Abstract ▼ AI-Helper

본 논문은 3차원 모델 표면의 특징 곡률(Feature Curvature) 정보를 이용하여 3차원 거리정보 데이터(Range Image)를 자동으로 정합하는 효율적인 방법을 제안하고 그 성능을 분석하였다. 제안한 알고리즘은 3차원 데이터에 대한 거리정보의 물리적 특성인 가우스 곡률(Gaussian Curvature)을 이용하여 모델의 특징점을 검출하고, 공분산 행렬(Covariance Matrix)을 이용하여 각 데이터의 지역좌표계(Local Coordinate System) 사이의 변위를 계산한다. 3차원 형상 취득장치의 카메라 ...

본 논문은 3차원 모델 표면의 특징 곡률(Feature Curvature) 정보를 이용하여 3차원 거리정보 데이터(Range Image)를 자동으로 정합하는 효율적인 방법을 제안하고 그 성능을 분석하였다. 제안한 알고리즘은 3차원 데이터에 대한 거리정보의 물리적 특성인 가우스 곡률(Gaussian Curvature)을 이용하여 모델의 특징점을 검출하고, 공분산 행렬(Covariance Matrix)을 이용하여 각 데이터의 지역좌표계(Local Coordinate System) 사이의 변위를 계산한다. 3차원 형상 취득장치의 카메라 위치는 3차원 데이터와 투영된 2차원 영상과의 사영행렬(Projection Matrix) 관계식으로 계산한다. 결론부분에서는 실험결과를 기존 연구방법과 비교하여 제안된 방법이 더 빠르고 정확하게 정합하는 결과를 보임으로써 3차원 물체인식이나 모델링에 응용성을 제시하였다.

Abstract

This paper proposes a new approach to align 3D data sets by using curvatures of feature surface. We use the Gaussian curvatures and the covariance matrix which imply the physical characteristics of the model to achieve registration of unaligned 3D data sets. First, the physical characteristics of local area are obtained by the Gaussian curvature. And the camera position of 3D range finder system is calculated from by using the projection matrix between 3D data set and 2D image. Then, the physical characteristics of whole area are obtained by the covariance matrix of the model. The corresponding points can be found in the overlapping region with the cross-projection method and it concentrates by removed points of self-occlusion. By the repeatedly the process discussed above, we finally find corrected points of overlapping region and get the optimized registration result.

주제어