Presentation Assigment 1

Berbagai Jenis Metode Kalibrasi Kamera

(model matematika)

CREATED BY : FRANSISCA DWI AGUSTINA

RAHMA ANNISA
Kalibrasi Kamera ?

 Kalibrasi adalah kegiatan untuk memastikan hubungan antara nilai yang ditunjukkan oleh
suatu alat ukur dengan nilai yang sebenarnya dari besaran yang diukur. Kalibrasi kamera
dilakukan untuk menentukan parameter distorsi, meliputi distorsi radial dan distorsi
tangensial (decentring), serta parameter-parameter lensa lainnya, termasuk juga principal
distance (c), serta titik pusat fidusial foto.
 Kalibrasi kamera dapat dilakukan dengan berbagai metode. Secara umum kalibrasi kamera
biasa dilakukan dengan tiga metode, yaitu laboratory calibration, on the job calibration dan
self calibration (Atkinson, 1987). Laboratory calibration dilakukan di laboratorium, terpisah
dengan proses pemotretan objek. Metode yanng termasuk di dalamnya antara lain optical
laboratory dan test range calibration. Secara umum metode ini sesuai untuk kamera jenis
metrik. On the job calibration merupakan teknik penentuan parameter kalibrasi lensa dan
kamera dilakukan bersamaan dengan pelaksanaan pemotretan obyek. Pada self calibration
pengukuran titik-titik target pada obyek pengamatan digunakan sebagai data untuk
penentuan titik obyek sekaligus untuk menentukan parameter kalibrasi kamera.
Mengapa perlu kalibrasi kamera ?

 Kamera fotogrametri tidak mempunyai lensa yang sempurna, sehingga proses

perekaman yang dilakukan akan memiliki kesalahan. Oleh karena itu perlu
dilakukan pengkalibrasian kamera untuk dapat menentukan besarnya
penyimpangan-penyimpangan yang terjadi
 PARAMETER Kalibrasi Kamera ?

 Parameter kalibrasi kamera memegang peranan penting kunci Image (positive)

y
untuk mendapatkan tingkat keakurasian yang tinggi untuk titik- Principal point
(xo,yo)
titik koordinat obyek yang terekam / diukur melalui foto dijital.
Indikasi ketelitian adalah jarak dan bentuk yang benar antara hasil
pengukuran di foto dibanding dengan data lapangan. o
x

