Tổng quan nghiên cứu

Kỹ thuật tái tạo không gian ba chiều và ước lượng độ sâu là một trong những bài toán trọng tâm của lĩnh vực thị giác máy tính hiện đại. Các giải pháp truyền thống như hệ thống thị giác lập thể hai camera (passive stereo vision) thường gặp bế tắc tại các bề mặt đồng nhất thiếu vân bề mặt, trong khi các dòng camera chủ động như cảm biến đo thời gian bay (Time-of-Flight) hay ánh sáng cấu trúc (Kinect) lại chịu ảnh hưởng nặng nề bởi nhiễu quang học từ ánh sáng mặt trời ngoài trời và tiêu hao năng lượng lớn. Trước thực trạng đó, công nghệ máy ảnh trường sáng (plenoptic camera) nổi lên như một bước đột phá nhờ khả năng ghi nhận đồng thời cường độ và hướng đi của các tia sáng trong không gian.

Luận văn thạc sĩ tập trung giải quyết bài toán ước lượng độ sâu trường ảnh bằng cách khai thác cấu trúc dữ liệu thô thu nhận từ camera trường sáng thế hệ 2.0. Mục tiêu then chốt của nghiên cứu là xây dựng mô hình toán học giải mã mối tương quan giữa độ dịch chuyển mẫu ảnh giữa các vi thấu kính lân cận với khoảng cách vật thể thực tế, từ đó phát triển thuật toán trích xuất bản đồ độ sâu trực tiếp từ ảnh gốc mà không cần bước trung gian dựng ảnh thị sai hay ảnh mặt phẳng phân cực phức tạp.

Nghiên cứu được triển khai thực nghiệm tại nhóm nghiên cứu IMTI thuộc phòng thí nghiệm MIPS (Đại học Haute-Alsace, Cộng hòa Pháp) trong giai đoạn 6 tháng từ ngày 01/05/2014 đến ngày 31/10/2014. Hệ thống khảo sát sử dụng camera công nghiệp Raytrix tích hợp cảm biến ảnh CMOS 4,19 triệu điểm ảnh (độ phân giải 2048x2048 pixels, kích thước mỗi pixel 5µm x 5µm) với dải đo thực nghiệm từ 30 cm đến 85 cm. Công trình đóng góp giải pháp đo lường 3D thụ động chính xác, giảm hơn 40% chi phí tính toán so với các phương pháp tái lấy nét truyền thống, mở ra tiềm năng ứng dụng sâu rộng trong tự động hóa công nghiệp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nền tảng của nghiên cứu dựa trên hàm trường sáng 4 chiều $L(u, v, x, y)$, trong đó cặp tọa độ $(u, v)$ xác định vị trí tia sáng đi qua mặt phẳng thấu kính chính và $(x, y)$ biểu diễn tọa độ giao điểm của tia sáng đó trên mặt phẳng cảm biến. Luận văn kế thừa mô hình truyền tia quang học của Ren Ng và phát triển khung phân tích ma trận quang học của Todor Georgiev. Mô hình ma trận biểu diễn trạng thái của tia sáng thông qua vector độ cao và góc nghiêng $(q, \alpha)$, chuyển động của tia sáng qua hệ quang học được mô hình hóa bằng tích của các ma trận tịnh tiến $T$ và ma trận khúc xạ thấu kính mỏng $F$.

Kiến trúc quang học của camera plénoptique 2.0 (focused plenoptic camera) đặt mảng vi thấu kính (Micro-Lens Array - MLA) lệch khỏi mặt phẳng tiêu cự của thấu kính chính. Cách bố trí này biến mỗi vi thấu kính thành một hệ tạo ảnh riêng biệt, khắc phục nhược điểm sụt giảm độ phân giải không gian của thế hệ 1.0 (vốn chỉ sử dụng 1 pixel trên mỗi vi thấu kính để dựng một góc nhìn). Bằng cách kết hợp định lý hình học Thalès và công thức tạo ảnh của thấu kính liên hợp qua mặt phẳng ảnh ảo, mối quan hệ giữa độ sâu thực tế $A$ và độ sai lệch mẫu ảnh $\Delta$ giữa hai vi thấu kính được thiết lập chặt chẽ thông qua các thông số tiêu cự thấu kính chính $f$, tiêu cự vi thấu kính $g$, khoảng cách giữa các tâm vi thấu kính $L_m$ và khoảng cách quang học $E$.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập trực tiếp từ hệ thống camera Raytrix đặt trên băng quang học định chuẩn có thể tinh chỉnh độ cao từ 30 cm đến 85 cm với bước dịch chuyển 5 cm. Cảm biến sử dụng lưới vi thấu kính phân bố dạng lục giác với 3 loại tiêu cự khác nhau nhằm mở rộng trường sâu quan sát. Một máy chiếu mini được tích hợp để chiếu các điểm sáng chuẩn (spots) lên bề mặt cần khảo sát, tạo ra các mẫu đối chiếu có độ tương phản cao trên bề mặt vật thể.

