt: Bài báo đề xuất một mẫu sáng mức xám sử dụng trong hệ thống ánh<br /> sáng cấu trúc nhằm ước lượng độ sâu và tái tạo hình ảnh 3D của bề mặt vật thể.<br /> Mẫu sáng được đề xuất gồm bốn phần tử cơ bản có tính chất đối xứng, với một giải<br /> thuật giải mã đơn giản có thể giải mã ảnh thu được từ camera với độ chính xác cao.<br /> Các điểm tương ứng giữa ảnh chụp và ảnh mẫu sáng được xác định và độ sâu ảnh<br /> được ước lượng dựa vào nguyên lý tam giác (triangulation principle). Ngoài ra,<br /> nhằm tăng độ phân giải trong việc giải mã ảnh, một mẫu sáng gồm 8 phần tử cơ<br /> bản tạo nên bởi 4 phần tử trên kết hợp với 2 mức sáng khác nhau được đề xuất.<br /> Từ khóa: Thị giác máy tính, Ước lượng độ sâu, Xây dựng ảnh 3D, Ánh sáng cấu trúc.<br /> <br /> 1. ĐẶT VẤN ĐỀ<br /> Ước lượng độ sâu ảnh là một hướng nghiên cứu với nhiều tiềm năng và được<br /> các nhà khoa học trên thế giới đặc biệt quan tâm trong những năm gần đây. Vấn đề<br /> ước lượng độ sâu ảnh được ứng dụng trong nhiều lĩnh vực khác nhau, có thể kể<br /> đến: cảm biến từ xa, nhận dạng đối tượng, công nghiệp giám sát và các hệ thống<br /> robot tự động. Phương pháp ước lượng độ sâu ảnh sử dụng ánh sáng cấu trúc được<br /> đánh giá là một trong các phương pháp đạt được độ chính xác và độ phân giải cao.<br /> Hệ thống ánh sáng cấu trúc gồm một hoặc nhiều camera, và một máy chiếu<br /> (projector). Mẫu sáng được mã hóa theo các phương pháp khác nhau và được chiếu<br /> lên bề mặt của vật thể. Sau đó, camera có nhiệm vụ thu ảnh của vật thể trong điều<br /> kiện được chiếu sáng. Kỹ thuật ánh sáng cấu trúc được chia thành ba nhóm phương<br /> pháp cơ bản [1-3]: Ghép kênh theo thời gian (time multiplexing), mã hóa trực tiếp<br /> (direct coding), và mã hóa dựa vào các điểm lân cận (neighbor coding). Với<br /> phương pháp ghép kênh theo thời gian, một tập hợp các mẫu sáng được chiếu liên<br /> tiếp lên bề mặt của vật thể. Phương pháp này đạt được độ phân giải và độ chính<br /> xác cao, tuy nhiên không áp dụng được trong trường hợp vật thể chuyển động.<br /> Phương pháp mã hóa trực tiếp mặc dù cũng đạt được độ phân giải cao nhưng lại<br /> chịu ảnh hưởng nhiều của nhiễu. Với các phương pháp thuộc nhóm cuối cùng, mỗi<br /> ký tự kết hợp với bốn ký tự liền kề để tạo nên một từ mã duy nhất trên mẫu sáng.<br /> Nhóm phương pháp này có thể áp dụng với cả các đối tượng tĩnh và động, thuật<br /> toán giải mã đơn giản và ít chịu ảnh hưởng của nhiễu.<br /> Trên thế giới đã có nhiều nghiên cứu giải quyết bài toán ước lượng độ sâu điểm<br /> ảnh theo hướng tiếp cận xây dựng từ mã dựa trên các giá trị lân cận [4-7]. Một<br /> trong những nghiên cứu quan trọng nhất được Griffin đề xuất năm 1992 [8]. Trong<br /> phương pháp này, một ma trận sinh được tạo nên bởi các con số (1, 2, 3, 4,…). Vị<br /> trí của mỗi phần tử được định nghĩa bởi một từ mã được tạo nên bởi chính phần tử<br /> đó và bốn phần tử lân cận. Mỗi từ mã này