본 연구에서는 스테레오 비전을 이용해 3차원 영상으로서 시차지도를 획득하고 획득된 시차지도로부터 평면을 추출하는 평면검출 시스템을 제안한다. 다양한 표면을 평면으로 근사하고 검출함으로써 시차지도에 나타난 장면을 추상화하고 수식화하여 처리하기 쉽도록 한다. 또한 시차지도로부터 근사적으로 구한 평면은 3차원 공간상에서 실제 크기로 표현 가능하고, 쟁애물 검출 및 위치 추정에 활용될 수 있다. 제안된 시스템은 시차지도를 획득하는 단계와 평면을 검출하는 단계로 구성되어 있다. 시차지도를 생성하기 위해 먼저 스테레오 카메라로부터 좌우 영상을 획득한다. 사전에 구한 왜곡 및 조정 계수를 이용해 좌우 영상을 조정하고 잡음을 제거한다. 신뢰확산과 준전역(Semi-global) ...
본 연구에서는 스테레오 비전을 이용해 3차원 영상으로서 시차지도를 획득하고 획득된 시차지도로부터 평면을 추출하는 평면검출 시스템을 제안한다. 다양한 표면을 평면으로 근사하고 검출함으로써 시차지도에 나타난 장면을 추상화하고 수식화하여 처리하기 쉽도록 한다. 또한 시차지도로부터 근사적으로 구한 평면은 3차원 공간상에서 실제 크기로 표현 가능하고, 쟁애물 검출 및 위치 추정에 활용될 수 있다. 제안된 시스템은 시차지도를 획득하는 단계와 평면을 검출하는 단계로 구성되어 있다. 시차지도를 생성하기 위해 먼저 스테레오 카메라로부터 좌우 영상을 획득한다. 사전에 구한 왜곡 및 조정 계수를 이용해 좌우 영상을 조정하고 잡음을 제거한다. 신뢰확산과 준전역(Semi-global) 스테레오 매칭 알고리즘을 이용해 조정된 영상으로부터 시차지도를 생성한다. 두 번째 단계로서 평면검출을 수행한다. 평면을 검출하기 위해 적당한 가설평명을 추출하고 가설평면을 검증한다. 먼저 적당한 가설평면을 얻기 위해 시차지도에 존재하는 표면을 분할한다. 표면 분할을 위해 두 개의 평면 판별 규칙을 이용한다. 첫째, 표면은 수평 또는 수직 기울기를 공유한다. 둘째, 표면을 이루는 점들은 서로 연속한다. 이러한 규칙을 이용해 9가지 종류의 표면으로서 시차지도를 분할하고 이를 가설평면으로 삼는다. 기울기의 전역적 변화를 고려하기 위해 시차지도 상의 수평과 수직 스캔라인에 더글라스-퓨커 선단순화 알고리즘을 적용하여 각 스캔라인을 선단위로 분할한다. 이렇게 분할된 선들은 스캐라인의 전체적인 기울기 변화를 나타내며 하나의 선분절(line segment)을 공유하는 점은 동일한 기울기를 가진다. 표면타입을 이용해 분할이 완료되면 평면피팅을 이용해 가설평면을 추출한다. 가설평면을 만족하는 N개의 가장 큰 평면을 검출한다. 정량적 평가를 위해 생성한 시차지도와 정답평면영상과, 고전적으로 스테레오 매칭의 성능을 알아보기 위해 쓰이는 Middlebury 실험데이터, 자동차가 주행하면서 획득한 스테레오 영상을 제공하는 KITTI 실험데이터, 직접 촬영한 스테레오 영상을 이용해 제안된 평면검출 시스템을 평가하였다. 3차원 모델 데이터로부터 264개의 시차지도와 정답이진영상(ground truth binary image)을 각각 생성하고 제안된 평면검출 방법을 정량적으로 평가하였다. 3차원 원뿔과 원통에서 각각 97.9%, 86.6%을 평면을 검출하였다. 평면검출 결과가 안정적이고 일반적으로 자주 인용되는 3차원 허프변환 방법과 비교평가하였고 제안된 방법은 평면의 법선벡터를 계산할 때 안정적이고 높은 정밀도를 보였다. Middlebury 실험데이터의 정답 시차지도와 스테레오 매칭한 시차지도를 이용해 제안된 평면검출 방법을 평가하였다. 정답 시차지도 영상에서는 거의 100% 평면이 검출되었고 스테레오 매칭한 시차지도에서는 약간의 잡음과 함께 80~100%의 평면이 검출되었다. KITTI 실험데이터로부터 스테레오 매칭한 시차지도에서는 80%정도의 평면이 검출되었다. 직접 촬영한 영상에서는 70%정도의 평면이 검출되었다.