Phương pháp phân tích dữ liệu được xây dựng hoàn toàn bằng ngôn ngữ C++ kết hợp thư viện xử lý ảnh OpenCV mã nguồn mở. Để đạt độ chính xác ở mức dưới pixel (sub-pixel), luận văn áp dụng mô hình nội suy parabol bậc hai 2D cho phân bố cường độ sáng:

$$I(x, y) = a x^2 + b y^2 + c x y + d x + e y + f$$

Sáu tham số của mô hình được ước lượng bằng phương pháp bình phương tối thiểu (least squares) dựa trên giá trị cường độ của 9 điểm ảnh lân cận (điểm trung tâm và 8 điểm xung quanh). Vị trí cực đại thực sự được xác định bằng cách giải hệ phương trình đạo hàm riêng triệt tiêu. Quá trình ghép cặp điểm tương ứng (correspondence matching) giữa các vi thấu kính lân cận được kiểm soát nghiêm ngặt bằng hệ số tương quan chéo chuẩn hóa nhằm loại bỏ triệt để các cực đại địa phương sai lệch. Toàn bộ quy trình từ thu nhận, hiệu chuẩn đến phân tích diễn ra trong khung thời gian nghiên cứu 6 tháng tại phòng thí nghiệm chuyên ngành.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên hệ thống quang học của camera Raytrix mang lại ba phát hiện quan trọng:

Thứ nhất, mối tương quan giữa khoảng cách vật thể $A$ và khoảng cách dịch chuyển giữa các điểm cực đại trên vi thấu kính lân cận $|\Delta_i - \Delta_j|$ tuân theo chính xác hàm số phi tuyến lý thuyết. Tại khoảng cách đo 30 cm, giá trị độ dịch trung vị đo được là 2,17 pixels với độ lệch chuẩn cực nhỏ chỉ 0,08 pixel. Khi tăng khoảng cách lên 55 cm và 85 cm, giá trị độ dịch chuyển giảm đều đặn tương ứng, khẳng định tính khả thi của mô hình toán học đã xây dựng.

Thứ hai, độ phân tán của các phép đo lặp lại tại cùng một độ cao luôn hội tụ theo dạng phân phối chuẩn Gaussian với biên độ dao động hẹp trong khoảng 0,5 pixel. Mặc dù số lượng vi thấu kính bắt được điểm sáng giảm mạnh khoảng 80% khi khoảng cách tăng từ 30 cm lên 85 cm do đặc tính thu nhỏ góc nhìn quang học, giá trị trung vị của các histogram khoảng cách vẫn duy trì sự ổn định cao và phản ánh chính xác vị trí không gian của vật thể.

Thứ ba, giới hạn đo của hệ thống bị chặn trên bởi bán kính vật lý của từng vi thấu kính trên mặt cảm biến (tương đương 12 pixels). Thuật toán mở rộng của tác giả cho phép nhận diện và ghép cặp các mẫu đặc trưng không nằm ở tâm vi thấu kính, nâng độ bao phủ vùng đo và cải thiện độ chính xác tổng thể lên trên 92% trong toàn bộ dải làm việc từ 30 cm đến 85 cm.

Thảo luận kết quả

Nguyên nhân dẫn đến sai số nhỏ khoảng 0,08 đến 0,15 pixel trong phép đo chủ yếu xuất phát từ hiệu ứng lượng tử hóa không gian của cảm biến pixel và hiện tượng méo quang học ngoại vi của hệ thấu kính. Tuy nhiên, việc áp dụng mô hình nội suy parabol 2D đã bù trừ xuất sắc hạn chế phân giải vật lý, cho phép hệ thống đạt được độ chính xác tọa độ ở cấp độ dưới pixel mà không cần tăng mật độ điểm ảnh của cảm biến.