được xác định là duy nhất trong ma trận<br /> sinh. Mỗi phần tử của ma trận được thay thế bởi một ký hiệu khác nhau, ví dụ:<br /> hình vuông, hình tròn, hình vành khăn, ... Đã có một số nghiên cứu phát triển theo<br /> hướng này. Năm 1998, Davies và Nixon đề xuất một mẫu sáng gồm các đốm tròn<br /> màu để ước lượng độ sâu của bề mặt vật thể di chuyển [9]. Sau đó, Morano [10]<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 85<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> đưa ra mẫu sáng được tạo nên bởi các sơ đồ con hoàn hảo (perfect sub-map) gồm<br /> những ký tự hình tròn có màu sắc khác nhau. Mẫu sáng màu sẽ bị ảnh hưởng của<br /> nhiễu nếu các đối tượng có màu sắc giống với màu của mẫu sáng. Một hướng<br /> nghiên cứu nhằm loại bỏ nhiễu khi chiếu lên vật thể màu là tạo nên các mẫu sáng<br /> mức xám (grey level pattern). Trong nghiên cứu của Griffin, ông cũng đã đề xuất<br /> mẫu sáng gồm năm ký tự khác nhau. Tuy nhiên, mẫu sáng này chưa được đưa ra<br /> thực nghiệm với một hệ thống ánh sáng cấu trúc thực tế. Bài báo này đề xuất một<br /> mẫu sáng mức xám gồm các ký tự đối xứng. Với mẫu sáng được đề xuất, ảnh thu<br /> được từ camera có thể dễ dàng được giải mã. Các cặp điểm tương ứng giữa ảnh thu<br /> được và ảnh mẫu sáng được xác định là cơ sở để ước lượng độ sâu của bề mặt vật<br /> thể so với gốc tọa độ tại camera. Bài báo được bố trí theo thứ tự sau: Phần 1. Đặt<br /> vấn đề; Phần 2. Hiệu chuẩn camera và máy chiếu; Phần 3. Mã hóa mẫu sáng và<br /> giải mã ảnh thu được; Phần 4. Thực nghiệm và kết luận.<br /> 2. HIỆU CHUẨN CAMERA VÀ MÁY CHIẾU<br /> Hình 1 mô tả các bước cơ bản nhằm ước lượng độ sâu điểm ảnh với phương<br /> pháp ánh sáng cấu trúc. Trước hết, cần phải hiệu chuẩn hệ thống nhằm đưa ra các<br /> tham số nội và tham số ngoại của camera và máy chiếu. Trong bài báo này, chúng<br /> tôi sử dụng phương pháp hiệu chuẩn của Zhang [11]. Quá trình hiệu chuẩn cần 15-<br /> 20 ảnh với các góc độ chụp khác nhau. Hệ thống được bố trí như trong hình 2.<br /> Khoảng cách giữa camera và máy chiếu được giữ nguyên không đổi, khoảng 30<br /> cm. Khoảng cách giữa bảng và hệ thống khoảng 50 cm. Kết quả của quá trình hiệu<br /> chuẩn là các tham số trong và tham số ngoài của camera và máy chiếu.<br /> <br /> Ảnh hiệu chuẩn hệ thống Ảnh đầu vào<br /> <br /> <br /> <br /> Tiền xử lý ảnh<br /> Hiệu chuẩn camera<br /> <br /> <br /> Phân loại các<br /> phần tử<br /> Hiệu chuẩn máy<br /> chiếu<br /> Xác định các<br /> phần tử liền kề<br /> <br /> <br /> Hình 2. Hiệu chuẩn hệ thống.<br /> Tham số nội, tham số<br /> Điểm tương ứng<br /> ngoại của hệ thống<br /> <br /> <br /> <br /> Ước lượng độ sâu<br /> <br /> <br /> <br /> <br /> Hình 1. Uớc lượng độ sâu điểm ảnh sử<br /> dụng phương pháp ánh sáng cấu trúc.<br /> <br /> <br /> Hình 3. Tham số ngoài của Camera.<br /> <br /> <br /> 86 N. T. Bình, V. L. Cường, “Ước lượng độ sâu ảnh sử dụng phương pháp ánh sáng cấu trúc.