Bioengineering

Alvo esterilizável de grau médico para fetoscópio Distortion Calibração óptica imerso-Fluid

Published: February 23, 2017 doi: 10.3791/55298

Daniil I. Nikitichev*¹, Dzhoshkun I. Shakir*¹, François Chadebecq¹, Marcel Tella¹, Jan Deprest^1,2, Danail Stoyanov³, Sébastien Ourselin¹, Tom Vercauteren¹

¹Translational Imaging Group, CMIC, University College London, ²Department of Obstetrics and Gynecology, University Hospitals Leuven, ³Surgical Robot Vision Group, CMIC, University College London

* These authors contributed equally

Introduction

Calibração da câmera é um problema bem conhecido no campo da visão de computador que tem sido intensamente estudada ao longo dos anos ^{^1,} ^{^2,} ^3. Um passo fundamental dos procedimentos de calibração da câmera é estimar os parâmetros de um modelo de distorção, bem como os parâmetros da câmera intrínsecas, extraindo uma grade de pontos com uma geometria conhecida a partir de imagens da câmara com precisão sub-pixel. alvos de calibração com um padrão xadrez com quadrados pretos e brancos são comumente usados para esta finalidade. Blobs circulares oferecem um padrão alternativo ^{^4,} ^{^5,} ^6.

Nos últimos anos, tem havido um interesse crescente no desenvolvimento de tecnologia de navegação cirúrgico para procedimentos de cirurgia fetal, tais como o tratamento de twin-to-duplo síndrome de transfusão (STT) em fetos> ^7, ^{^8,} ^{^9,} ^10. Como o campo de visão do fetoscópio (isto é, um endoscópio utilizado em procedimentos cirúrgicos fetais) é muito limitada, os métodos para o mapeamento da vasculatura placentária sem o uso de rastreadores externos têm sido propostos para auxiliar a cirurgia STT ^{^11,} ^{^12,} ^13. Distorções óticas dentro de imagens fetoscopic ter efeitos adversos sobre esses métodos de mosaicos computacionais que dependem de extração de informação visual ^11. Assim, existe uma necessidade não satisfeita de uma ferramenta de custo eficiente e rápido para a peri-operatório fetoscopes calibrar de modo que a compensação distorção óptica pode ser feita em tempo real durante a intervenção.

Devido ao facto de o fetoscópio está imerso no líquido amniótico durante a intervenção, a diferença de índice de refracção entre umfluido ir e amniótico torna métodos clássicos em-ar de calibração câmera impróprios para procedimentos de cirurgia fetal. Estimar os parâmetros da câmara imersos em fluidos de parâmetros da câmara em-ar é uma tarefa difícil e requer pelo menos uma imagem do alvo de calibração imersos em fluido ^14. Além disso, peri-operatória, fetoscopic calibração da câmara, imersos em fluido é atualmente impraticável devido a requisitos de esterilização e restrições sobre os materiais permitidos na sala de operações. Devido a estas razões, calibrando endoscópios para distorções ópticas não é normalmente parte do fluxo de trabalho clínico atual. O trabalho neste manuscrito é uma tentativa de colmatar esta lacuna calibração da câmara, através da concepção e produção de um destino de calibragem distorção óptica esterilizável e prático com um padrão de círculos assimétricas. Anteriormente, Wengert et ai. fabricou um dispositivo de calibragem personalizado que apresenta uma placa de alumínio oxidado como o alvo de calibração. sua methOD, no entanto, só funciona em conjunto com o algoritmo de calibragem personalizado eles desenvolveram ^15.

