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
- 정합점을 이용한 pariwise 보정, 정합점을 이용한 글로벌 보정 방법을 비교하였다기존에 많이 사용되었던 ICP를 이용한 방법은 스캔 데이터 간 초기관계정보가 필요하며, pair-wise 보정방식은 오차의 누적과 대용량 연산 등의 문제점을 가지고 있다. 이에 소수의 정합기준점과 글로벌 보정을 사용하여 정확도를 높이 고자 하였다.
제안 방법
- 구분 B에 나타난 조합은 이웃하지 않은 조합중에서 비교적 점수가 많은 것만을 표시한 것이고, 표에 나타난 조합 이외에도 많은 스캔데이터간 조합에서 정합점이추출되었다. 구분 A의 조합만을 이용하여 본 연구에서 제안한 세 가지 방법으로 전체스캔데이터를 통합보정하였다. 그리고, 구분 B의 조합 중에서 일부 조합을 이용하여 통합보정된 스캔데이터의 정확도를 평가하였다.
- 구분 A의 조합만을 이용하여 본 연구에서 제안한 세 가지 방법으로 전체스캔데이터를 통합보정하였다. 그리고, 구분 B의 조합 중에서 일부 조합을 이용하여 통합보정된 스캔데이터의 정확도를 평가하였다. 표에는 각 스캔데이터조합별 정합점수와 정합점을 이용하여 변횐.
- ICP 알고리즘을 기반으로 정합쌍을 추출하면 너무 많은 기준점을 생성하기 때문에 여러 개의 스캔데이터를 동시 보정하기 어렵다. 따라서, 본 연구에서는 적은 수의 스캔 데이터 간 정합 기준점을 이용하여 전체 스캔 데이터를 동시 보정하는 방법을 제안하고, pair-wise 기반 방법과 비교하였다(그림 1 참고). 한편, 정합기준점을 추출하기 위하여 Lowe(2005)의 SIFT 알고리즘을 이용하였으며, 정합점의 동시보정을 위하여 GP(Generalized Orthogonal Procrustes Analysis)를 적용하였다.
- 마지막으로 최종 대응쌍을 추정하기 위하여 ICP 알고리즘은 변환인자값이 수렴할 때까지 반복계산하며, SIFT기반 알고리즘은 Lowe의 데모프로그램에서 가장 가까운 정합점과 두 번째로 가까운 정합점의 거리의 비를 이용하여 기준값보다 작은 경우 정합쌍을 선정하였다. 하지만 일정한 기준값을 적용하여 참정합쌍을 판단하기 어렵기 때문에 추출된 정합쌍 중에서 잘못 대응된 정 합 쌍을 제거한 후, 최종 정합쌍으로 변환계수를 결정해야 한다.
- 본 연구에서 제안한 SIFT 정합점을 GP를 이용하여 글로벌 보정을 수행하였다. 중심 C의 초기값을 구하기 위해 1번 스캔데이터 좌표계로 보정한 후, 중심을 반복 갱신하였다.
- 스캔데이터의 최소점수는 473, 037점이고, 최대점수는 762, 821점이다. 스캔 데이터는 위치정보 xyz값과 강도(intensity) 정보를 포함하고 있으며, 스캔데이터가 점군(point clouds) 이므로일정한 크기의 격자형식 영상으로 변환하여 정합점 추출을 수행하였다. X y z를 이용한 거리 영상과 X y i를 이용하는 강도영상은 TIN(triangular irregulated network)/] 반 내삽(interpolation)으로 생성되며, 영상의 격자간격은 0.
- 때까지 반복된다. 실제 알고리즘을 적용할 때 모든 정합점이 모든 스캔데이터에 존재하지 않기 때문에 불린(Boolean) 대각행렬 M을 사용하여 식을 보완한다. 예를 들어 다음과 같을 때, 존재하는 대 응원에 대하여 대각원소가 1인 M이 생성된다.
- 이를 위하여 SIFT를 이용하여 자동으로 강도 영상으로부터 추출된 소수의 기준점을 활용하여 전체 스캔 데이터를 글로벌 보정하였다. 제안된 글로벌 보정 방법은 다른 2가지 방법에 비해 연산속도, 정확도, 지동화 등에 있어서 장점을 지닌 것으로 나타났다.
대상 데이터
- 높이 18m의 크기이다. 스캐닝 장비는 ILRIS 3D이며, 12개의 스캔데이터를 취득하였다. 스캔데이터의 최소점수는 473, 037점이고, 최대점수는 762, 821점이다.
- 실험대상은 건국대 건물이며, 대략 가로 27m, 세로 12m, 높이 18m의 크기이다. 스캐닝 장비는 ILRIS 3D이며, 12개의 스캔데이터를 취득하였다.
- 표 3은 평 가결과를 나타낸 것이다. 표 1의 B조합 중에서 임의로 선택한 4개 스캔데이터 조합의 총 80점이 이용되었다. 4개 스캔데이터조합의 정합점간 변환차의 표준편차는 ±0.