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> 3. MÃ HÓA MẪU SÁNG VÀ GIẢI MÃ ẢNH THU ĐƯỢC<br /> 3.1. Mã hóa mẫu sáng<br /> Trong phần trước, chúng ta đã đề cập đến phương pháp mã hóa theo đề xuất của<br /> Griffin. Mẫu sáng được tạo nên bằng cách thay thế các con số trong ma trận sinh<br /> bằng các ký tự hoặc ký hiệu khác nhau. Mỗi vị trí trong mẫu sáng được định nghĩa<br /> bởi một từ mã duy nhất. Do mẫu sáng được đề xuất gồm bốn phần tử đối xứng, nên<br /> chỉ với một thuật toán giải mã duy nhất có thể giải mã được vị trí của tất cả các<br /> phần tử trên ảnh thu được cũng như trên ảnh mẫu sáng (hình 4).<br /> <br /> <br /> <br /> <br /> (a) (b)<br /> <br /> Hình 4. Mẫu sáng mức xám a) Mẫu sáng nhị phân sử dụng 5 ký tự theo phương<br /> pháp của Griffin b) Mẫu sáng đề xuất gồm 4 ký tự đối xứng.<br /> 3.2. Giải mã mẫu sáng và ảnh chụp<br /> Nhiệm vụ của quá trình giải mã là tìm từ mã tương ứng cho mỗi ký tự, từ đó xác<br /> định được vị trí của mỗi phần tử trên ảnh thu được cũng như trên ảnh mẫu sáng.<br /> Hai ký tự có cùng từ mã được gọi là các điểm tương ứng, từ đó tọa độ thực của các<br /> điểm trên bề mặt vật thể được xác định dựa vào nguyên lý tam giác. Trong bài báo<br /> này, để tối ưu số lượng phần tử được giải mã, chúng tôi đưa ra giải thuật nhằm<br /> giải mã các phần tử nằm ở biên, vấn đề này chưa được đề cập bởi Yi-Chih [12].<br /> 3.2.1. Tiền xử lý ảnh<br /> Bước tiền xử lý ảnh bao gồm hai bước nhỏ: nhị phân hóa và trích chọn các khối<br /> ký tự. Trong hệ thống ánh sáng cấu trúc, mẫu sáng được chiếu lên bề mặt của vật thể<br /> bằng máy chiếu, do đó các vùng không gian được rọi với cường độ ánh sáng khác<br /> nhau. Trong bước nhị phân hóa ảnh thu được từ camera cần sử dụng ngưỡng thích<br /> nghi cho từng vùng ảnh [13]. Sau đó, các khối ký tự được tách ra bằng kỹ thuật<br /> connected component [14]. Cần chọn kích thước cho các connected component phù<br /> hợp nhằm loại bỏ nhiễu có thể xuất hiện trong bước này (hình 5).<br /> 3.2.2. Phân loại các ký tự<br /> Phân loại các ký tự sau bước tiền xử lý ảnh là một bước khá quan trọng trong<br /> việc giải mã ảnh thu được. Sau khi trích chọn được các khối connected component,<br /> mỗi khối sẽ tương đương với một ma trận mà các phần tử chỉ mang một trong hai<br /> giá trị “0” hoặc “1”. Thuật toán được đề xuất nhằm giải quyết bài toán trong bước<br /> này đó là chia mỗi khối đó thành bốn phần bằng nhau, tính giá trị trung bình của<br /> mỗi góc phần tư. Góc khuyết được xác định là góc tương ứng với giá trị trung bình<br /> lớn nhất. Sau đó, các phần tử được phân chia thành bốn nhóm khác nhau và được<br /> đánh dấu bởi các ký hiệu khác nhau (hình 6).<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 87<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> <br /> Giá trị trung bình<br /> Tested region cực đại<br /> Chia thành 4<br /> phần bằng nhau<br /> <br /> <br /> <br /> <br /> (a)<br /> <br /> <br /> <br /> <br /> Hình 6. Phân loại các khối<br /> connected component.