초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

최근 센서 기술의 발달은 실제 공간상의 어떤 물체의 정확한 기하학적 정보를 쉽게 얻을 수 있게 한다. 그러나 한 시점에서 측정하고자 하는 물체의 모든 데이터를 다 얻을 수는 없다. 따라서 물체의 완전한 데이터를 얻기 위해서는 여러 시점에서 측정된 데이터를 이용해야 한다. 여러 시점에서 측정된 데이터는 각각 다른 좌표 시스템에 의해 정의 되므로, 물체의 완전한 모델링을 위해서는 하나의 좌표 시스템으로 통합하는 과정이 필요하면, 이 과정을 정합(Registration)이라 한다. 일반적인 정합의 방법은 크게 두 가지 단계, 대략적인 정합(Coarse Registration), 둘째 세밀한 정합(Fine Registration)로 구분할 수 있다. 대략적인 정합의 방법은 기계적인 측정장치(Robot arm, Turn-table)나, 사용자 입력 등을 이용해서 여러 시점간의 상대적인 위치 값을 알아내어 정합을 한다. 이렇게 정합된 결과는 약간의 오차를 가지게 되는데 이러한 오차를 최소화 하기 위해 좀더 세밀한 정합의 방법이 필요하다. 가장 일반적이고, 널리 사용되는 방법이 ICP(Iterative Closest Point) 알고리즘이다.
본 논문에서는 여러 다른 시점에서 측정된 데이터를 반복적인 방법에 의해 자동으로 정합하는 방법을 제안한다. 기존의 ICP ...

최근 센서 기술의 발달은 실제 공간상의 어떤 물체의 정확한 기하학적 정보를 쉽게 얻을 수 있게 한다. 그러나 한 시점에서 측정하고자 하는 물체의 모든 데이터를 다 얻을 수는 없다. 따라서 물체의 완전한 데이터를 얻기 위해서는 여러 시점에서 측정된 데이터를 이용해야 한다. 여러 시점에서 측정된 데이터는 각각 다른 좌표 시스템에 의해 정의 되므로, 물체의 완전한 모델링을 위해서는 하나의 좌표 시스템으로 통합하는 과정이 필요하면, 이 과정을 정합(Registration)이라 한다. 일반적인 정합의 방법은 크게 두 가지 단계, 대략적인 정합(Coarse Registration), 둘째 세밀한 정합(Fine Registration)로 구분할 수 있다. 대략적인 정합의 방법은 기계적인 측정장치(Robot arm, Turn-table)나, 사용자 입력 등을 이용해서 여러 시점간의 상대적인 위치 값을 알아내어 정합을 한다. 이렇게 정합된 결과는 약간의 오차를 가지게 되는데 이러한 오차를 최소화 하기 위해 좀더 세밀한 정합의 방법이 필요하다. 가장 일반적이고, 널리 사용되는 방법이 ICP(Iterative Closest Point) 알고리즘이다.
본 논문에서는 여러 다른 시점에서 측정된 데이터를 반복적인 방법에 의해 자동으로 정합하는 방법을 제안한다. 기존의 ICP 알고리즘을 수행하기 위해서는 앞에 언급한 바와 같이 대략적인 정합의 과정이 필요하다. ICP 알고리즘은 반복계산을 통한 최적화의 과정이다. 따라서 비교적 정확한 초기치 (a good initial estimation)가 필요하며, 그렇지 않은 경우 ICP알고리즘은 정확한 정합을 보장하지 못한다. 제안된 방법은 기존의 ICP알고리즘에 sensor projection constraint를 추가하여 별도의 초기치 측정이 없이도 정확한 정합을 할 수 있는 방법을 제안한다.