1. На главную
  2. Электронные версии
  3. Сенсорные системы
  4. T. 34, № 1, 2020

Сенсорные системы, 2020, T. 34, № 1, стр. 72-86

Одноточечный RANSAC для оценки величины осевого вращения объекта по томографическим проекциям

М. О. Чеканов 1, 2, О. С. Шипитько 1, *, Е. И. Ершов 1

1 Институт проблем передачи информации им. А.А. Харкевича РАН
127051 Москва, Большой Каретный переулок, д. 19, Россия

2 Московский физико-технический институт (национальный исследовательский университет)
141701 Московская обл., г. Долгопрудный, Институтский пер., д. 9, Россия

* E-mail: shipitko@visillect.com

Поступила в редакцию 25.09.2019
После доработки 14.10.2019
Принята к публикации 29.10.2019

Аннотация

В работе предложен алгоритм определения угла осевого вращения объекта по паре его томографических проекций, основанный на методе RANSAC. Получено аналитическое выражение для вычисления угла поворота по одному корректному сопоставлению особых точек. Алгоритм состоит из следующей последовательности этапов: выделение и сопоставление особых точек, вычисление угла поворота для каждого сопоставления, фильтрация ложных сопоставлений алгоритмом RANSAC, наконец, вычисление искомого угла методом минимизации невязки Сэмпсона по оставшимся сопоставлениям. Приведены экспериментальные результаты сравнения с методами, основанными на анализе распределения ответов. Было показано, что предложенный алгоритм обладает большей точностью. Дополнительные эксперименты продемонстрировали, что задача определения угла осевого вращения плохо обусловлена для точек объекта, лежащих вблизи оси вращения и оптического центра камеры.

Ключевые слова: оценка осевого вращения, круговое движение камеры, визуальная одометрия, оценка относительного перемещения, RANSAC, компьютерная томография, цифровое рентгеновское изображение

DOI: 10.31857/S0235009220010060

Список литературы

  1. Бузмаков А.В., Асадчиков В.Е., Золотов Д.А., Рощин Б.С., Дымшиц Ю.М., Шишков В.А., Чукалина М.В., Ингачева А.С., Ичалова Д.Е., Кривоносов Ю.С., Дьячкова И.Г., Балцер М., Касселе М., Чилингарян С., Копманн А. Лабораторные микротомографы: конструкция и алгоритмы обработки данных. Кристаллография. 2018. Т. 63. № 6. С. 1007–1011.

  2. Бузмаков А.В., Асадчиков В.Е., Золотов Д.А., Чукалина М.В., Ингачева А.С., Кривоносов Ю.С. Лабораторные рентгеновские микротомографы: методы предобработки экспериментальных данных. Известия РАН. Серия Физическая. 2019. Т. 83. № 2. С. 194–197.

  3. Овчинкин А.А., Ершов Е.И. Алгоритм определения положения пучка эпиполярных линий для случая прямолинейного движения камеры. Сенсорные системы. 2018. Т. 32. № 1. С. 42–49.

  4. Bay H., Tuytelaars T., Van Gool L. Surf: Speeded up robust features. European conference on computer vision. Springer. 2006. P. 404–417. https://doi.org/10.1007/11744023_32

  5. Bircher B.A., Meli F., Küng A., Thalmann R. A geometry measurement system for a dimensional cone-beam CT. 8th Conference on Industrial Computed Tomography, Wels, Austria. 2018.

  6. Buratti A., Bredemann J., Pavan M., Schmitt R., Carmignato S. Industrial X-Ray Computed Tomography. Springer. 2018. P. 333–369. https://doi.org/10.1007/978-3-319-59573-3_9

  7. Chung K., Schad L.R., Zöllner F.G. Tomosynthesis implementation with adaptive online calibration on clinical c-arm systems. International journal of computer assisted radiology and surgery. 2018. V. 13 (10). P.1481–1495. https://doi.org/10.1007/s11548-018-1810-y

  8. Civera J., Grasa O.G., Davison A.J., Montiel J. 1-point ransac for ekf-based structure from motion. 2009 IEEE/RSJ International Conferenceon Intelligent Robots and Systems. IEEE. 2009. P. 3498–3504. https://doi.org/10.1109/iros.2009.5354410