<br /> <br /> (b) (c)<br /> Hình 5. (a) Ảnh thu được (b) Nhị phân<br /> hóa với ngưỡng toàn cục (c) Nhị phân<br /> hóa với ngưỡng thích nghi.<br /> <br /> <br /> <br /> <br /> Hình 7. Tìm các phần tử liền kề<br /> và xác định từ mã.<br /> <br /> 3.2.3. Tìm phần tử lân cận và ghép tương ứng<br /> Để xác định từ mã tương ứng với mỗi phần tử, cần phải xác định bốn lân cận<br /> của phần tử trung tâm. Tuy nhiên, để xác định chính xác bốn lân cận, trước hết cần<br /> xác định tám lân cận tương ứng với tám khoảng cách nhỏ nhất tới phần tử trung<br /> tâm. Dựa vào điều kiện ràng buộc về tọa độ nhằm loại bỏ bốn phần tử ở các góc và<br /> giữ lại bốn phần tử lân cận (Đông – Tây – Nam – Bắc). Sau khi tìm được các lân<br /> cận của mỗi phần tử, từ mã tương ứng với mỗi phần tử được xác định. Quá trình<br /> giải mã được thực hiện trên cả ảnh thu được và ảnh mẫu sáng. Vị trí của mỗi phần<br /> tử được xác định sau quá trình giải mã. Nếu hai phần tử (một phần tử trên ảnh thu<br /> được và một phần tử trên ảnh mẫu sáng) có từ mã giống nhau thì được gọi là hai<br /> phần tử tương ứng. Kết quả này là cơ sở để ước lượng độ sâu ảnh dựa trên nguyên<br /> lý tam giác (hình 7).<br /> 4. THỰC NGHIỆM VÀ KẾT LUẬN<br /> Với mẫu sáng được đề xuất ở phần trên, chúng tôi thực hiện thí nghiệm chiếu<br /> mẫu sáng lên bề mặt vật thể trong trường hợp mặt phẳng (plane). Các cặp điểm<br /> tương ứng trên ảnh thu được và ảnh mẫu sáng được xác định trong quá trình giải mã.<br /> Ước lượng độ sâu điểm ảnh dựa trên nguyên lý tam giác với việc sử dụng các tham<br /> số nội và tham số ngoại có được trong quá trình hiệu chuẩn hệ thống. Hình 8 biểu<br /> diễn kết quả của quá trình giải mã đám mây điểm (points cloud) thu được sau khi áp<br /> <br /> <br /> 88 N. T. Bình, V. L. Cường, “Ước lượng độ sâu ảnh sử dụng phương pháp ánh sáng cấu trúc.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> dụng nguyên lý tam giác nhằm ước lượng độ sâu ảnh. Bảng I thể hiện sai số của<br /> phép đo so với khoảng cách thực tế, trong trường hợp thử nghiệm với mặt phẳng.<br /> <br /> <br /> <br /> <br /> Hình 8. Giải mã ảnh thu được và point cloud.<br /> Ngoài ra để thấy được hiệu quả của thuật<br /> toán giải mã cũng như ưu điểm của mẫu sáng<br /> đề xuất, mẫu sáng được chiếu lên các bề mặt<br /> có hình dạng khác nhau: mặt phẳng, mặt cong<br /> và tờ giấy gấp. Để tính toán độ chính xác của<br /> thuật toán giải mã, mỗi bề mặt được chụp 30<br /> a)<br /> lần, với các góc độ và khoảng cách khác<br /> nhau. Độ chính xác được tính bằng độ chính<br /> xác giải mã trung bình của 30 lần chụp đó.<br /> Khoảng cách giữa vật thể và hệ thống trong<br /> khoảng 60 cm đến 90 cm. Mặt cong có bán<br /> kính khoảng 10cm, tờ giấy gấp có độ cao b)<br /> khoảng từ 3cm đến 5 cm (hình 9). Độ chính Hình 9. Mẫu sáng được chiếu lên<br /> xác giải mã được so sánh với kết quả của mặt cong và tờ giấy gấp.