A identificação de pontos em padrões de calibração é relatada como uma fase trabalhosa nos processos de calibração de câmeras. Essa etapa é sensível à presença de ruídos e geralmente requer a identificação de muitos pontos de controle. A detecção automática de padrões de calibração é fundamental para a automatização desse processo. Os trabalhos existentes são poucos e implementam soluções semi-automáticas ou, quando automáticas, não lidam com imagens distorcidas, com inclinações acentuadas ou exigem a detecção de todos os pontos apresentados pelo padrão de calibração. O presente trabalho vem contribuir com essa área propondo uma metodologia, denominada Chessboard Topological Detection (ChTD), completamente automática, aplicável a imagens com alta distorção, independente da detecção completa do padrão e que apresenta melhor aproveitamento dos pontos e do conjunto de imagens de calibração. A metodologia proposta é baseada em três etapas: a detecção estrutural dos pontos de interesse; triangulação e filtragem dos pontos encontrados com base em regras topológicas; e a propagação e ajuste de coordenadas via conectividade dos pontos vizinhos. A partir dessa metodologia foi implementada uma ferramenta que permite extrair pontos de calibração de um padrão xadrez de forma simples e completamente automática. Na avaliação do método ChTD foi realizada uma comparação com a função findChessBoardCorners da biblioteca OpenCV usando conjuntos de imagens reais e sintéticas. Os testes realizados com imagens reais possibilitaram comparações numéricas da quantidade de pontos e de padrões detectados, e os com imagens sintéticas permitiram avaliar o ChTD diante de inclinações do padrão e ruídos controlados. Pelos resultados obtidos foi possível verificar que o ChTD foi superior ao método do OpenCV, apresentando menor dependência à inclinação do padrão, melhor aproveitamento dos pontos e das imagens de calibração e realizando a detecção em imagens distorcidas. O ChTD é executado em um único passo, diferenciando-se do método do OpenCV que faz transformações sucessivas da imagem. A metodologia desenvolvida é modularizada, possibilitando o uso de outros algoritmos em suas fases intermediárias.

The detection of calibration points is reported as a time consuming task in camera calibration systems. This task is sensitive to noise and usually requires identification of a large set of control points. A methodology of automatic detection of calibration patterns is essential for the automation of this process. Existing works are few and usually implement semi-automatic solutions. Automatic methods do not deal with distorted images, and patterns with high tilt angles or require the detection of all the calibration points. The present work aims to contribute to this area proposing a methodology named Chessboard Topological Detection (ChTD), which is completely automatic, applicable to images with high distortion, making better use of all detected points, avoind calibration frames losses, regardless of the complete detection of the pattern features. The proposed methodology is based on three steps: the structural detection of points of interest, filtering and triangulation of the points based on topological rules and the adjust and coordinate propagation via connectivity of neighboring points inside the mesh. Based on this methodology, was implemented a tool that allows to extract calibration points of a chessboard pattern in a simple and automatic way. For the evaluation of the method ChTD, a comparison was made with the function findChessBoardCorners, which belongs to OpenCV library, using sets of synthetic and real images. Tests performed with real images allowed numerical comparisons of the number of points and detected patterns. The tests with synthetic images allowed to evaluate the ChTD facing the controlled tilt angle of the chessboard pattern and controlled image noise. The obtained results showed that the ChTD method was superior to OpenCV, with less dependence on the tilt angle of the calibration pattern, detecting more points, avoiding calibration images losses and detecting the pattern in distorted images. The ChTD runs in a single step, differing from OpenCV method that makes successive transformations of the image. The developed methodology is modular, enabling the use of different algorithms in its intermediates and some principal stages.