So sánh với phương pháp của Funaki và cộng sự (vốn chỉ tìm kiếm các mẫu cố định tại tâm vi thấu kính và đạt độ chính xác khoảng 90% ở dải 5-50 cm), phương pháp mở rộng trong luận văn vượt trội hơn rõ rệt khi xử lý các bề mặt có họa tiết tự do nhờ tích hợp tiêu chí chọn vùng có phương sai thông tin lớn và lọc nhiễu tương quan chéo. Trên đồ thị thực nghiệm biểu diễn hàm $A = f(|\Delta_i - \Delta_j|)$, đường cong dữ liệu thực nghiệm bám sát đường cong mô phỏng lý thuyết với hệ số tương quan đạt trên 0,98. Biểu đồ phân bố tần suất histogram tại các mốc 30 cm, 55 cm và 85 cm minh chứng rõ nét cho tính tái lập và độ tin cậy của thuật toán trong môi trường thực tế.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu lý thuyết và thực nghiệm thu được, bốn giải pháp và khuyến nghị kỹ thuật được đề xuất nhằm hoàn thiện hệ thống:

  • Tích hợp thuật toán hợp nhất đa tiêu cự (Multi-focal Fusion): Nâng cấp phần mềm xử lý để khai thác đồng thời dữ liệu từ cả 3 loại vi thấu kính (loại 1, loại 2 và loại 3 trên lưới lục giác) thay vì chỉ xử lý đơn lẻ loại 1. Mục tiêu mở rộng dải đo sâu liên tục từ 10 cm đến 150 cm với sai số dưới 1%, dự kiến triển khai bởi nhóm kỹ sư thị giác máy tính trong thời gian 6 tháng.
  • Tối ưu hóa tính toán song song trên phần cứng GPU: Tái cấu trúc mã nguồn C++ sang nền tảng CUDA/OpenCL để xử lý song song quá trình nội suy parabol và so khớp tương quan trên toàn bộ 2048x2048 điểm ảnh. Mục tiêu đạt tốc độ xử lý thời gian thực trên 30 khung hình/giây (fps), hoàn thành trong lộ trình 12 tháng.
  • Tự động hóa quy trình hiệu chuẩn quang học: Phát triển module phần mềm tự động nhận diện lưới vi thấu kính và tạo tệp cấu hình XML hiệu chuẩn trong điều kiện ánh sáng thay đổi. Mục tiêu rút ngắn thời gian thiết lập hệ thống từ 30 phút xuống dưới 2 phút cho kỹ thuật viên vận hành.
  • Ứng dụng trong kiểm tra công nghiệp tự động (AOI): Các doanh nghiệp sản xuất linh kiện điện tử và vi cơ khí chính xác nên áp dụng công nghệ camera trường sáng để đo độ phẳng bề mặt và kiểm tra lỗi mối hàn 3D với độ phân giải micromet, thay thế cho các đầu đo cơ học tiếp xúc truyền thống.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và ứng dụng thực tiễn cao, đặc biệt hữu ích cho bốn nhóm độc giả chuyên ngành:

  • Kỹ sư thị giác máy tính và xử lý ảnh: Nắm vững phương pháp trích xuất bản đồ độ sâu trực tiếp từ dữ liệu ảnh thô (raw data), tối ưu hóa thuật toán so khớp đặc trưng và kỹ thuật nội suy sub-pixel trên các hệ camera 3D thế hệ mới.
  • Nhà nghiên cứu quang học và hệ thống thiết bị đo: Khai thác mô hình ma trận quang học của Georgiev và lý thuyết trường sáng 4D của Ren Ng để mô phỏng, thiết kế và chế tạo các hệ quang học tích hợp mảng vi thấu kính đa tiêu cự.
  • Học viên cao học và sinh viên chuyên ngành Khoa học máy tính, Tự động hóa: Sử dụng làm tài liệu tham khảo chuẩn mực về cấu trúc luận văn nghiên cứu thực nghiệm, phương pháp lập trình C++ với thư viện OpenCV và kỹ thuật xử lý dữ liệu đo lường khoa học.
  • Chuyên gia phát triển Robot và hệ thống tự hành: Ứng dụng giải pháp cảm nhận không gian 3D thụ động cho các tay gắp robot công nghiệp (robot bin-picking), hệ thống quan sát tránh vật cản không phụ thuộc vào nguồn chiếu sáng laser hay hồng ngoại công suất lớn.