<br /> Albitar [15] và YangLei [16], được thể hiện<br /> trên bảng II và bảng III.<br /> Trong bài báo này, chúng tôi đề xuất một mẫu sáng mức xám được sử dụng<br /> trong hệ thống ánh sáng cấu trúc. Mẫu sáng gồm bốn phần tử cơ bản có tính chất<br /> đối xứng nên chỉ với kỹ thuật giải mã đơn giản có thể giải mã và đưa ra các điểm<br /> tương ứng giữa ảnh thu được và ảnh mẫu sáng. Dựa vào nguyên lý Triangulation<br /> ước lượng độ sâu ảnh. Chúng tôi thực nghiệm chiếu mẫu sáng lên mặt phẳng và<br /> mặt cong. Nhằm tăng độ phân giải của phương pháp, chúng tôi để xuất mẫu sáng<br /> gồm tám phần tử cơ bản bằng cách kết hợp bốn phần tử trên với hai mức sáng<br /> (hình 10).<br /> Với trường hợp mẫu sáng đề xuất gồm 8 phần tử thì các bước giải mã: tiền xử lý<br /> ảnh (nhị phân hóa và trích chọn các khối phần tử), phân loại các phần tử thành 4<br /> nhóm cơ bản, tìm các phần tử lân cận được thực hiện giống trong trường hợp mẫu<br /> sáng gồm 4 phần tử. Sau đó, dựa trên cơ sở kết hợp ảnh gốc và ảnh nhị phân để<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 89<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> phân biệt mỗi phần tử đó có mức sáng là 0 hay 128. Kết quả này được thể hiện như<br /> trên hình 10. Thuật toán tìm các phần tử liền kề trong trường hợp này vẫn giữ<br /> nguyên so với trường hợp mẫu sáng 4 phần tử.<br /> <br /> <br /> <br /> <br /> Hình 11. Phân loại phần tử trong trường<br /> Hình 10. Mẫu sáng gồm 8 phần. hợp mẫu sáng gồm 8 phần tử cơ bản.<br /> tử<br /> Bảng 1. Sai số ước lượng độ sâu ảnh so với thực tế (với trường hợp mặt phẳng ).<br /> <br /> Điểm Khoảng cách ước Khoảng cách thực tế Sai số (%)<br /> [hàng,cột] lượng<br /> TN1 TN2 TN3 TN1 TN2 TN3 TN1 TN2 TN3<br /> [2,2] 857.1 800.0 685.7 880.0 825.0 730.0 2.6 3.0 6.1<br /> [14,2] 783.5 731.3 648.8 850.0 810.0 688.0 7.8 9.7 5.7<br /> [5,30] 886.4 827.3 659.1 857.0 830.0 632.0 3.4 0.3 4.3<br /> [16,30] 800.3 747.0 640.2 835.0 820.0 645.0 4.2 8.9 0.7<br /> [2,62] 869.4 856.3 635.7 930.0 940.0 655.0 6.5 8.9 2.9<br /> [16,62] 856.2 823.2 644.8 893.0 905.0 628.0 4.1 9.0 2.7<br /> <br /> <br /> Bảng 2. So sánh độ chính xác giải mã với kết quả của albitar[13].<br /> Số phần tử Số phần tử được giải mã Độ chính xác giải<br /> Trường hợp được phát hiện mã<br /> (1) (2) (1) (2) (1) (2)<br /> Mặt phẳng 756 1024 754 1024 99.7% 100%<br /> Mặt cong 675 1024 642 1024 95.1% 100%<br /> (1): Kết quả của Albitar[13]<br /> (2): Kết quả của chúng tôi<br /> <br /> <br /> Bảng 3. Độ chính xác giải mã (%).<br /> Mặt phẳng Tờ giấy gấp<br /> Thuật toán YangLei 99.89 97.02<br /> Thuật toán đề xuất (chưa sửa lỗi) 84.76 80.19<br /> Thuật toán đề xuất (có sửa lỗi) 100 97.25<br /> <br /> <br /> 90 N. T. Bình, V. L. Cường, “Ước lượng độ sâu ảnh sử dụng phương pháp ánh sáng cấu trúc.