Protocol

1. Fabricação alvo

Jato de areia
1. Prepara-se uma folha de aço inoxidável 316 com uma espessura de 1,2 mm. Usando um lápis ou um prego, desenhar um milímetro quadrado de 40 mm x 40 sobre a folha com o auxílio de uma régua.
2. Corte o quadrado desenhado usando um cortador de metal manual. CUIDADO! Assista os dedos.
3. Use um arquivo para arredondar os cantos e lados da amostra. CUIDADO! Eles são muito afiadas; seja cuidadoso.
4. Preparar um bloco de madeira ou de metal em frente ligeiramente maior em tamanho do que a chapa de aço inoxidável. Coloque a folha de corte sobre ele; fazer isso para evitar a flexão da amostra durante a jacto de areia.
5. Coloque o conjunto na câmara de explosão interna. Lembre-se de usar um coletor de pó e selar hermeticamente a câmara de explosão interna; caso contrário, a areia vai se espalhar por todo durante o processo. Use óculos de segurança para proteger os olhos.
6. A posição de uma pistola de explosão perpendicular e, pelo menos, 4-5 cm de distância da superfície do metal. Aplique o contr péol para jateamento. Coloque a amostra sobre o pedaço de madeira (1-2 cm de espessura) usando um vício, como o fluxo de areia a alta pressão pode deformar a amostra. Durante jacto de areia, manter a amostra firmemente pela borda do pedaço de madeira ou usando outro vício.
7. Repetir a jacto de areia, por outro lado se for desejável ter um padrão de calibração gravada em ambos os lados.
padronização Laser
1. Desenhar um padrão de círculos assimétricos, como mostrado na Figura 1.
2. Prepare um arquivo de formato de troca de desenho (DXF) do projeto ou usando software CAD ou outra linguagem de programação adequada.
  NOTA: Por conveniência, uma aplicação Python que pode gerar arquivos DXF para o projeto mencionado neste artigo é fornecido como parte da aplicação GUI compacta ^16.
3. Importar os arquivos DXF para o software de corte a laser.
4. Coloque os seguintes parâmetros para a gravura de fundo. Laser de energia: 40%, velocidade de digitalização:80 cm / s, frequência: 4.000 Hz, número de passes: 1.
5. Configure os seguintes parâmetros para gravar o padrão. Laser de energia: 40%, Velocidade de digitalização: 2.1 cm / s, frequência: 4.000 Hz, número de passes: 1.
6. Coloque a amostra na plataforma de trabalho e alinhar o padrão de corte usando o software.
7. Após o laser realiza o corte, limpar a amostra, mergulhando-o em álcool. Não use nenhum toalhetes, como eles costumam deixar resíduos indesejáveis.
Esterilização
1. Enrole a amostra esterilizado em um pacote de esterilização e inseri-lo na unidade de esterilização (autoclave).
2. Adicionar água (a água não destilada) para a autoclave e siga o manual do utilizador / recomendações do fabricante para esterilizar o alvo.

Calibração 2. Peri-operatório

software de calibração
1. Instalar o pacote "Endocal" calibração endoscópio software fornecido no GitHub ¹⁶(Siga as instruções no arquivo README aí).
  NOTA: Este software envolve o módulo de calibração da câmara OpenCV ¹⁷ em um aplicativo de conveniência easy-to-use. O pedido previsto é executado em dois modos: online e offline. O modo online adquire o fluxo de vídeo diretamente do hardware frame-grabber compatível. O modo offline permite imagens de carregamento endoscópio a partir de um arquivo de vídeo ou de uma pasta com um número de quadros de vídeo guardados como arquivos de imagem. Veja README para hardware suportado e instruções detalhadas sobre como usar esses dois modos.
aquisição de vídeo endoscópico
NOTA: As seguintes instruções são para a calibração on-line (como descrito acima), mas eles também são aplicáveis a calibração offline.
1. Coloque o alvo de calibração em um recipiente de fluido estéril, tal como um boião.
2. Encher o recipiente com o fluido alvo ou uma substância semelhante estéril.
  NOTA: Por exemplo, no proce fetoscopicmentos, o fluido alvo é líquido amniótico. Uma vez que as propriedades ópticas de fluido amniótico são semelhantes à água salina ^{^18,} ^19, água salina estéril pode ser usado para calibrar o fetoscópio.
3. Ajuste o zoom e a nitidez do endoscópio se o desejar.
4. Mergulha-se o endoscópio no líquido e mantê-lo a uma distância a partir do alvo de calibração similar à distância a partir da anatomia que o endoscópio vai ser usado mais tarde no.
5. Inicie o aplicativo de calibração e começar a aquisição câmera.
6. Mover a ponta do endoscópio ligeiramente para diferentes pontos de vista, mantendo o padrão de calibração em toda visão da câmara. Para um desempenho ideal, manter a lenda elíptica em torno do padrão de calibração dentro da visão circular do endoscópio.
  NOTA: quadros de vídeo que são utilizáveis para a calibração são indicados por uma sobreposição de padrão virtual, como pode ser visto na Figura 3.
7. Acquire, pelo menos o número mínimo de pontos de vista da câmara endoscópicos necessários para a calibração (como indicado na janela Endocal).
  NOTA: A versão atual do Endocal requer pelo menos 10 visualizações câmera endoscópica para a calibração, um número heuristically selecionado de pontos de vista em que o erro de calibração parece ser mínimo e seguem um padrão estável ^20.
8. Pressionar a tecla de calibração, tal como indicado na janela Endocal, para iniciar o processo de calibração utilizando as imagens obtidas até agora.
Salvando e usando os parâmetros de calibração
1. Pressione a tecla de calibração indicada para salvar os parâmetros de calibração, resultando em um YAML ( "YAML Is not Markup Language") arquivo ^21.
2. Grupo os parâmetros de calibração para os coeficientes da matriz câmera e distorção, como explicado no módulo de calibração da câmara OpenCV ^17.
  NOTA: Depois de realizar a calibração, a calibraçãoaplicativo exibe automaticamente a imagem com correção de distorção ao direito da imagem endoscópio originais.
3. Use o sinal de vídeo com correção de distorção durante um procedimento fetoscopic para visualização pura ou para placentário em tempo real de mosaicos ^11.

