최근 카메라는 4차 산업과의 연관성이 높아지고 있는 상황이다. 현재 로봇공학의 SLAM, 자율주행자동차의 카메라, VR, AR에 대한 카메라 사용, 드론에서의 카메라 사용으로 많은 분야에서 카메라를 사용하고 있다. 여기에서 SLAM이란 simultaneous localization and ...
최근 카메라는 4차 산업과의 연관성이 높아지고 있는 상황이다. 현재 로봇공학의 SLAM, 자율주행자동차의 카메라, VR, AR에 대한 카메라 사용, 드론에서의 카메라 사용으로 많은 분야에서 카메라를 사용하고 있다. 여기에서 SLAM이란 simultaneous localization and mapping (SLAM) 으로써 동시 다발적으로 자신의 위치를 찾고, 그 위치에 대한 지도를 작성하는 알고리즘을 일컫는 말이다. SLAM을 하기 위해서는 특징점 검출 및 추출부터 카메라의 자세와 3차원 점을 맵핑시키는 알고리즘을 형성해야 SLAM을 할 수 있다. 앞서 말한 SLAM 알고리즘을 하기 위해서는 특징점 검출, 추출 및 정합이 필요하다. 특히 이미지 상에서의 특징점을 정의하는 것이 매우 중요하다. 특징점을 정의하는 알고리즘으로써 SIFT, SURF, ORB, BRIEF, FAST, BRISK 등 많은 알고리즘이 존재하며 우리가 사용한 알고리즘은 SIFT 알고리즘보다 빠른 알고리즘 SURF 알고리즘을 사용하였다. 본 논문에서는 카메라의 자세와 3차원 점을 보정하는 알고리즘에 대한 방법을 비교하였다. 또한, 카메라의 자세 추정 방법에 따라 달라지는 정확도를 비교하였다. 카메라의 자세와 3차원 점을 보정하는 방법으로는 최적화 기법과 필터 기법이 있다. 이 두 방식을 비교 분석하였다. 최적화 기법에서는 SBA(SparseBundle Adjustment) 방법을 사용하였고, 필터 기법에서는 제어 시스템에서 많이 사용되어지는 기법인 칼만 필터를 사용하였다. 칼만 필터에서는 비선형에서도 사용할 수 있는 확장형 칼만 필터(Extended Kalman Filter)를 사용하여 실험하였다.
최근 카메라는 4차 산업과의 연관성이 높아지고 있는 상황이다. 현재 로봇공학의 SLAM, 자율주행자동차의 카메라, VR, AR에 대한 카메라 사용, 드론에서의 카메라 사용으로 많은 분야에서 카메라를 사용하고 있다. 여기에서 SLAM이란 simultaneous localization and mapping (SLAM) 으로써 동시 다발적으로 자신의 위치를 찾고, 그 위치에 대한 지도를 작성하는 알고리즘을 일컫는 말이다. SLAM을 하기 위해서는 특징점 검출 및 추출부터 카메라의 자세와 3차원 점을 맵핑시키는 알고리즘을 형성해야 SLAM을 할 수 있다. 앞서 말한 SLAM 알고리즘을 하기 위해서는 특징점 검출, 추출 및 정합이 필요하다. 특히 이미지 상에서의 특징점을 정의하는 것이 매우 중요하다. 특징점을 정의하는 알고리즘으로써 SIFT, SURF, ORB, BRIEF, FAST, BRISK 등 많은 알고리즘이 존재하며 우리가 사용한 알고리즘은 SIFT 알고리즘보다 빠른 알고리즘 SURF 알고리즘을 사용하였다. 본 논문에서는 카메라의 자세와 3차원 점을 보정하는 알고리즘에 대한 방법을 비교하였다. 또한, 카메라의 자세 추정 방법에 따라 달라지는 정확도를 비교하였다. 카메라의 자세와 3차원 점을 보정하는 방법으로는 최적화 기법과 필터 기법이 있다. 이 두 방식을 비교 분석하였다. 최적화 기법에서는 SBA(Sparse Bundle Adjustment) 방법을 사용하였고, 필터 기법에서는 제어 시스템에서 많이 사용되어지는 기법인 칼만 필터를 사용하였다. 칼만 필터에서는 비선형에서도 사용할 수 있는 확장형 칼만 필터(Extended Kalman Filter)를 사용하여 실험하였다.
Recently, camera has become increasingly related to the 4th industry. We use camera in many areas, such as robotics SLAM, autonomous vehicles, VR, AR, and drones. SLAM is a simultaneous localization and mapping (SLAM), which refers to an algorithm that simultaneously looks for a location and maps a ...
Recently, camera has become increasingly related to the 4th industry. We use camera in many areas, such as robotics SLAM, autonomous vehicles, VR, AR, and drones. SLAM is a simultaneous localization and mapping (SLAM), which refers to an algorithm that simultaneously looks for a location and maps a location of itself. In order to achieve SLAM, it is necessary to form an algorithm that detects and extracts feature points, gets the camera’s pose and maps 3D point. The SLAM algorithm requires feature point detection, extraction, and matching. It is especially important to define the feature points on the image. There are many algorithms to define feature points such as SIFT, SURF, ORB, BRIEF, FAST, and BRISK. Our algorithm uses a faster algorithm SURF algorithm than the SIFT algorithm. In this paper, we compared the correcting method of camera pose and 3D point. Also, we compared the accuracy that varies according to the camera pose estimation method. There are optimization methods and filter methods for correcting camera posture and 3D point. Sparse Bundle Adjustment (SBA) was used for the optimization method and the extended Kalman filter was used for the filter method.
Recently, camera has become increasingly related to the 4th industry. We use camera in many areas, such as robotics SLAM, autonomous vehicles, VR, AR, and drones. SLAM is a simultaneous localization and mapping (SLAM), which refers to an algorithm that simultaneously looks for a location and maps a location of itself. In order to achieve SLAM, it is necessary to form an algorithm that detects and extracts feature points, gets the camera’s pose and maps 3D point. The SLAM algorithm requires feature point detection, extraction, and matching. It is especially important to define the feature points on the image. There are many algorithms to define feature points such as SIFT, SURF, ORB, BRIEF, FAST, and BRISK. Our algorithm uses a faster algorithm SURF algorithm than the SIFT algorithm. In this paper, we compared the correcting method of camera pose and 3D point. Also, we compared the accuracy that varies according to the camera pose estimation method. There are optimization methods and filter methods for correcting camera posture and 3D point. Sparse Bundle Adjustment (SBA) was used for the optimization method and the extended Kalman filter was used for the filter method.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.