본 논문은 구기 운동 경기에 많이 쓰이는 공과 같은 구의 변위를 초기에 고속 촬영하여 구의 궤적을 예측하는 것인데, 이를 위해선 고속으로 이동하고 회전하는 구의 위치와 구 표면의 변화를 2회 이상 촬영하여 구의 병진 속도와 회전 속도 및 회전축을 추정해야 한다.
고속으로 이동하는 구를 촬영하여 데이터로서 사용하기 위해서는 많은 프레임을 짧은 시간에 촬영해야 한다. 일반적으로 이용하는 TV품질의 동영상은 초당 30프레임으로 이보다 빠르게 이동하는 구에 대해 추정이 어렵다는 문제가 있으므로, 본 논문은 고속으로 회전하는 슬롯을 이용함으로써 같은 공이 한 프레임 내에 여러 위치에서 촬영하도록 하여 프레임의 수를 늘리는 효과를 얻도록 하였다. 구의 이동속도는 구의 중심점 이동과 그간의 시간으로 구 할 수 있다. 따라서 촬영？？ 2차원 영상 데이터를 대상으로 ...
본 논문은 구기 운동 경기에 많이 쓰이는 공과 같은 구의 변위를 초기에 고속 촬영하여 구의 궤적을 예측하는 것인데, 이를 위해선 고속으로 이동하고 회전하는 구의 위치와 구 표면의 변화를 2회 이상 촬영하여 구의 병진 속도와 회전 속도 및 회전축을 추정해야 한다.
고속으로 이동하는 구를 촬영하여 데이터로서 사용하기 위해서는 많은 프레임을 짧은 시간에 촬영해야 한다. 일반적으로 이용하는 TV품질의 동영상은 초당 30프레임으로 이보다 빠르게 이동하는 구에 대해 추정이 어렵다는 문제가 있으므로, 본 논문은 고속으로 회전하는 슬롯을 이용함으로써 같은 공이 한 프레임 내에 여러 위치에서 촬영하도록 하여 프레임의 수를 늘리는 효과를 얻도록 하였다. 구의 이동속도는 구의 중심점 이동과 그간의 시간으로 구 할 수 있다. 따라서 촬영？？ 2차원 영상 데이터를 대상으로 퍼지 평균 알고리즘을 써서 이동 전.후에 구의 중심위치를 구했다.
일반적으로 구기경기의 공은 이동하면서 회전을 동반하게 되므로 곡선 형태를 그리며 휘어진 궤적을 그리기 마련이다. 이때 필요한 구의 회전속도와 그의 회전축을 추정하기 위해서 구의 표면에 있는 무늬(페턴)의 변위를 영상 데이터로부터 얻도록 하였다. 본 논문에서는 구 표면의 페턴 영상의 특성을 나타내는 2개소의 점으로 압축하고 그 점들의 회전과 위치의 변화를 검출하여 회전속도와 회전축을 추정 하도록 한 것이다. 페턴의 영상을 2개소의 점으로 압축하기 위해서 차감 크러스터링 알고리즘을 사용하였는데 이는 구의 경계면에 생기기 쉬운 노이즈의 영향을 제거하고 2개소의 점이 충분히 분리되어 위치 하도록 하며 계산량을 현저히 감소시키는 효과가 있기 때문이다.
구의 회전 전.후에 각 페턴의 대응하는 점들은 같은 회전축에 의해 동일한 회전각을 가질 것이므로, 동일한 위도를 갖는 조건에서 회전축을 구하고 그 축을 중심으로 한 각 변화를 계산 하였다. 다양한 형태의 시뮬레이션에 본 논문의 이론을 적용하여 구의 이동속도와 회전각속도를 정확히 추정 할 수 있었으며, 실제 구기운동에 적용하여 그 효용성을 검증해 보였다.
본 논문은 구기 운동 경기에 많이 쓰이는 공과 같은 구의 변위를 초기에 고속 촬영하여 구의 궤적을 예측하는 것인데, 이를 위해선 고속으로 이동하고 회전하는 구의 위치와 구 표면의 변화를 2회 이상 촬영하여 구의 병진 속도와 회전 속도 및 회전축을 추정해야 한다.
고속으로 이동하는 구를 촬영하여 데이터로서 사용하기 위해서는 많은 프레임을 짧은 시간에 촬영해야 한다. 일반적으로 이용하는 TV품질의 동영상은 초당 30프레임으로 이보다 빠르게 이동하는 구에 대해 추정이 어렵다는 문제가 있으므로, 본 논문은 고속으로 회전하는 슬롯을 이용함으로써 같은 공이 한 프레임 내에 여러 위치에서 촬영하도록 하여 프레임의 수를 늘리는 효과를 얻도록 하였다. 구의 이동속도는 구의 중심점 이동과 그간의 시간으로 구 할 수 있다. 따라서 촬영？？ 2차원 영상 데이터를 대상으로 퍼지 평균 알고리즘을 써서 이동 전.후에 구의 중심위치를 구했다.