a
1. Parameter xo, yo, dan Fokus (c) b
Object
Perspective center
Dalam berbagai kasus fotogrametri, elemen dari principle point (xo, yo)
dan perspektif distance (panjang fokus) harus ditentukan, hal ini
Secara praktis panjang fokus kamera dan letak principle
dikarenakan semua sistem persamaan matematis yang digunakan
point tidak mutlak berada di tengah-tengah pusat foto,
dalam fotogrametri bergantung dari ketiga parameter ini. Secara
permasalahan ini disebabkan oleh kurang stabilnya
geometris hubungan antara ketiga parameter ini dapat di lihat pada susunan lensa dan CCD yang berguna untuk merekam
gambar disamping. bayangan obyek pada saat perakitan. Sehingga
 Dari gambar diatas posisi principle point (xo, yo) merupakan perubahan posisi principle point dan panjang fokus
proyeksi garis lurus dari letak perspective center ke bidang foto dapat dimodelkan menggunakan persamaan sebagai
berikut (Dorstel) :
dan jarak dari principle point ke perspective center merupakan 𝑥
panjang fokus (c). ∆𝑥1 = ∆𝑥p − ∆𝑐
𝑧
𝑦
∆𝑦1 = ∆𝑦p − ∆𝑐
𝑧
 PARAMETER Kalibrasi Kamera ?
2. Parameter Distorsi Radial (K1, K2, K3)
 Distorsi radial adalah pergeseran linier titik foto dalam
arah radial terhadap titik utama dari posisi idealnya.
Distorsi lensa biasa diekspresikan sebagai fungsi
polonomial dari jarak radial (dr) terhadap titik utama foto.
Distorsi radial direpresentasikan dalam sebuah
persamaan polinimial sebagai berikut (Wolf, 2000) :
Δxr = K1r3 + K2r5 + K3r7 Δyr = K1r3 + K2r5 + K3r7
Dimana istilah dari K1 merupakan koefisien dari distorsi
radial dan r adalah jarak radial :
𝒓𝟐 = 𝒙𝟐 + 𝒚𝟐
Efek yang terjadi apabila pada kamera memiliki
nilai distorsi, maka gambar foto yang dihasilkan
akan berbentuk cembung atau cekung,
tergantung dari nilai parameter distorsi radial
bernilai positif atau negatif (Wolf). Efek distorsi
radial adalah sekitar 1 sampai 2 piksel di
perbatasan CCD sensor. Dalam kaitannya dengan
definisi distorsi radial, ada korelasi besar antara
koefisien distorsi itu sendiri K1, K2, K3 dan antara
principle distance. Hubungan antara distorsi
radial dengan principle distance adalah dalam
kaitannya sesuai principle distance dengan
deviasi rata-rata akan dihitung menjadi
minimum.
 PARAMETER Kalibrasi Kamera ?
3. Parameter Distorsi Decentring (P1, P2)
 Distorsi decentring adalah pergeseran linier titik di
foto pada arah normal (tegak lurus) garis radial
memalui titik foto tersebut. Distorsi decentring
disebabkan kesalahan sentering elemen-elemen
lensa dalam satu gabungan lensa dimana titik pusat
elemen-elemen lensa dalam gabuang lensa tersebut
tidak terletak pada satu garis lurus. Pergeseran ini
biasa dideskripsikan dengan 2 persamaan
polonomial untuk pergeseran pada arah x (dx) dan y
(dy).
Distorsi decentring ini dapat dijabarkan dalam
sebuah persamaan polinomial arah x dan y sebagai
berikut (Fryer, 1989) :
∆𝒙𝒅 = 𝑷𝟏 [𝒓𝟐 + 𝟐(𝒙 − 𝒙𝟎 )𝟐 ] + 𝟐𝑷𝟐 𝒙 − 𝒙𝟎 (𝒚 − 𝒚𝟎 )
∆𝒚𝒅 = 𝑷𝟐 [𝒓𝟐 + 𝟐(𝒚 − 𝒚𝟎 )𝟐 ] + 𝟐𝑷𝟏 𝒙 − 𝒙𝟎 (𝒚 − 𝒚𝟎 )
Dimana P1 dan P2 merupakan koefesien dari
parameter distorsi decentring yang nilainya
tergantung dari nilai panjang fokus kamera. Efek
dari distorsi decentring ini akan menyebabkann
kesan hiperbolik pada foto yang terekam oleh
kamera.
 PARAMETER Kalibrasi Kamera ?
4. Parameter Distorsi Affinity (b1, b2)
Parameter distorsi affinity secara umum dapat
dimodelkan dalam bentuk persamaan polinimial. Untuk
kamera dijital jumlah parameter dikurangi dari 12
parameter menjadi 2 parameter. Persamaan utmuk
menentukan nilai parameter scale b1 dan parameter
shear b2 dapat dituliskan sebagai berikut (Wolf, 1983) :
∆𝒙𝒇 = 𝒃𝟏 𝒙 + 𝒃𝟐 𝒚
∆𝒚𝒇 = 𝟎
Distorsi affinity ini terjadi akibat kurang sikunya
bidang CCD atau CMOS yang digunakan untuk
merekam bayangan obyek, sehingga frame dari
foto tidak akan benar-benar terbentuk sebuah
bujur sangkar ataupun persegi panjang, akan
tetapi membentuk jajar genjang.
Relatif Orientasi