Câu hỏi thường gặp

Camera plénoptique 2.0 có điểm gì khác biệt cốt lõi so với thế hệ 1.0? Thế hệ 1.0 đặt mảng vi thấu kính ngay tại mặt phẳng tiêu cự của thấu kính chính, khiến mỗi vi thấu kính chỉ tạo ra 1 pixel cho mỗi góc nhìn và làm suy giảm nghiêm trọng độ phân giải không gian. Thế hệ 2.0 đặt mảng vi thấu kính lệch khỏi mặt phẳng tiêu cự, cho phép mỗi vi thấu kính ghi nhận một vùng ảnh chi tiết, giúp tăng độ phân giải không gian của ảnh đầu ra lên nhiều lần.

Tại sao việc ước lượng độ sâu trực tiếp từ ảnh thô lại hiệu quả hơn xử lý ảnh epipolar? Việc tính toán ảnh epipolar đòi hỏi phải tái sắp xếp toàn bộ ma trận dữ liệu 4 chiều $L(u, v, x, y)$ từ hàng triệu pixel, gây tiêu tốn bộ nhớ và thời gian tính toán. Xử lý trực tiếp trên ảnh thô bằng cách đo độ lệch giữa các điểm ảnh lân cận giúp giảm hơn 40% khối lượng tính toán, đáp ứng tốt hơn yêu cầu xử lý thời gian thực.

Mô hình nội suy parabol bậc hai 2D đóng vai trò gì trong việc xác định vị trí cực đại? Trên ảnh kỹ thuật số, tọa độ pixel bị lượng tử hóa thành các số nguyên rời rạc, dẫn đến sai số làm tròn khi xác định đỉnh của điểm sáng. Mô hình parabol 2D ước lượng phân bố cường độ liên tục từ 9 điểm ảnh lân cận, giúp tìm ra đỉnh cực đại chính xác ở mức dưới pixel (sai số dưới 0,1 pixel), nâng cao độ chính xác đo khoảng cách.

Tại sao khoảng cách sai lệch giữa các điểm cực đại lại bị giới hạn dưới 12 pixels? Khoảng cách dịch chuyển bị giới hạn cơ học bởi kích thước vật lý của từng vi thấu kính trên cảm biến ảnh. Do đường kính hình chiếu của mỗi vi thấu kính trên cảm biến Raytrix chỉ chiếm một số lượng pixel nhất định, các tia sáng khúc xạ qua cùng một vi thấu kính không thể vượt quá biên giới hạn quang học 12 pixels này.

Làm thế nào để hệ thống loại bỏ các điểm cực đại sai lệch trong quá trình so khớp? Hệ thống sử dụng hệ số tương quan chéo chuẩn hóa giữa cửa sổ mẫu tại vi thấu kính gốc và các vùng tương ứng trên các vi thấu kính lân cận dọc theo đường epipolar. Các điểm cực đại cục bộ có giá trị tương quan thấp hơn ngưỡng quy định sẽ bị loại bỏ hoàn toàn, đảm bảo dữ liệu đo luôn đạt độ tin cậy cao.

Kết luận

  • Luận văn đã làm chủ thành công cơ sở lý thuyết trường sáng 4 chiều và mô hình quang học ma trận cho dòng camera plénoptique 2.0 thế hệ mới.
  • Xây dựng thành công công thức toán học tường minh xác định độ sâu trực tiếp từ độ lệch điểm ảnh trên ảnh thô, rút ngắn đáng kể thời gian xử lý so với các thuật toán tái lấy nét truyền thống.
  • Đề xuất thuật toán nội suy parabol bậc hai 2D và cơ chế lọc tương quan chéo, giúp định vị cực trị sáng với độ chính xác dưới pixel và giảm sai số đo xuống mức 0,08 pixel.
  • Kiểm chứng thực nghiệm toàn diện trên hệ thống camera công nghiệp Raytrix với dải đo từ 30 cm đến 85 cm, khẳng định tính hội tụ chuẩn Gaussian của dữ liệu đo với hệ số tương quan lý thuyết trên 0,98.
  • Mở ra hướng phát triển mở rộng thuật toán đa tiêu cự và tăng tốc phần cứng GPU, sẵn sàng chuyển giao cho các ứng dụng đo kiểm 3D chính xác cao trong công nghiệp tự động hóa.