点群センサーは通常、深度誤差を含み、既存のハンドアイキャリブレーション手法はこの要素をあまり考慮しておらず、異なるスケールでのハンドアイ行列の適用性に問題を生じさせている。提案手法は交互最小二乗法に基づく高精度ハンドアイキャリブレーション方法である。まず、キャリブレーションボードの平面フィッティングとボクセル均一ダウンサンプリングにより、近・中・遠の三つのスケールの点群データを前処理し、異なるスケールでのキャリブレーションボード点群の密度を統一する。次に、GICP（Generalized-ICP）アルゴリズムを用いて点群の登録行列を取得し、各スケールのハンドアイ行列の初期値を求め、一つのスケールのハンドアイ行列を交互に固定し、回転・並進誤差の最小二乗問題を構築して他のスケールの登録パラメータを最適化する。最後に、最適化された各スケールの登録行列に基づきTsai-Lenz法による再キャリブレーションを行い、深度誤差を補償するハンドアイ行列を得る。比較実験の結果、本手法の回転行列の平均誤差は0.1448°、並進ベクトルの平均誤差は0.6335 mm、ハンドアイ行列を用いた点群登録の平均二乗根誤差は0.2769 mmであった。キャリブレーションボール法と比較して、近焦点距離の点群登録誤差が平均19％低減し、遠焦点距離の点群登録誤差が平均16％低減した。本手法は深度誤差がキャリブレーション精度に与える影響を効果的に軽減し、適用性を向上させることができる。

深度誤差;ハンドアイキャリブレーション;構造光;点群登録