 Relatif orientasi merupakan proses untuk menentukan nilai

perputaran sudut rotasi dan pergeseran posisi antara dua
foto. Proses ini dilakukan dengan cara memberikan nilai Z YL2 = ?
posisi dan orientasi untuk foto pertama, kemudian XL2 (fixed)
dilakukan proses perhitungan nilai posisi dan orientasi pada
foto kedua menggunakan parameter dari posisi kamera
pertama dan koordinat foto dari kedua buah foto. Dalam
proses relatif orientasi ini tidak menghasilkan nilai posisi
dan orientasi dari foto yang sebenarnya, akan tetapi ZL1 (fixed)
YL2 = ?
menghasilkan sebuah nilai relatif antara dua buah foto
tersebut. Yaitu menetapkan beberapa parameter eksterior
orientasi (EO) ω, φ, k, YL, ZL dari foto kanan (2) dari
pertemuan 5 berkas sinar dari koordinat obyek 3D ( Xi, Yi, Zi)
yang ada. Dengan cara digital, relatif orientasi dapat
menggunakan syarat kesegarisan (colinearity condition)
atau syarat kesebidangan (coplanarity condition).
 Relatif Orientasi
 Sehingga dapat dituliskan persamaan-persamaan kebersamaan
garis untuk kedua foto, dan minimal untuk lima buah titik objek. Bagi masing-masing titik yang digunakan dalam relatif orientasi,
Persamaan dari kedua foto tersebut mengandung koordinat dapat ditulis empat buah persamaan kebersamaan garis yaitu sebuah
keruangan yang sama dan sistem persamaan kebersamaan
garis yang dirumuskan terdapat lima buah parameter orientasi persamaan x dan y dalan bentuk persamaan 2 bagi masing-masing foto
luar foto kanan (2) (ω2, φ2, к2, YL2, dan ZL2) yang belum
diketahui dan ditambah bentuk 3D koordinat objek yang belum pasangan foto stereo. Dengan menggunakan 5 buah titik objek, yang dapat
diketahui (Xi, Yi, Zi) untuk masing-masing titik yang digunakan dituliskan 20 persamaan dan satu pemecahan hasil yang unik karena
dalam pemecahan masalah sehingga parameter orientasi luar
yang diperoleh nantinya akan dikoreksi pada relatif antara jumlah yang belum diketahui juga 20, yaitu 5 buah parameter orientasi luar
kedua foto.
yang belum diketahui bagi 2 foto ditambah 15 koordinat titik objek yang
 Pada relatif orientasi analitik, biasanya parameter EO (ω, φ, к,
XL, YL) dari foto kiri sama dengan nol. Dan juga untuk ZL pada belum diketahui. Metode yang digunakan sebagai solusi untuk
foto kiri (ZL1) ditetapkan secara sembarang pada harga bulat
dan sebagai alternatif yang nyaman maka nilai dari ZL1 tepat mendapatkan parameter yang dicari adalah menggunakan teknik kuadrat
pada angka nol, dan XL pada foto kanan (XL2) ditetapkan pada terkecil (Wolf and Dewitt 2000).
harga mendekati basis foto (jarak difoto pada kedua foto) yang
mendekati nol dan harus ditentukan 5 parameter unknown pada
foto kanan. Hal ini akan mempermudah dalam perhitungan
koordinat objek Xi, Yi, Zi sehingga mendekati mendekati satuan
koordinat foto yang terukur.
b11dω + b12dφ + b13dк – b14dXL – b15dYL – b16dZL + b14dXA + b15dYA + b16dZA = J + vxa

b21dω + b22dφ + b23dк – b24dXL – b25dYL – b26dZL+ b24dXA + b25dYA + b26dZA = K + vya
Relatif Orientasi

Untuk melakukan proses iterasi apabila

nilai residu belum sesuai. Adapun
persamaan matrik untuk menghitung nilai
residu setelah penyesuaian. Iterasi
berhenti apabila besarnya nilai koreksi
parameter dicari (unknown) yang didapat
paling kecil.
 Space Resection

 Space Resection atau reseksi ruang dengan kolinearitas

merupakan metode numerik murni yang secara serentak
menghasilkan enam unsur orientasi luar (EO). Biasanya
nilai sudut XL, YL, ZL, ω, ,  diperoleh dengan
penyelesaian itu. Space Resection dengan kolinearitas
memungkinkan penggunaan ulang sejumlah titik kontrol
medan.
 Space Resection dengan kolinearitas meliputi formulasi
yang disebut dengan Persamaan Kolinearitas (Collinearity
equation) untuk sejumlah titik kontrol yang koordinat
medannya X, Y dan Z diketahui dan yang gambarnya
tampak pada foto. Kemudian persamaan itu diselesaikan
untuk enam unsur orientasi luar yang belum diketahui dan
tampak pada foto. Kolinearitas di deskripsikan sebagai
kondisi dimana stasiun pemotretan, beberapa titik objek,
dan image foto berada pada satu garis lurus pada space
3D. Kondisi kolinearitas di ilustrasikan seperti gambar di
bawah ini dimana A, o dan a terletak pada satu garis lurus
 Space Resection
𝑓
𝑏11 = [𝑟 −𝑚33 ∆𝑌 + 𝑚∆𝑍 − 𝑠 −𝑚∆𝑌 + 𝑚12 ∆𝑍 ]
𝑞2
 Dalam penyelesaian secara least square maka diperoleh
persamaan untuk proses resection dalam bentuk
𝑓
𝑏12 = [𝑟 𝑐𝑜𝑠 𝜑 ∆𝑋 + 𝑠𝑖𝑛 𝜔 𝑠𝑖𝑛 𝜑 ∆𝑌 − 𝑐𝑜𝑠 𝜔 𝑠𝑖𝑛 𝜑∆𝑍 − 𝑞 − 𝑠𝑖𝑛 𝜑 𝑐𝑜𝑠 к ∆𝑥 + 𝑠𝑖𝑛 𝜔 𝑐𝑜𝑠 𝜑 𝑐𝑜𝑠 к ∆𝑌 − 𝑐𝑜𝑠𝜔 𝑐𝑜𝑠 𝜑 𝑐𝑜𝑠 к ∆𝑍 ]
𝑞2