Representative Results

Nós criamos um destino de calibragem esterilizável gravando um padrão de círculo assimétrica em uma folha de metal fosco de aço inoxidável, cujo desenho é mostrado na Figura 1. Uma configuração exemplar mostrando este indicador de calibração na acção em conjunto com um fetoscópio é mostrado na Figura 2. Para alimentar este projeto para o software de gravação a laser, um aplicativo personalizado foi implementado na linguagem de programação Python ^16. Criando o padrão de projeto envolve iteratively gravando linhas paralelas em uma folha de metal. Para o padrão para ter uma cor consistente, no final, a distância entre estas linhas devem ser menor do que a largura do feixe de laser (ver inserção da Figura 1): este valor é de 45 uM para o cortador a laser Violino (Laservall).

rong> Figura 1: Desenho do padrão gravado com uma grade 3-por-11 de círculos assimétricas. Inserção: ampliada em vista da grelha de círculos assimétricos. A distância entre as linhas é de 45 uM (equivalente a largura do feixe de laser), e cada círculo tem um diâmetro de 1 mm. Outros tamanhos poderia ser usado para a grelha, bem como, mas isso verificou-se ser óptimo no que diz respeito ao campo de vista fetoscópio. Por favor clique aqui para ver uma versão maior desta figura.

Figura 2: setup Exemplar com o alvo de calibração em uso. A ponta do fetoscópio imerso em água é dirigida para o alvo de calibração à direita. À esquerda, há um centavo britânica para fornecer informações escala."Target =" _ blank "> Clique aqui para ver uma versão maior desta figura.

O alvo de calibração fabricado permite a detecção do padrão circular no fluxo de vídeo endoscópica com OpenCV ^17, cujas localizações são então classificados para a grade circular assimétrica pré-definido (ver Figura 3). Usando esta informação em conjunto com a geometria da rede já conhecido, os parâmetros da câmara interna pode ser estimada. Estes incluem a matriz de câmera e os coeficientes de distorção. A matriz câmara consiste nos comprimentos focais e os centros ópticos ao longo dos eixos X e do eixo y do plano da imagem 2D. Os coeficientes de distorção são baseados no modelo de Brown-Conrady ^3. Note-se que para este trabalho, apenas os parâmetros de distorção radiais foram estimados. Para uma breve discussão da teoria, com exemplos práticos, consulte a página da web do módulo de calibração da câmara OpenCV <sup class = "xref"> 17 ea câmara MATLAB toolbox calibração ^22. Mais detalhes sobre o procedimento de calibração de câmera estão disponíveis na obra de Zhang ^20. O repositório de software Endocal apresenta um conjunto de dados de amostra de 10 visualizações endoscópicos do alvo de calibração fabricado ^16. Usando este conjunto de dados, uma calibração com um erro médio de re-projeção de 0,28 pixels (min: 0,16, máx: 0,45) foi obtido. Isto é comparável com os pixels 0,25 relatados por Wengert et ai. usando seu algoritmo de calibragem personalizada ^15. O mesmo grupo de pesquisa, no entanto, relatou um erro de re-projeção de 0,6 pixels em um artigo mais recente ao usar o método em ¹⁵ para calibrar uma câmera endoscópica usado para placentária de mosaicos ^18.

