Accurate Measurement of 3D and 2D Circular Centers With Application to LiDAR-Camera Extrinsic Calibration
تقترح هذه الورقة طريقة مبتكرة لقياس المراكز الدائرية ثلاثية وثنائية الأبعاد بدقة من خلال دمج مُقدِّر الجبر الهندسي المطابق مع خوارزمية RANSAC للاسترداد ثلاثي الأبعاد، ومعيار تباين طول الوتر للإسقاط ثنائي الأبعاد، مما يحسن بشكل كبير من دقة معايرة المعلمات الخارجية بين الليدار والكاميرا مقارنة بمسارات المعالجة التقليدية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الآلات التي ترى، تعد الدقة كل شيء. فلكي يتمكن روبوت من التنقل في غرفة، أو سيارة ذاتية القيادة من تجنب مشاة، أو طائرة بدون طيا (درون) من الهبوط بأمان، يجب أن تعرف بالضبط موقعها بالنسبة للأجسام من حولها. وتعتمد هذه المهمة غالباً على نوعين مختلفين من "العيون": الكاميرا، التي تلتقط صورة ثنائية الأبعاد مسطحة للعالم، ومستشعر "ليدار" (LiDAR)، الذي يطلق أشعة ليزر غير مرئية لرسم خريطة ثلاثية الأبعاد لشكل الأجسام في الفضاء. ولجعل هذين المستشعرين يعملان معاً كفريق واحد، يتعين على المهندسين إجراء عملية محاذاة دقيقة تسمى "المعايرة الخارجية" (extrinsic calibration). وهي عملية تحديد كيفية تموضع الكاميرا والليدار بالنسبة لبعضهما البعض بدقة. وإذا انحرفت هذه المحاذاة ولو بجزء ضئيل جداً، يصبح فهم الروبوت للعالم مشوهاً، مما يؤدي إلى أخطاء في الملاحة أو القياس. وتتمثل إحدى الطرق الشائعة لإجراء هذه المحاذاة في استخدام هدف دائري بسيط، مثل قرص مطلي أو حلقة معدنية، وطلب من كلا المستشعرين تحديد مركزه. بيد أن التحدي يكمكم في أن إيجاد المركز الحقيقي لدائرة أمر صعب بشكل مفاجئ عندما تكون البيانات مشوشة، أو غير مكتملة، أو منظورة من زاوية معينة.
لقد عالج فريق من الباحثين هذه المشكلة المحددة، مع التركيز على الأخطاء الخفية التي تحدث عند قياس مراكز الدوائر في كل من الفضاء ثلاثي الأبعاد والصور ثنائية الأبعاد. ففي الممارسة القياسية، عندما يمسح مستشعر الليدار جسماً دائرياً، فإن البيانات التي يجمعها غالباً ما تكون عبارة عن سحابة مبعثرة من النقاط. وتتضمن الطريقة التقليدية لإيجاد مركز هذا الشكل عملية من خطوتين: أولاً، يقوم الكمبيوتر بملاءمة مستوى مسطح عبر النقاط المبعثرة، ثم يقوم بإسقاط تلك النقاط على ذلك المستوى لتلائم دائرة ثنائية الأبعاد بسيطة. وقد وجد الباحثون أن هذا النهج المتسلسل (خطوة بخطوة) يؤدي إلى تحيز منهجي، مما يعني أن المركز المحسوب ينزاح باستمرار بعيداً عن المركز الحقيقي، خاصة عندما تكون البيانات شحيحة أو عندما يكون الجزء المرئي من الدائرة جزئياً فقط. وبالمثل، عندما تنظر الكاميرا إلى دائرة ثلاثية الأبعاد، نادراً ما تظهر الدائرة كدائرة مثالية في الصورة؛ إذ يؤدي تشوه المنظور عادةً إلى تحويلها إلى شكل بيضاوي أو إهليلجي. وغالباً ما تفترض الطرق التقليدية أن مركز هذا الشكل البيضاوي هو نفسه مركز الدائرة ثلاثية الأبعاد الأصلية. وقد أثبت الباحثون أن هذا الافتراض غير صحيح؛ ففي معظم زوايا الرؤية، يكون مركز الشكل البيضاوي مزاحاً في الواقع عن المركز الحقيقي لإسقاط الدائرة ثلاثية الأبعاد. وتتراكم هذه الأخطاء الصغيرة في القياسات الأولية، مما يجعل المحاذاة النهائية بين الكاميرا والليدار أقل دقة مما يمكن أن تكون عليه.