persamaan kolinearitas terlinearisasi yang −𝑓

𝑏13 = 𝑚∆𝑋 + 𝑚∆𝑌 + 𝑚23 ∆𝑍
disederhanakan termasuk untuk nilai residualnya sebagai 𝑞2

berikut (wolf, 2000) : 𝑏14 =

𝑓
𝑞2
𝑟𝑚31 − 𝑞𝑚11

b11dω + b12dφ + b13k - b14dXL - b15YL - b16ZL= J + vxa 𝑏15 =

𝑓
𝑞2
𝑟𝑚32 − 𝑞𝑚12

b21dω + b22dφ + b23k – b24dXL – b25YL – b26ZL= K + vya 𝑏16 =

𝑓
𝑞2
𝑟𝑚33 − 𝑞𝑚13

 Dimana setiap notasi diatas diwakili oleh susunan matriks 𝑏21 =

𝑓
𝑞2
[𝑠 −𝑚33 ∆𝑌 + 𝑚32 ∆𝑍 − 𝑞 −𝑚23 ∆𝑌 + 𝑚22 ∆𝑍 ]
sebagai berikut :
𝑓
𝑏22 = [𝑠 𝑐𝑜𝑠 𝜑 ∆𝑋 + 𝑠𝑖𝑛 𝜔 𝑠𝑖𝑛 𝜑 ∆𝑌 − 𝑐𝑜𝑠 𝜔 𝑠𝑖𝑛 𝜑∆𝑍 − 𝑞 𝑠𝑖𝑛 𝜑 𝑐𝑜𝑠 к ∆𝑋 − 𝑠𝑖𝑛 𝜔 𝑐𝑜𝑠 𝜑 𝑠𝑖𝑛 к ∆𝑌 − 𝑐𝑜𝑠𝜔 𝑐𝑜𝑠 𝜑 𝑠𝑖𝑛 к ∆𝑍 ]
𝑞

𝑓
𝑏23 = 𝑚11 ∆𝑋 + 𝑚12 ∆𝑌 + 𝑚13 ∆𝑍
𝑞2

𝑓
𝑏24 = 𝑟𝑚31 − 𝑠𝑚21
𝑞2

𝑓
𝑏25 = 𝑡𝑚11 − 𝑠𝑚22
𝑞2

𝑓
𝑏26 = 𝑟𝑚33 − 𝑠𝑚23
𝑞2
 Intersection

 Intersection merupakan suatu teknik menentukan koordinat

titik-titik objek pada dua gambar atau lebih yang saling
bertampalan sehingga diketahui posisi secara 3D (Xi, Yi, Zi).

 Proses ini membutuhkan enam parameter orientasi luar yang

diketahui (ω, φ, к, XL, YL, ZL) untuk dua foto yang bertampalan.
Nilai koordinat objek dalam ruang tiga dimensi ini dapat
dihitung menggunakan persamaan kolinier yang telah
dilinierisasi.

 Karena enam unsur orientasi sudah diketahui, yang tidak

diketahui pada persamaan ialah dXA, dYA, dan dZA. Ini
merupakan koreksi yang harus diterapkan bagi pendekatan
awal untuk masing-masing koordinat object space XA, YA, ZA,
untuk titik A. Bentuk persamaan intersection yang diliniearkan
sebagai berikut (Wolf and Dewitt 2000):