본 연구에서는 스테레오 비전을 이용해 3차원 영상으로서 시차지도를 획득하고 획득된 시차지도로부터 평면을 추출하는 평면검출 시스템을 제안한다. 다양한 표면을 평면으로 근사하고 검출함으로써 시차지도에 나타난 장면을 추상화하고 수식화하여 처리하기 쉽도록 한다. 또한 시차지도로부터 근사적으로 구한 평면은 3차원 공간상에서 실제 크기로 표현 가능하고, 쟁애물 검출 및 위치 추정에 활용될 수 있다. 제안된 시스템은 시차지도를 획득하는 단계와 평면을 검출하는 단계로 구성되어 있다. 시차지도를 생성하기 위해 먼저 스테레오 카메라로부터 좌우 영상을 획득한다. 사전에 구한 왜곡 및 조정 계수를 이용해 좌우 영상을 조정하고 잡음을 제거한다. 신뢰확산과 준전역(Semi-global) 스테레오 매칭 알고리즘을 이용해 조정된 영상으로부터 시차지도를 생성한다. 두 번째 단계로서 평면검출을 수행한다. 평면을 검출하기 위해 적당한 가설평명을 추출하고 가설평면을 검증한다. 먼저 적당한 가설평면을 얻기 위해 시차지도에 존재하는 표면을 분할한다. 표면 분할을 위해 두 개의 평면 판별 규칙을 이용한다. 첫째, 표면은 수평 또는 수직 기울기를 공유한다. 둘째, 표면을 이루는 점들은 서로 연속한다. 이러한 규칙을 이용해 9가지 종류의 표면으로서 시차지도를 분할하고 이를 가설평면으로 삼는다. 기울기의 전역적 변화를 고려하기 위해 시차지도 상의 수평과 수직 스캔라인에 더글라스-퓨커 선단순화 알고리즘을 적용하여 각 스캔라인을 선단위로 분할한다. 이렇게 분할된 선들은 스캐라인의 전체적인 기울기 변화를 나타내며 하나의 선분절(line segment)을 공유하는 점은 동일한 기울기를 가진다. 표면타입을 이용해 분할이 완료되면 평면피팅을 이용해 가설평면을 추출한다. 가설평면을 만족하는 N개의 가장 큰 평면을 검출한다. 정량적 평가를 위해 생성한 시차지도와 정답평면영상과, 고전적으로 스테레오 매칭의 성능을 알아보기 위해 쓰이는 Middlebury 실험데이터, 자동차가 주행하면서 획득한 스테레오 영상을 제공하는 KITTI 실험데이터, 직접 촬영한 스테레오 영상을 이용해 제안된 평면검출 시스템을 평가하였다. 3차원 모델 데이터로부터 264개의 시차지도와 정답이진영상(ground truth binary image)을 각각 생성하고 제안된 평면검출 방법을 정량적으로 평가하였다. 3차원 원뿔과 원통에서 각각 97.9%, 86.6%을 평면을 검출하였다. 평면검출 결과가 안정적이고 일반적으로 자주 인용되는 3차원 허프변환 방법과 비교평가하였고 제안된 방법은 평면의 법선벡터를 계산할 때 안정적이고 높은 정밀도를 보였다. Middlebury 실험데이터의 정답 시차지도와 스테레오 매칭한 시차지도를 이용해 제안된 평면검출 방법을 평가하였다. 정답 시차지도 영상에서는 거의 100% 평면이 검출되었고 스테레오 매칭한 시차지도에서는 약간의 잡음과 함께 80~100%의 평면이 검출되었다. KITTI 실험데이터로부터 스테레오 매칭한 시차지도에서는 80%정도의 평면이 검출되었다. 직접 촬영한 영상에서는 70%정도의 평면이 검출되었다.
A plane detection using stereo vision has been proposed, which obtains a disparity map as a 3D image and detects planes from the disparity map. By approximating various surfaces as planes, the scene of a disparity map can be summarized and formulated. This planar approximation allows the scene to be...