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Kết quả thực nghiệm phụ thuộc vào những thông số đầu vào: thông số của<br /> camera, projector, khoảng cách và bề mặt đối tượng. Các thông số nội và tham số<br /> ngoại của camera và projector cần được hiểu chuẩn một cách cẩn thận và chính<br /> xác, do ảnh hưởng trực tiếp đến kết quả của quá trình ước lượng độ sâu ảnh. Ngoài<br /> ra khoảng cách cũng là một thông số đầu vào ảnh hưởng đến kết quả. Khoảng cách<br /> giữa hệ thống (camera và projector) và vật thể phải đảm bảo sao cho vật thể phải<br /> nằm trong miền hội tụ của cả camera và projector. Trong hệ thống ánh sáng cấu<br /> trúc, bề mặt vật thể là một thông số rất quan trọng và ảnh hưởng đến quá trình giải<br /> mã ảnh cũng như kết quả ước lượng độ sâu ảnh. Với những bề mặt ảnh phẳng, liên<br /> tục thì kết quả giải mã tốt hơn so với những trường hợp bề mặt cong hoặc gấp<br /> khúc. Bề mặt càng gấp khúc hoặc lồi lõm nhiều thì độ chính xác của quá trình giải<br /> mã càng giảm. Điều này được thể hiện rõ trong bảng II và bảng III, với 3 trường<br /> hợp: mặt phẳng (plane), mặt cong (curve) và tờ giấy gấp (folded-paper).<br /> TÀI LIỆU THAM KHẢO<br /> [1]. Salvi, Joaquim, Jordi Pages, and Joan Batlle, "Pattern codification strategies<br /> in structured light systems." Pattern recognition 37.4 (2004): 827-849.<br /> [2]. Chi Zhang; Jing Xu; Ning Xi; Jianguo Zhao; Quan Shi, "A Robust Surface<br /> Coding Method for Optically Challenging Objects Using Structured Light",<br /> Automation Science and Engineering, IEEE Transactions on, On page(s): 775<br /> - 788 Volume: 11, Issue: 3, July 2014<br /> [3]. Xu Zhang; Zhu, Limin; Liwen Chu "Evaluation of coded structured light<br /> methods using ground truth", Cybernetics and Intelligent Systems (CIS),<br /> 2011 IEEE 5th International Conference on, On page(s): 117 - 123<br /> [4]. L. Philippe, D. Ionescu, and E. Petriu, “A high precision 3D object<br /> reconstruction method using a color coded grid and nurbs,” in Image<br /> Analysis and Processing, 1999. Proceedings. International Conference on.<br /> IEEE, 1999.<br /> [5]. T. Etizon, "Constructions for perfect maps and pseudorandom arrays,"<br /> Information Theory, IEEE Transactions on 34.5 (1988): 1308-1316.<br /> [6]. M. Hiroyoshi, K. Yajima, and S. Sakata, "Reconstruction of surfaces of 3D<br /> objects by M-array pattern projection method," Computer Vision., Second<br /> International Conference on. IEEE, 1988.<br /> [7]. Petriu, Emil M., et al, "Visual object recognition using pseudo-random grid<br /> encoding," Intelligent Robots and Systems, 1992., Proceedings of the 1992<br /> IEEE/RSJ International Conference on. Vol. 3. IEEE, 1992.<br /> [8]. Griffin, Paul M., Lakshmi S. Narasimhan, and Soung R. Yee. "Generation of<br /> uniquely encoded light patterns for range data acquisition." Pattern<br /> recognition25.6 (1992): 609-616.