b14dXA + b15dYA + b16dZA = J + Vxa

b24dXA + b25dYA + b26dZA = K + Vya
 Intersection

 Dengan demikian dapat dibuat empat persamaan seperti

persamaan di atas, dan nilai dXA, dYA, dan dZA dapat
diselesaikan melalui perhitungan least square. Koreksi ini
diterapkan bagi pendekatan awal untuk memperoleh nilai
revisi untuk XA, YA, ZA. Penyelesaian ini kemudian diulang
lagi atau proses iterasi hingga nilai residu sesuai.
Dimana:
𝑓 𝑓
𝑏14 = 𝑟𝑚31 − 𝑞𝑚11 𝑏25 = 𝑡𝑚11 − 𝑠𝑚22
𝑞2 𝑞2
𝑓 𝑓
𝑏15 = 𝑟𝑚32 − 𝑞𝑚12 𝑏26 = 𝑟𝑚33 − 𝑠𝑚23
𝑞2 𝑞2
Setelah ditemukan nilai dari matrik X
𝑓
𝑏16 = 𝑟𝑚33 − 𝑞𝑚13 yang merupakan nilai dari koreksi
𝑞2
parameter, kemudian hitung nilai-nilai
𝑓
𝑏24 = 𝑟𝑚31 − 𝑠𝑚21 parameter (XA, YA, ZA) dengan
𝑞2
menambahkan koreksinya dengan nilai
𝑟
𝐽 = 𝑥 𝑎 − 𝑥𝑜 + 𝑓 matrik X.
𝑞
𝑠 Lakukan proses iterasi apabila nilai residu
𝐾 = 𝑦 𝑎 − 𝑦𝑜 + 𝑓 belum sesuai. Adapun persamaan matrik
𝑞
untuk menghitung nilai residu setelah
penyesuaian, dengan menggunakan rumus.
 Bundle Adjustment

 Bundle adjustment adalah proses penentuan Dimana P disini adalah matrik bobot dari ketelitian pengukuran koordinat
atau perhitungan parameter IO, EO dan foto dijital :  1 2 0 
koordinat obyek secara serempak bersamaan Pij  
X 
dengan menggunakan teknik hitung kuadrat  0 1 2
  Y  ij
terkecil (Brown, 1974; Heindl, 1981; Schut,
1980 and Triggs, McLauchlan, Hartley and Disini x dan y adalah standard error dari ukuran
Fitzgibbon, 2000). Dalam dekade sepuluh tahun
titik obyek ke-j pada foto ke-i dari total n titik obyek
terakhir teknik ini menjadi cara yang paling
efisien untuk memproses data pemotretan dan m buah foto. Persamaan (2.29) dapat ditulis
seperti yang dilaporkan oleh Trigs et al. (2000).
menurut notasi Brown (Brown, 1974) sebagai : 𝑁𝑖𝑗 𝑁𝑖𝑗 𝛿1 𝐶𝑖
Jika kesalahan sistematis dan defisiensi datum + = 0 𝑎𝑡𝑎𝑢 𝑁𝛿 + 𝐶 = 0
𝑁𝑖𝑗𝑇 𝑁𝑖𝑗 𝛿2 𝐶𝑗
untuk sementara diabaikan, maka dengan
metode Helmert Blocking (Wolf, 1978), maka 𝑛 𝑛
Persamaan ini merupakan 𝑁𝑖𝑗 𝐶𝑖
persamaan normalnya dapat dituliskan sebagai = 𝐴𝑇1𝑖𝑗 𝑃𝑖𝑗 𝐴1𝑖𝑗 ; = 𝐴𝑇1𝑖𝑗 𝑃𝑖𝑗 𝑊𝑖𝑗
(6𝑥6) (6𝑥1)
berikut : pengembangan dari persamaan 𝑗=1 𝑗=1

kolinier dan setiap elemen

 A1T PA1 A1T PA2  1   A1T PW 
𝑚 𝑚
𝑁𝑖𝑗 𝐶𝑗
 T     T   0 didalamnya didefinisikan = 𝐴𝑇2𝑖𝑗 𝑃𝑖𝑗 𝐴2𝑖𝑗 ; = 𝐴𝑇2𝑖𝑗 𝑃𝑖𝑗 𝑊𝑖𝑗
 A2 PA1 A2 PA2   2   A2 PW 
T 3𝑥3
𝑖=1
3𝑥1
𝑖=1
sebagai : 𝑁𝑖𝑗
= 𝐴1𝑇𝑖𝑗 𝑃𝑖𝑗 𝐴2𝑖𝑗
(6𝑥3)
 Bundle Adjustment

 Dimana 𝑁 dan 𝑁 adalah sub-matrik

dari matrik blok-diagonal, dimana
blok 𝑁 merujuk pada parameter EO
and 𝑁 mengacu pada koordinat titik-
titik obyek