Figura 3
16 com o padrão de calibração detectado colocado sobre o fluxo de vídeo ao vivo usando a visualização de realidade virtual de OpenCV ^17. Note-se que cada coluna de detectado o padrão de calibração é realçada por uma cor diferente. Os círculos detectados, em conjunto com a geometria conhecida, são usados para calcular os parâmetros da câmara. Por favor clique aqui para ver uma versão maior desta figura.

Os parâmetros da câmara estimados são utilizados para correção de distorção óptica. A Figura 4 mostra um padrão de tabuleiro de xadrez rectangular, como visualizado usando um fetoscópio, onde distorções óticas fazer as linhas aparecem como curvas. Note que as linhas aparecem normal no distortina imagem corrigida.

Figura 4: correção de distorção óptica. Uma captura de tela do aplicativo de calibração ¹⁶ que caracteriza a imagem de vídeo ao vivo a partir de uma gravação fetoscópio do padrão quadriculado (à esquerda) com a imagem com correção de distorção (direita). Três linhas exemplares são desenhadas em ambas as imagens, cada uma a partir de um canto ao outro, em que a trajectória é linear. Devido às distorções óticas, estas linhas aparecem como curvas nas imagens originais fetoscópio. Por favor clique aqui para ver uma versão maior desta figura.

Discussion

Jacto de areia é um passo importante no processo de fabricação porque a superfície do metal em bruto reflecte bem visível, a luz endoscópio, tornando-se impossível para os círculos a ser detectado. É difícil distinguir os círculos mesmo a olho nu (ver Figura 5). Note-se que a superfície do alvo mostrado já foi gravada com um laser. No entanto, isto não diminui a reflexão da luz.

Figura 5: alvo de calibração sem jateamento aplicada. Como pode ser visto a partir da vista endoscópio à esquerda, o brilho da luz endoscópio na superfície do material torna difícil até mesmo para o olho nu para distinguir os círculos (há um círculo apenas para o sudeste da grande reflexão). Note-se que a superfície do alvo presente (ou seja, o "fundo") foi já gravadas, mas isto não é útil na ausência de jacto de areia. Por favor clique aqui para ver uma versão maior desta figura.

Antes do padrão de condicionamento, é também importante para gravar a superfície de toda a amostra. Isto é necessário porque a superfície de jacto de areia tem muitas reflexões especulares (ver Figura 6), o que interfere com a detecção de blob.

Figura 6: Superfície Sandblasted sem condicionamento. Embora não seja tão proeminente como a superfície de metal bruto, os relativamente pequenos reflexões especulares (alguns dos quais são destacados com setas amarelas) são ainda suficientes para evitar a detecção blob de ter sucesso, então nenhuma calibração pode ser realizada com este objectivo.arget = "_ blank"> Clique aqui para ver uma versão maior desta figura.

Aplicando o laser a velocidades diferentes dá diferentes cores de fundo. A cor do fundo desempenha um papel significativo no contraste entre os círculos e o fundo. Por isso, é essencial para determinar a cor de fundo óptima. Para este efeito, uma placa com círculos gravado contra um conjunto de diferentes origens foi criado (ver Figura 7). Os fundos foram testados usando o módulo de detecção de recurso de OpenCV ^23, o qual é utilizado no módulo de calibragem OpenCV câmara ^17. Neste trabalho, o alvo era feito de aço inoxidável, uma vez que é o material mais comum utilizado e fiável em clínicas para os dispositivos médicos. Este material está livremente disponível, não é caro, robusta, e fácil de esterilizar. Outros materiais poderiam potencialmente ser usadas para o alvo de calibração, tais como os metais de alumínio ou iodado, mas este é o SCOPe de trabalho futuro.

Figura 7: a placa de aço inoxidável com uma paleta de cores diferentes do fundo gravados com o laser. Experiências práticas foram conduzidas em conjunto com o módulo de detecção de recurso OpenCV para determinar qual a cor do fundo dá o melhor resultado em termos de contraste ²³ gota-a-fundo. A vista endoscópio à esquerda mostra a placa. As cores de fundo moderados (ou seja, outros que as mais escuras e mais leves) nesta paleta de produzir uma melhor detecção blob. Por favor clique aqui para ver uma versão maior desta figura.