ولحل هذه المشكلة، طور الباحثون نهجاً جديداً يعامل قياس الدائرة ثلاثية الأبعاد والصورة ثنائية الأبعاد كمسألة هندسية موحدة بدلاً من كونها سلسلة من الخطوات المنفصلة. وبالنسبة للبيانات ثلاثية الأبعاد من الليدار، استحدثوا طريقة تستخدم إطاراً رياضياً متخصصاً لملاءمة الدائرة مباشرة مع النقاط في الفضاء. وبدلاً من تسطيح البيانات أولاً، تجد هذه الطة أفضل كرة ومستوى ملائمين في آن واحد، مما يؤدي فعلياً إلى تجاهل الضوضاء والقيم المتطرفة التي غالباً ما تعيق الحسابات التقليدية. وتعد هذه التقنية قوية بما يكفي للتعامل مع الحالات التي لا يرى فيها المستشعر سوى قوس صغير من الدائرة أو عندما تكون البيانات ملوثة بأخطاء عشوائية. أما بالنسبة للصورة ثنائية الأبعاد، فقد ابتكر الفريق طريقة جديدة لتحديد المركز الحقيقي للدائرة المسقطة. حيث أدركوا أنه إذا رسمتم خطوطاً تمر عبر المركز الحقيقي للشكل المسقط، فإن أطوال الأوتار التي تنشئها هذه الخطوط على الشكل البيضاوي تتبع نمطاً محدداً يمكن التنبؤ به. ومن خلال البحث عن النقطة التي يكون فيها التباين في أطوال هذه الأوتار في أدنى مستوياته، يمكن للنظام تحديد المركز الحقيقي بدقة، وتمييزه عن المركز المضلل للشكل البيضاوي.
وثمة عقبة كبيرة في هذا القياس ثنائي الأبعاد، وهي أن البحث الرياضي عن المركز الحقيقي غالباً ما ينتج إجابتين محتملتين، أو ما يسمى بـ "النهايات الصغرى المحلية" (local minima)، وليس من الواضح على الفور أيهما الصحيح. وقد حل الباحثون هذا الغموض بطريقتين: إذا كان هدف المعايرة يحتوي على دائرتين تقعان على نفس السطح المستوي، يمكن للنظام استخدام العلاقة الهندسية بينهما للتحقق من أي المركزين هو الصحيح. أما إذا توفرت دائرة واحدة فقط، فقد وضعوا استراتيجية احتياطية تختبر كلا الاحتمالين مقابل البيانات ثلاثية الأبعاد لمعرفة أيهما يؤدي إلى محاذاة متسقة. واختبر الفريق هذه الأساليب باستخدام عمليات المحاكاة الحاسوبية، والبيانات الاصطناعية، وتجارب واقعية مع أنواع مختلفة من المستشعرات، بما في ذلك أجهزة الليدار الصلبة والميكانيكية المقترنة بأنواع مختلفة من الكاميرات. وأظهرت النتائج أن أساليبهم الجديدة قللت بشكل كبير من الخطأ في قياس مراكز الدوائر. ففي عمليات المحاكاة، قلل النهج الجديد الخطأ في المحاذاة النهائية بين الكاميرا والليدار من أكثر من سنتيمتر واحد إلى أقل من سنتيمتر واحد، كما حسن أيضاً من دقة زاوية الدوران.
تؤكد الدراسة أن دقة إدراك الروبوت تعتمد بشدة على جودة العناصر الهندسية الأولية التي يستخدمها لفهم العالم. ومن خلال تصحيح التحيزات المنهجية في كيفية قياس مراكز الدوائر، قدم الباحثون أساساً أكثر موثوقية لمعايرة أنظمة المستشعرات غير المتجانسة. إن عملهم لا يقدم مجرد تحسين نظري، بل يوفر أداة عملية تعمل عبر تكوينات مستشعرات وظروف واقعية مختلفة، من التصنيع الصناعي إلى القيادة الذاتية. وقد جعل الباحثون كود البرمجة الخاص بهم متاحاً للعموم، مما يسمح للمهندسين الآخرين بتطبيق تقنيات القياس الأكثر دقة هذه على أنظمتهم الخاصة. وبينما ركزت الدراسة على الأهداف الدائرية، فإن المبدأ الأساسي — وهو أن التحسين المباشر والمشترك للقياسات الهندسية يتفوق على الخطوات المتتالية والمنفصلة — يشير إلى مسار للمضي قدماً في تحسين دقة العديد من مهام دمج المستشعرات الأخرى. وتؤكد النتائج أنه حتى أبسط الأشكال الهندسية تتطلب تعاملاً متطوراً عندما تُرى من خلال العدسات غير المثالية للمستشعرات في العالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.