A plane detection using stereo vision has been proposed, which obtains a disparity map as a 3D image and detects planes from the disparity map. By approximating various surfaces as planes, the scene of a disparity map can be summarized and formulated. This planar approximation allows the scene to be easily dealt with. Moreover, the planes can be presented in its exact size in the real world and can be used to detect obstacles and to localize camera’s position. The proposed system is composed of two parts. One is to obtain a disparity map. The other one is to detect planes from it. First, left and right images are captured in order to produce a disparity map. An off-line procedure has been done in advance, which calculates coefficients of lens distortion and stereo rectification. Rectification and noise removal are performed using the coefficients. Belief Propagation and Semi-global stereo matching algorithms produce a disparity map from rectified images. Secondly, plane detection is performed. In order to detect planes, plane hypotheses are extracted and estimated. A disparity map is partitioned into surfaces to extract proper plane hypotheses. Two determinants of plane are proposed for this surface partitioning. One is that one surface shares the same horizontal and vertical slants. The other one is that every pixel in the surface is smoothly connected. By that these determinants are applied to a disparity map, it is separated into nine different types of surface which become plane hypotheses. In order to approximate slants globally, Douglas-Peucker line simplification algorithm is applied to horizontal and vertical scanlines of a disparity map, which works as a line segmentation. Line segments represent the variation of a scanline. Pixels connected to a line segment have the same slant. After surface partitioning is done, extraction of plane hypotheses via plane fitting takes place. Finally, N largest planes which satisfy plane hypotheses are detected. Generated disparity maps and ground-truth plane images for quantitative evaluation of the proposed method, Middlebury stereo dataset which is typically used to evaluate stereo matching algorithms, KITTI stereo dataset which is captured by a running car, has been used for the experiment. Generate 264 disparity maps and ground-truth planes from 3D models and evaluate the proposed method quantitatively. 97.9 percent and 86.6 percent planes from cones and cylinders have been respectively extracted. Evaluation using ground-truth disparity maps of Middlebury stereo dataset and using disparity maps which is generated by stereo matching on the stereo dataset has been performed. Ground-truth disparity maps have extracted about 100 percent of a plane. Stereo matching disparity maps have brought out about 80 percent through 100% of a plane with some noise. Evaluation using KITTI stereo dataset shows that the proposed method has extracted about 80 percent of a plane. Finally stereo images obtained by the proposed system has been used for the experiment. It shows that about 70 percent of a plane has been extracted.
A plane detection using stereo vision has been proposed, which obtains a disparity map as a 3D image and detects planes from the disparity map. By approximating various surfaces as planes, the scene of a disparity map can be summarized and formulated. This planar approximation allows the scene to be easily dealt with. Moreover, the planes can be presented in its exact size in the real world and can be used to detect obstacles and to localize camera’s position. The proposed system is composed of two parts. One is to obtain a disparity map. The other one is to detect planes from it. First, left and right images are captured in order to produce a disparity map. An off-line procedure has been done in advance, which calculates coefficients of lens distortion and stereo rectification. Rectification and noise removal are performed using the coefficients. Belief Propagation and Semi-global stereo matching algorithms produce a disparity map from rectified images. Secondly, plane detection is performed. In order to detect planes, plane hypotheses are extracted and estimated. A disparity map is partitioned into surfaces to extract proper plane hypotheses. Two determinants of plane are proposed for this surface partitioning. One is that one surface shares the same horizontal and vertical slants. The other one is that every pixel in the surface is smoothly connected. By that these determinants are applied to a disparity map, it is separated into nine different types of surface which become plane hypotheses. In order to approximate slants globally, Douglas-Peucker line simplification algorithm is applied to horizontal and vertical scanlines of a disparity map, which works as a line segmentation. Line segments represent the variation of a scanline. Pixels connected to a line segment have the same slant. After surface partitioning is done, extraction of plane hypotheses via plane fitting takes place. Finally, N largest planes which satisfy plane hypotheses are detected. Generated disparity maps and ground-truth plane images for quantitative evaluation of the proposed method, Middlebury stereo dataset which is typically used to evaluate stereo matching algorithms, KITTI stereo dataset which is captured by a running car, has been used for the experiment. Generate 264 disparity maps and ground-truth planes from 3D models and evaluate the proposed method quantitatively. 97.9 percent and 86.6 percent planes from cones and cylinders have been respectively extracted. Evaluation using ground-truth disparity maps of Middlebury stereo dataset and using disparity maps which is generated by stereo matching on the stereo dataset has been performed. Ground-truth disparity maps have extracted about 100 percent of a plane. Stereo matching disparity maps have brought out about 80 percent through 100% of a plane with some noise. Evaluation using KITTI stereo dataset shows that the proposed method has extracted about 80 percent of a plane. Finally stereo images obtained by the proposed system has been used for the experiment. It shows that about 70 percent of a plane has been extracted.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.