Uma das vantagens deste trabalho é que de efetuar uma calibração usando o alvo fabricada leva 2-3 min. A maior parte do esforço ires para estabilizar manualmente o endoscópio para obter acervo considerável vista do padrão de calibração. Utilizando um suporte de endoscópio com especificação poderia eliminar a necessidade de estabilização manual, que por sua vez pode encurtar significativamente o tempo de calibração.

video 1
Vídeo 1: Vídeo mostrando como óptico calibração distorção pode ser realizada utilizando o alvo de calibração desenvolvida em conjunto com o software Endocal. Por favor clique aqui para ver este vídeo. (Botão direito do mouse para baixar).

Uma vantagem do nosso trabalho em relação ao trabalho de Wengert et al. ¹⁵ é que o módulo de calibragem OpenCV câmara ¹⁷ pode ser utilizado tal e qual para a calibração, sem necessidade de qualquer modificação ou personalizado parâmezação. Porque OpenCV é um pacote de software bem estabelecida e bem conservados e é muito popular na comunidade de visão por computador, usando-o elimina a necessidade de escrever e manutenção de software personalizado. Para a conveniência do leitor, uma aplicação gráfica compacto é fornecido ^16, que o leitor pode facilmente instalar e usar para testar novos alvos de calibração. Uma desvantagem do nosso método em comparação com Wengert et ai. ¹⁵ é que o método é mais robusto a oclusões do padrão, uma vez que não requer a detecção de todas as manchas.

Inicialmente, um destino de calibragem com um padrão quadriculado foi fabricado para este trabalho. No entanto, este tipo de calibração alvo provou ser inadequada em experiências, devido à dificuldade de detectar os cantos dos quadrados do tabuleiro de damas. Detecção de canto depende de binarização de imagem baseado em histograma (ver o código fonte OpenCV ^24). este impencontra-se a necessidade de um contraste de cor clara entre as escuras e claras praças, que não poderia ser garantidas com nosso padrão de xadrez, parcialmente devido às reflexões especulares, como os mostrados na Figura 6. Tais reflexões especulares estão presentes mesmo após o condicionamento de fundo; No entanto, a detecção dos círculos parece ser menos sensível a este inconveniente.

Na configuração atual, apenas vistas perpendiculares do alvo de calibração permitem a detecção de blob bem sucedido. Isto é devido às reflexões especulares a partir da superfície do alvo dificulta a detecção de gota em ângulos oblíquos. Estamos a trabalhar para melhorar ainda mais o alvo de modo a permitir a aquisição de vistas em uma ampla gama de ângulos, o que poderia potencialmente melhorar a qualidade de calibrações executadas ^20.

Na placenta em tempo real de mosaicos oleoduto que foi anteriormente proposto, ^11, o cálculo da transformação que mapeia pares de imagem baseia-se na detecção com sucesso e agrupamento de características. distorções óticas, por outro lado, fazer com que um grupo de características com uma geometria rígida apareça diferente entre as imagens. Como consequência, essa diferença leva a imprecisões nas transformações computadorizada, que causam desvios nos mosaicos de imagens resultantes. Porque as distorções ópticas mais proeminentes estão presentes para as bordas, imagens endoscópicas estão actualmente cortada para suas regiões mais íntimos. Uma boa correção de distorções ópticas poderia potencialmente permitir a incorporação de uma parte maior de cada imagem no processo de construção do mosaico. A vantagem deste método é dupla. Em primeiro lugar, seria aumentar o número de características detectadas em cada imagem, melhorar potencialmente a computação das transformações da imagem. Em segundo lugar, permitiria a toda a superfície anatómica alvo a ser reconstruído em um tempo mais curto.

Materials

Name	Company	Catalog Number	Comments
1.2 mm Metal sheet 316 Grade, 40 mm by 40 mm
Water container at least 50 mm by 50 mm by 30 mm
A sterilization package
Saline water
Manual metal cutter
A file to round up the corners
A wooden or metal block 50 mm by 50 mm at least 10 mm thick
A vice (desirable but not required)
Sand Blasting machine
GUI application to create .dxf file with the pattern			https://github.com/gift-surg/endocal
PC
Laser Cutter
Autoclave
An endoscope calibration software			from GitHub: https://github.com/gift-surg/endocal
Endoscope
OpenCV camera calibration module			http://docs.opencv.org/2.4/doc/tutorials/calib3d/camera_calibration/camera_calibration.html
Safety goggles
A lab coat
A ruler and a marker
Alcohol (preferably ethanol) for dust removal and cleaning