  9. Civera J., Grasa O.G., Davison A.J., Montiel J. 1-point ransacfor extended kalman filtering: Application to real-time structure from motionand visual odometry. Journal of Field Robotics. 2010. V. 27 (5). P. 609–631. https://doi.org/10.1002/rob.20345

  10. Defrise M., Vanhove C., Nuyts J. Perturbative refinement of thegeometric calibration in pinhole spect. IEEE transactions on medical imaging. 2008. V. 27 (2). P. 204–214. https://doi.org/10.1109/tmi.2007.904687

  11. Dewulf W., Kiekens K., Tan Y., Welkenhuyzen F., Kruth J.-P. Uncertainty determination and quantification for dimensional measurementswith industrial computed tomography. CIRP Annals. 2013. V. 62 (1). P. 535–538. https://doi.org/10.1016/j.cirp.2013.03.017

  12. Feldkamp L.A., Davis L., Kress J.W. Practical cone-beam algorithm. Josa a1. 1984. V. 1 (6). P. 612–619. https://doi.org/10.1016/j.cirp.2013.03.017

  13. Ferrucci M., Ametova E., Carmignato, S., Dewulf W. Evaluating theeffects of detector angular misalignments on simulated computed tomographydata. Precision Engineering. 2016. V. 45. P. 230–241. https://doi.org/10.1016/j.precisioneng.2016.03.001

  14. Ferrucci M., Leach R.K., Giusca C., Carmignato S., Dewulf W. Towards geometrical calibration of x-ray computed tomography systems – a review. Measurement Science and Technology. 2015. V. 26 (9). P. 092003. https://doi.org/10.1088/0957-0233/26/9/092003

  15. Golub G.H. Least squares, singular values and matrix approximations. Aplikace matematiky. 1968. V. 13 (1). P. 44–51. https://doi.org/10.1007/978-3-662-39778-7_10

  16. Grewal M.S. Kalman filtering. Springer. 2011 https://doi.org/10.1007/978-3-642-04898-2_321

  17. Hermanek P., Ferrucci M., Dewulf W., Carmignato S. Optimized reference object for assessment of computed tomography instrument geometry. 7th Conference on Industrial Computed Tomography. 2017. P. 7–8.

  18. Hernández C., Schmitt F., Cipolla R. Silhouette coherence forcamera calibration under circular motion. IEEE transactions on patternanalysis and machine intelligence. 2007. V. 29 (2). P. 343–349. https://doi.org/10.1109/tpami.2007.42

  19. Hu M., McMenemy K., Ferguson S., Dodds G., Yuan B. Epipolar geometry estimation based on evolutionary agents. Pattern Recognition. 2008. V. 41 (2). P. 575–591. https://doi.org/10.1016/j.patcog.2007.06.016

  20. Katsevich A. An improved exact filtered backprojection algorithm forspiral computed tomography. Advances in Applied Mathematics. 2004. V. 32 (4). P. 681–697. https://doi.org/10.1016/s0196-8858(03)00099-x

  21. Kesminiene A., Cardis E. Cancer risk from paediatric computedtomography scanning: Implications for radiation protection in medicine. Annals of the ICRP. 2018. V. 47 (3–4). P. 113–114. https://doi.org/10.1177/0146645318756236

  22. Kumar J., Attridge A., Wood P., Williams M. A. Analysis of the effect of cone-beam geometry and test object configuration on the measurement accuracy of a computed tomography scanner used for dimensional measurement. Measurement Science and Technology. 2011. V. 22 (3). P. 035105. https://doi.org/10.1088/0957-0233/22/3/035105

  23. Kunina I., Panfilova E., Gladkov A. Matching of sar and optical images by independent referencing to vector map. J. Zhou. 2019. V. 11041. https://doi.org/10.1117/12.2523132

  24. Mairhofer S., Pridmore T., Johnson J., Wells D.M., Bennett M.J., Mooney S.J., Sturrock C.J. X-ray computed tomography of crop plantroot systems grown in soil. Current Protocols in Plant Biology. 2017. V. 2 (4). P. 270–286. https://doi.org/10.1002/cppb.20049

  25. Mendonça P.R., Wong K.-Y.K., Cipolla R. Camera pose estimationand reconstruction from image profiles under circular motion. European Conference on Computer Vision. Springer. 2000. P. 864–877. https://doi.org/10.1007/3-540-45053-x_55