Persamaan tersebut adalah teknik Bundle adjustment untuk

mendapatkan nilai parameter EO dan koordinat titik obyek didalam
sistem kartesian 3D. Jika titik-titik obyek ini dapat dihitung dengan
tingkat keakurasian yang lebih tinggi lagi, maka maka kesalahan
sistematis didalam kamera harus dimodelkan.
 Absolute Orientasi / Tranformasi Koordinat 3D

 Absolut orientasi merupakan proses menstabilkan hubungan antara

sistem koordinat foto dan object. Terdapat 7 parameter yang dicari
yaitu: faktor skala (s), tiga sudut rotasi omega (ω), phi (φ), kappa (к),
dan tiga faktor penterjemahan TX, T Y dan TZ. Untuk melakukan proses
absolut orientasi minimal diperlukan 3 koordinat 3D titik kontrol,
tetapi agar diperoleh parameter unknown lebih baik nilainya maka
dalam metode penyelesaian least square diperlukan koordinat titik
objek lebih dari minimal data koordinat titik objek yang diperlukan. Gambar Sistem koordinat 3D XYZ dan xyz arah kanan
 Parameter absolut orientasi unknown akan diperoleh nilainya dengan
menghubungkan titik-titik kontrol pada sistem koordinat foto ke
dalam sistem koordinat object 3D di permukaan tanah. Pada skala
akan diperoleh dua koordinat titik kontrol horizontal (XY), koordinat
elevasi (Z) diperoleh dari informasi pada pengukuran leveling dan
proses penterjemahan dilakukan disepanjang sumbu X dan Y,
sedangkan omega (ω), phi(φ), dan kappa (к) akan mengelilingi sumbu
xyz. Hubungan antara perputaran sudut rotasi dan sistem koordinat
3D XYZ, dapat dilihat pada gambar

Gambar Sudut rotasi pada sistem koordinat xyz

 Absolute Orientasi / Tranformasi Koordinat 3D

 Absolut orientasi merupakan proses menstabilkan hubungan antara

sistem koordinat foto dan object. Terdapat 7 parameter yang dicari
yaitu: faktor skala (s), tiga sudut rotasi omega (ω), phi (φ), kappa (к),
dan tiga faktor penterjemahan TX, T Y dan TZ. Untuk melakukan proses
absolut orientasi minimal diperlukan 3 koordinat 3D titik kontrol,
tetapi agar diperoleh parameter unknown lebih baik nilainya maka
dalam metode penyelesaian least square diperlukan koordinat titik
objek lebih dari minimal data koordinat titik objek yang diperlukan. Gambar Sistem koordinat 3D XYZ dan xyz arah kanan
 Parameter absolut orientasi unknown akan diperoleh nilainya dengan
menghubungkan titik-titik kontrol pada sistem koordinat foto ke
dalam sistem koordinat object 3D di permukaan tanah. Pada skala
akan diperoleh dua koordinat titik kontrol horizontal (XY), koordinat
elevasi (Z) diperoleh dari informasi pada pengukuran leveling dan
proses penterjemahan dilakukan disepanjang sumbu X dan Y,
sedangkan omega (ω), phi(φ), dan kappa (к) akan mengelilingi sumbu
xyz. Hubungan antara perputaran sudut rotasi dan sistem koordinat
3D XYZ, dapat dilihat pada gambar

Gambar Sudut rotasi pada sistem koordinat xyz

Absolute Orientasi / Tranformasi Koordinat 3D

 Penyelasaian untuk persamaan transformasi koordinat 3D dapat dilakukan

dengan dua tahap dasar, yaitu:
 Rotasi, persamaan diperoleh :
x = [(y’ sin ω – z’ cos ω) sin φ + x’ cos φ]cos к + (y’ cos ω + z’ sin ω)sin к
y = [(-y’ sin ω + z’ cos ω)sin φ – x’ cos φ]sin к + (y’ cos ω + z’ sin ω)cos к
z =(-y’ sin ω + z’ cos ω)cos φ + x’ sin φ
 Penskalaan dan penterjemahan
X = sx’ + Tx = s(m11x +m12y + m13z) + Tx
Y = sy’ + Ty = s(m21x + m22y + m23z) + Ty (2.45)
Z = sz’ + Tz = s(m31x + m32y + m33z) + Tz
Proses Kalibrasi Kamera dengan Software

 Software Australis : Kalibrasi kamera menghasilkan Parameter Interior

menggunakan metode bundle adjustment
 Software PCI : Kalibrasi kamera menghasilkan parameter Interior
 Agisoft : Kalibrasi kamera menghasilkan parameter Interior
 SEKIAN &
TERIMA KASIH