DOWNLOAD MATERIALS LIST

References

Zhang, Z., Matsushita, Y., Ma, Y. Camera calibration with lens distortion from low-rank textures. CVPR 2011 IEEE Conference on Computer Vision and Pattern Recognition, Washington, D.C., USA, , IEEE Computer Society. 2321-2328 (2011).
Devernay, F., Faugeras, O. D. Automatic calibration and removal of distortion from scenes of structured environments. SPIE's 1995 International Symposium on Optical Science, Engineering, and Instrumentation. 62-72 International Society for Optics and Photonics, , International Society for Optics and Photonics. 62-72 (1995).
Duane, C. B. Close-range camera calibration. Photogramm. Eng. 37 (8), 855-866 (1971).
Mallon, J., Whelan, P. F. Which pattern? biasing aspects of planar calibration patterns and detection methods. Pattern recognition letters. 28 (8), 921-930 (2007).
Balletti, C., Guerra, F., Tsioukas, V., Vernier, P. Calibration of Action Cameras for Photogrammetric Purposes. Sensors. 14 (9), 17471-17490 (2014).
Heikkila, J. Geometric camera calibration using circular control points. IEEE Transactions on pattern analysis and machine intelligence. 22 (10), 1066-1077 (2000).
Deprest, J. A., et al. Fetal surgery is a clinical reality. Seminars in fetal and neonatal medicine. 15 (1), Elsevier. 58-67 (2009).
Watanabe, M., Flake, A. W. Fetal surgery: Progress and perspectives. Advances in pediatrics. 57 (1), 353-372 (2010).
Lewi, L., Deprest, J., Hecher, K. The vascular anastomoses in monochorionic twin pregnancies and their clinical consequences. American journal of obstetrics and gynecology. 208 (1), 19-30 (2013).
Yamashita, H., et al. Miniature bending manipulator for fetoscopic intrauterine laser therapy to treat twin-to-twin transfusion syndrome. Surgical Endoscopy. 22 (2), 430-435 (2008).
Daga, P., et al. Real-time mosaicing of fetoscopic videos using SIFT. Proc. SPIE 9786, Medical Imaging 2016: Image-Guided Procedures, Robotic Interventions, and Modeling. 97861R. , International Society for Optics and Photonics. (2016).
Yang, L., et al. Image mapping of untracked free-hand endoscopic views to an ultrasound image-constructed 3D placenta model. The International Journal of Medical Robotics and Computer Assisted Surgery. 11 (2), 223-234 (2015).
Liao, H., et al. Fast image mapping of endoscopic image mosaics with three-dimensional ultrasound image for intrauterine fetal surgery. Minimally invasive therapy & allied technologies. 18 (6), 332-340 (2009).
Chadebecq, F., et al. Practical Dry Calibration With Medium Adaptation For Fluid-Immersed Endoscopy. Hamlyn Symposium on Medical Robotics, , (2015).
Wengert, C., Reeff, M., Cattin, P. C., Székely, G., et al. Bildverarbeitung für die Medizin 2006: Algorithmen Systeme Anwendungen. Proceedings des Workshops vom 19. - 21. März 2006 in Hamburg. Handels, H., et al. , Springer. Berlin Heidelberg. 419-423 (2006).
Shakir, D. I. Compact GUI application for optical distortion calibration of endoscopes. , Available from: https://github.com/gift-surg/endocal (2016).
Camera calibration With OpenCV. , Available from: http://docs.opencv.org/2.4/doc/tutorials/calib3d/camera_calibration/camera_calibration.html (2016).
Reeff, M., Gerhard, F., Cattin, P. C., Székely, G. Mosaicing of endoscopic placenta images. , Citeseer. (2011).
Steigman, S. A., Kunisaki, S. M., Wilkins-Haug, L., Takoudes, T. C., Fauza, D. O. Optical properties of human amniotic fluid: implications for videofetoscopic surgery. Fetal diagnosis and therapy. 27 (2), 87-90 (2009).
Zhang, Z. A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence. 22 (11), 1330-1334 (2000).
Evans, C. C. The Official YAML Web Site. , Available from: http://yaml.org (2016).
Bouguet, J. -Y. Camera Calibration Toolbox for Matlab. , Available from: http://www.vision.caltech.edu/bouguetj/calib_doc/ (2015).
Common Interfaces of Feature Detectors. , Available from: http://docs.opencv.org/2.4/modules/features2d/doc/common_interfaces_of_feature_detectors.html (2016).
Open Source Computer Vision Library. , Available from: https://github.com/opencv/opencv (2016).