일반적으로 구기경기의 공은 이동하면서 회전을 동반하게 되므로 곡선 형태를 그리며 휘어진 궤적을 그리기 마련이다. 이때 필요한 구의 회전속도와 그의 회전축을 추정하기 위해서 구의 표면에 있는 무늬(페턴)의 변위를 영상 데이터로부터 얻도록 하였다. 본 논문에서는 구 표면의 페턴 영상의 특성을 나타내는 2개소의 점으로 압축하고 그 점들의 회전과 위치의 변화를 검출하여 회전속도와 회전축을 추정 하도록 한 것이다. 페턴의 영상을 2개소의 점으로 압축하기 위해서 차감 크러스터링 알고리즘을 사용하였는데 이는 구의 경계면에 생기기 쉬운 노이즈의 영향을 제거하고 2개소의 점이 충분히 분리되어 위치 하도록 하며 계산량을 현저히 감소시키는 효과가 있기 때문이다.
구의 회전 전.후에 각 페턴의 대응하는 점들은 같은 회전축에 의해 동일한 회전각을 가질 것이므로, 동일한 위도를 갖는 조건에서 회전축을 구하고 그 축을 중심으로 한 각 변화를 계산 하였다. 다양한 형태의 시뮬레이션에 본 논문의 이론을 적용하여 구의 이동속도와 회전각속도를 정확히 추정 할 수 있었으며, 실제 구기운동에 적용하여 그 효용성을 검증해 보였다.
The purpose of this thesis is to predict the locus of a sphere using estimations of flying speed and angular velocity on its rotary axis, which is moving at a high speed and is revolving.
It is the problem to estimate the locus of a high speed flying sphere with motion pictures of general T.V havin...
The purpose of this thesis is to predict the locus of a sphere using estimations of flying speed and angular velocity on its rotary axis, which is moving at a high speed and is revolving.
It is the problem to estimate the locus of a high speed flying sphere with motion pictures of general T.V having 30 frames per second. To use the slot where it rotates at the board high speed which solves like this problem with inside same ball one stationary image in order to exist from multi location, and the effect which increases the possibility of the frame in order to have. If we know a location data with sphere’s center point, estimating the locus of sphere is easier. Projection of sphere in 2 dimension is circle. On this account, if we know center of the sphere, we can know the location of sphere. To find the sphere’s center which has the pattern, this thesis used the Fuzzy C-Mean algorithm in acquired data.
If we found only the sphere’s center, estimating locus of sphere is difficult. Because sphere moving with revolving. To find the angle and axis that is necessary to estimate the revolving state, this thesis estimated it as compared among patterns. If we compare whole data in pattern, computing will be difficult and take long time. When comparing among center of pattern, extracted the point where the location is same inside pattern relatively and estimated the result. To extract this point, this thesis used the subtractive clustering algorithm about data which has noise itself and distortion by distance from sphere’s center. This algorithm finds the other clustering point in no effect of noise. Because it is a relatively simple and effective approach to approximate estimation of cluster center on the basis of a density measure.
If a point by the first clustering and the other point by the second clustering is the same latitude, they will have the same angle about axis. It used like this assumption and it estimated the rotary axis and angle. But statistic method is difficult. Because the pattern is just two. On this account, this thesis determined optional axis and rotated it on Y axis. As doing this, found the value of approximation which is same as inner product between axis and clustering center.
The purpose of this thesis is to predict the locus of a sphere using estimations of flying speed and angular velocity on its rotary axis, which is moving at a high speed and is revolving.
It is the problem to estimate the locus of a high speed flying sphere with motion pictures of general T.V having 30 frames per second. To use the slot where it rotates at the board high speed which solves like this problem with inside same ball one stationary image in order to exist from multi location, and the effect which increases the possibility of the frame in order to have. If we know a location data with sphere’s center point, estimating the locus of sphere is easier. Projection of sphere in 2 dimension is circle. On this account, if we know center of the sphere, we can know the location of sphere. To find the sphere’s center which has the pattern, this thesis used the Fuzzy C-Mean algorithm in acquired data.
If we found only the sphere’s center, estimating locus of sphere is difficult. Because sphere moving with revolving. To find the angle and axis that is necessary to estimate the revolving state, this thesis estimated it as compared among patterns. If we compare whole data in pattern, computing will be difficult and take long time. When comparing among center of pattern, extracted the point where the location is same inside pattern relatively and estimated the result. To extract this point, this thesis used the subtractive clustering algorithm about data which has noise itself and distortion by distance from sphere’s center. This algorithm finds the other clustering point in no effect of noise. Because it is a relatively simple and effective approach to approximate estimation of cluster center on the basis of a density measure.
If a point by the first clustering and the other point by the second clustering is the same latitude, they will have the same angle about axis. It used like this assumption and it estimated the rotary axis and angle. But statistic method is difficult. Because the pattern is just two. On this account, this thesis determined optional axis and rotated it on Y axis. As doing this, found the value of approximation which is same as inner product between axis and clustering center.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.