선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 L-L 영상은 구면 사영으로 인한 왜곡 때문에 기존의 특징점 추출 알고리즘으로 대응점을 효과적으로 구하기 어렵다. 본 논문에서는 L-L 영상에서 대응점을 검색하기 위해 조명위치의 방향벡터 에 기반한 적응적 검색영역을 이용하는 특징점 추출 알고리즘이 제안된다. 본 논문에서 財 C2의 위치에서 취득된 L-L 영상들을 각각 山1와 [叫로 표기한다.
- 본 논문에서는 동적인 조명 환경에서 보다 사실적 인 장면을 표현하기 위해 대상공간 내에 존재하는 조명들의 위치와 특성을 추정하는 새로운 방법이 제안된다. 먼저 어안렌즈(fisheye lens)를 장착한 디지털 카메라로부터 전방향 (omni-directional) 다중 노출 영상을 취득하여 HDR (High Dynamic Range) 래디언스 맵을 생성한다[6].
- 그러나 기존 연구에서는 조명정보의 재구성을 통한 동적인 상황 등이 고려되지 않았다. 본 논문에서는 복잡한 조명 환경에서 움직이는 물체에도 정확하게 조명 정보를 적용하기 위해 조명의 위치와 특성을 자동으로 추정하는 방법이 제안된다.
- 본 논문에서는 지역적인 특성을 지닌 광원을 해석하기 위해 각각 다른 위치에 카메라를 위치시켜 다수의 HDR 영상을 취득한다. [그림 2]에서 q (i = 1, 2, 3, …, n)는 각각의 카메라들의 사영(projection) 중심점이고, 각 지점에서 모든 카메라들은 수직축을 중심으로 회전하지 않고 취득하였다.
- 본 장에서는 동적인 상황에서 물체와 장면을 정확히 조명하기 위해 취득 영상들로부터 조명의 위치와 특성을 추정하는 방법을에 대해 설명한다. 제안된 방법은: 1) 조명의 위치를 결정하기 위한 카메라의 영상 취득 위치 추정 2) 움직이는 물체를 실제와 같이 렌더링하기 위한 조명의 특성 분류 3) 3차원 조명환경 구성 등의 단계로 구성된다.
가설 설정
- [그림 2]에서 q (i = 1, 2, 3, …, n)는 각각의 카메라들의 사영(projection) 중심점이고, 각 지점에서 모든 카메라들은 수직축을 중심으로 회전하지 않고 취득하였다. 본 실험에서 대상공간은 그림 2]와 같이 정육면체 형태로가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.