<br /> [9]. Davies, Colin J., and Mark S. Nixon. "A Hough transform for detecting the<br /> location and orientation of three-dimensional surfaces via color encoded<br /> spots." IEEE Transactions on Systems, Man, and Cybernetics, Part B<br /> (Cybernetics)28.1 (1998): 90-95.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 91<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> [10]. Morano, Raymond A., et al, "Structured light using pseudorandom codes,"<br /> IEEE Transactions on Pattern Analysis & Machine Intelligence 3 (1998):<br /> 322-327.<br /> [11]. Zhang, Zheng. "A flexible new technique for camera calibration." IEEE<br /> Transactions on pattern analysis and machine intelligence 22.11 (2000):<br /> 1330-1334.<br /> [12]. Hsieh, Yi-Chih, "Decoding structured light patterns for three-dimensional<br /> imaging systems," Pattern Recognition 34.2 (2001): 343-349.<br /> [13]. Blayvas, Ilya, Alfred Bruckstein, and Ron Kimmel, "Efficient computation of<br /> adaptive threshold surfaces for image binarization," Pattern Recognition 39.1<br /> (2006): 89-101.<br /> [14]. A. AbuBaker, R. Qahwaji, S. Ipson, M. Saleh, "One scan connected<br /> component labeling technique," Signal Processing and Communications,<br /> 2007. IEEE International Conference on. IEEE, 2007.<br /> [15]. Albitar, Chadi, Pierre Graebling, and Christophe Doignon, "Design of a<br /> monochromatic pattern for a robust structured light coding," Image<br /> Processing, 2007. ICIP 2007. IEEE International Conference on. Vol. 6.<br /> IEEE, 2007.<br /> [16]. Yang Lei, Kurt R.Bengtson, Lisa Li, Jan P.Allebach, "Design and decoding of<br /> an M-array pattern for low-cost structured light 3D reconstruction systems,"<br /> Image Processing (ICIP), 2013 20th IEEE International Conference on. IEEE,<br /> 2013.<br /> ABSTRACT<br /> DEPTH ESTIMATION USING STRUCTURED LIGHT METHOD<br /> In this paper, a pattern used in structured light system to estimate depth<br /> and reconstruct 3D image of the surface object is proposed. The proposed<br /> pattern which consists of four symmetrical symbols with a simple decoding<br /> algorithm is provided to decode a captured image with high accuracy.<br /> Correspondence points between captured image and pattern one are<br /> determined, and depth estimation is based on the triangulation principle.<br /> Moreover, to increase the resolution of this method, an upgrade pattern is<br /> also proposed by combining the above four symbols and two intensity levels.<br /> Keywords: Computer vision, Depth estimation, Structured light, Reconstruction 3D image.<br /> <br /> <br /> Nhận bài ngày 10 tháng 10 năm 2016<br /> Hoàn thiện ngày 03 tháng 12 năm 2016<br /> Chấp nhận đăng ngày 20 tháng 02 năm 2017<br /> <br /> 1<br /> Địa chỉ: Trường Đại học Giao thông Vận tải;<br /> 2<br /> Trường Đại học Bách Khoa Hà Nội;<br /> *<br /> Email : thuybinh_ktdt@utc.edu.vn.<br /> <br /> <br /> <br /> <br /> 92 N. T. Bình, V. L. Cường, “Ước lượng độ sâu ảnh sử dụng phương pháp ánh sáng cấu trúc.”<br />