カメラを用いた3次元計測(3) - サブピクセル推定

「第8回 カメラを用いた3次元計測(2)」では、OpenCVに実装されているステレオ法について説明しました。今回は、高精度な3次元計測に必要なサブピクセル推定について解説します。OpenCVでは、対応点探索(ステレオマッチング)の関数内で自動的にサブピクセルを計算してくれますが、対応点探索を自分で実装する場合は、サブピクセル推定も合わせて実装するようにしましょう。

サブピクセル推定とは?

対応点探索では、画像の小領域をテンプレートとして、探索対象の画像上を1画素ずつ(または数画素ずつ)ずらしてスキャンしていくことで対応点を求めます(図1)。しかし、デジタル画像は画素が2次元に配置されたデータ構造ですので、対応点の座標は整数値でしか求まりません。そこで、対応点の座標の小数値を推定する技術(サブピクセル推定)が必要となります。

サブピクセル推定では、対応点探索に用いる評価関数がSAD(Sum of Absolute Difference)のように一次関数であれば、等角直線フィッティングを用います。SSD(Sum of Squared Difference)のように二次関数であれば、パラボラフィッティングを用います。

等角直線フィッティングとパラボラフィッティング

テンプレートと小領域間の一致度合を表す評価関数(SADとSSDの場合は誤差、NCCの場合は相関値)をF(d)とし、誤差が最小となった小領域の座標をd_min、その1画素前をd_min -1、1画素後をd_min +1とすると、図2に示すように等角直線フィッティングとパラボラフィッティングによりサブピクセル値(d_sub)を求めることができます。

ピクセルロッキング現象のその対策

実際にサブピクセルを推定した結果が、図3(左)です。図4の画像を0.1画素刻みでバイリニア法によりシフトした画像と、シフト前の画像の変位を、SSDとパラボラフィッティングを用いて求めた結果です(図4の画像は、ステレオマッチングの評価用データセットの画像です)。

図3(左)を良く見ると、サブピクセルが0.5未満のときはマイナスの誤差が、0.5以上のときはプラスの誤差が発生していることが分かるかと思います。これがピクセルロッキング現象です。画像をバイリニア法によりシフトした画像の変位を求める、という理想的な条件下でも0.08pixel前後の誤差が発生してしまうわけです。

ピクセルロッキング現象の解決手段として、EEC(文献[1][2][3])という手法が提案されています。EECでは、図3(左)に示したサブピクセル推定結果に加え、対応点探索に用いる画像の一方(テンプレート画像、あるいは探索対象の画像)を0.5画素だけ平行移動した画像を生成し、SSDとパラボラフィッティングを用いてサブピクセルを推定します。0.5画素平行移動することで、位相が真逆の誤差が発生します(図3(中))。つまり、図3(左)の結果と、図3(中)の0.5画素平行した画像を用いた結果の平均を取ることで、ピクセルロッキングが打ち消され、精度の高いサブピクセル推定結果が得ることができます(図3:右)。EECを高速化する試みとして、0.5画素シフトした画像を生成せずに、d_minの近傍±2画素分のd_min -2、d_min -1、d_min +1、d_min +2を用いて近似的に解を求める近似EECも提案されています。詳しく知りたいかたは、Googleで検索してみてください!

---

[1]清水, 奥富：“画像のマッチングにおける高精度なサブピクセル推定手法”, 電子情報通信学会論文誌, J84-D-II, 7, pp. 1409-1418 (2001).
[2] M. Shimizu and M. Okutomi: “Sub-pixel estimation error cancellation on area-based matching”, International Journal of Computer Vision, 63, 3, pp. 207-224 (2005).
[3] M. Shimizu and M. Okutomi: “Precise sub-pixel estimation on area-based matching”, Proc. ICCV 2001, Vol. 1, pp. 90-97 (2001).

---

高精度な3次元計測に必要不可欠なサブピクセル推定について、ご理解いただけたでしょうか? 0.1画素以下の誤差が影響するような精度が求められる場合は、ピクセルロッキング現象の対策も取り入れてみてください。

著者プロフィール

樋口未来(ひぐち・みらい)
日立製作所 日立研究所に入社後、自動車向けステレオカメラ、監視カメラの研究開発に従事。2011年から1年間、米国カーネギーメロン大学にて客員研究員としてカメラキャリブレーション技術の研究に携わる。

現在は、日立製作所を退職し、東京大学大学院博士課程に在学中。一人称視点映像(First-person vision, Egocentric vision)の解析に関する研究を行っている。具体的には、頭部に装着したカメラで撮影した一人称視点映像を用いて、人と人のインタラクション時の非言語コミュニケーション(うなずき等)を観測し、機械学習の枠組みでカメラ装着者がどのような人物かを推定する技術の研究に取り組んでいる。また、大学院での研究の傍ら、フリーランスとしてコンピュータビジョン技術の研究開発に従事している。

専門:コンピュータビジョン、機械学習