  26. Muders J., Hesser J. Stable and robust geometric self-calibrationfor cone-beam ct using mutual information. IEEE Transactions on NuclearScience. 2014. V. 61 (1). P. 202–217. https://doi.org/10.1109/tns.2013.2293969

  27. Nistér D. An efficient solution to the five-point relative pose problem. IEEE transactions on pattern analysis and machine intelligence. 2004. V. 26 (6). P. 0756–777. https://doi.org/10.1109/tpami.2004.17

  28. Scaramuzza D. 1-point-ransac structure from motion for vehicle-mounted cameras by exploiting non-holonomic constraints. International journal of computer vision. 2011a. V. 95 (1). P. 74–85. https://doi.org/10.1007/s11263-011-0441-3

  29. Scaramuzza D. Performance evaluation of 1-point-ransac visualodometry. Journal of Field Robotics. 2011b. V. 28 (5). P. 792–811. https://doi.org/10.1002/rob.20411

  30. Scaramuzza D., Fraundorfer F., Siegwart R. Real-time monocularvisual odometry for on-road vehicles with 1-point ransac. 2009 IEEEInternational Conference on Robotics and Automation. IEEE. 2009. P. 4293–4299. https://doi.org/10.1109/robot.2009.5152255

  31. Tropin D.V., Nikolaev D.P., Slugin D.G. The method of image alignment based on sharpness maximization. J. Zhou. 2019. V. 11041. https://doi.org/10.1117/12.2522903

  32. Van Cuong N., Heo M.B., Jee G.-I. 1-point ransac based robustvisual odometry. J. Korean GNSS Society. 2013. V. 2 (1). P. 81–89. https://doi.org/10.11003/jkgs.2013.2.1.081

  33. Vianello A., Ackermann J., Diebold M., Jähne B. Robust houghtransform based 3d reconstruction from circular light fields. Proceedings ofthe IEEE Conference on Computer Vision and Pattern Recognition. 2018. P. 7327–7335.19 https://doi.org/10.1109/cvpr.2018.00765

  34. Weiß D., Lonardoni R., Deffner A., Kuhn C. Geometric imagedistortion in flat-panel x-ray detectors and its influence on the accuracy ofct-based dimensional measurements. iCT conference. 2012. https://doi.org/10.1016/b978-0-12-388429-9.00008-x

  35. Welkenhuyzen F., Boeckmans B., Tan Y., Kiekens K., Dewulf W., Kruth J.-P. Investigation of the kinematic system of a 450 kv ct scanner andits influence on dimensional ct metrology applications. Proceedings of the 5th International Conference on Industrial Computed Tomography. 2014. P. 217–225.

  36. Wenig P., Kasperl S. Examination of the measurement uncertainty ondimensional measurements by x-ray computed tomography. Proceedingsof 9th European Conference on Non-Destructive Testing (ECNDT), Berlin,Germany. 2006.

  37. Wong K.-Y., Cipolla R. Structure and motion from silhouettes. Proceedings Eighth IEEE International Conference on Computer Vision. 2001. V. 2. P. 217–222. https://doi.org/10.1109/iccv.2001.937627

  38. Xu Y., Yang S., Ma J., Li B., Wu S., Qi H., Zhou L. Simultaneous calibration phantom commission and geometry calibration in cone beam ct. Physics in Medicine, Biology. 2017. V. 62 (17). № 375. https://doi.org/10.1088/1361-6560/aa77e5

  39. Yang K., Li X., George Xu X., Liu B. Direct and fast measurementof ct beam filter profiles with simultaneous geometrical calibration. Medical physics. 2017. V. 44 (1). P. 57–70. https://doi.org/10.1002/mp.12024

  40. Zhang F., Du J., Jiang H., Li L., Guan M., Yan B. Iterative geometric calibration in circular cone-beam computed tomography. Optik-International Journal for Light and Electron Optics. 2014. V. 125 (11). P. 2509–2514. https://doi.org/10.1016/j.ijleo.2013.10.090

Дополнительные материалы отсутствуют.

Инструменты

предыдущая статья выпуска содержание выпуска

Сенсорные системы

Архивы выпусков Информация о журнале Отправить рукопись в журнал