데이터처리
- 변환행렬을 얻을 수 있다. 스캔데이터별 변환행렬식에 SIFT로부터 추출된 정합점을 적용하여 보정정확도를 평가하였다. SIFT로부터 추출된 정합점이 신뢰도를 정량화할 수 없지만, 시각적으로 동일점임을 확인하였다.
이론/모형
- 추출된 특징점은 회전, 축척 등의 불변기술자(invariant descriptor)로 128방향 속성값을 갖는다. 가능한 대응 쌍을 추정하기 위하여 ICP 알고리즘은 최소거리 기준을 적용하고, SIFT 알고리즘은 128방향에 대한 유클리디안거리를 이용한다.
- 02m이다. 강도 영상으로부터 특징점 추출 및 정합을 위하여 Lowe의 SIFT 기법을 이용하였다. 실험데이터 및정합점 추출과 관련된 내용은 전민철 등(2010)에 의한 논문에서 자세히 찾아볼 수 있다.
- 본 연구는 근거리레이저스캔 데이터를 통합보정하기 위하여 ICP를 이용한 pair-wise 보정. 정합점을 이용한 pariwise 보정, 정합점을 이용한 글로벌 보정 방법을 비교하였다기존에 많이 사용되었던 ICP를 이용한 방법은 스캔 데이터 간 초기관계정보가 필요하며, pair-wise 보정방식은 오차의 누적과 대용량 연산 등의 문제점을 가지고 있다.
- 본 연구에서는 GP 알고리즘을 이용하여 동시 보정하였다. GP 알고리즘의 최소제곱함수는 다음과 같다.
- 본 연구와 보정결과를 비교하기 위하여 ICP를 이용한 pair-wise 보정을 수행하였다. pair-wise 보정을 위해 기준 스캔 데이터를 정하고, 보정될 스캔데이터의 순서를 정하는 것이 필요하다.
- 실험데이터 및정합점 추출과 관련된 내용은 전민철 등(2010)에 의한 논문에서 자세히 찾아볼 수 있다. 본 연구의 실험을 위해 ICP, SIFT, RANSAC, GP 알고리즘을 Matlab으로 구현하여 데이터를 처리하였다. 그림 2는 8번째 스캔 데이터의 강도영상과 거리영싱.
- 실험에 사용된 스캔데이터도 초기 위치가 주어지지 않은 경우 30회의 반복횟수내에 수렴하지 않았다. 스캔 데이터 간 초기 기하관계는 SIFT 정합점을 이용하여 구한 값을 사용하였다. 그림 3는 보정후의 거리와 강도 영상이 고, 표 2는 ICP 보정후 ICP 보정의 정확도를 추정하기 위하여 나타낸 초기 변환식과 보정후 변환식의 이동행렬 차와 ICP 보정에 사용된 정합점 수이다.
- 따라서, 본 연구에서는 적은 수의 스캔 데이터 간 정합 기준점을 이용하여 전체 스캔 데이터를 동시 보정하는 방법을 제안하고, pair-wise 기반 방법과 비교하였다(그림 1 참고). 한편, 정합기준점을 추출하기 위하여 Lowe(2005)의 SIFT 알고리즘을 이용하였으며, 정합점의 동시보정을 위하여 GP(Generalized Orthogonal Procrustes Analysis)를 적용하였다.
성능/효과
- 스캔데이터별 변환행렬식에 SIFT로부터 추출된 정합점을 적용하여 보정정확도를 평가하였다. SIFT로부터 추출된 정합점이 신뢰도를 정량화할 수 없지만, 시각적으로 동일점임을 확인하였다. 앞서 말한 것처럼 검사용 정합점은 세 가지 보정 방법 에서 사용되 지 않은 독립 검사점이다.
- 4-7 스캔데이터조합은 세 가지 방법 모두에서 가장 낮은 정확도를 가지고 있다. pair- wise 보정방법은 4개 스캔데이터조합에서 정확도가 유사하게 나타났지만, ICP에 의한 보정방법이 다소 나은 정확도를 나타냈디I 글로벌 보정방법은 4개 스캔 데이터조합에서 비교적 유사한 결고]를 보였으며, pair-wise 보정 방법보다 전반적으로 정확도가 높았다. 따라서 글로벌 보정방법 의 우수성을 확인할 수 있다.
- RANSAC 알고리즘의 오차 임계 값을 크게 하면서 정합쌍을 찾았기 때문에, 정합점수가 작은 경우도 있고, 많은 경우가 있다. 또한 정합점수가 적으면 변환 오차도 작게 나타났지만, 정합점의 질에 따라 많은 정합점수에서 변환 오차가 작은 경우도 있었다.
- 글로벌 보정하였다. 제안된 글로벌 보정 방법은 다른 2가지 방법에 비해 연산속도, 정확도, 지동화 등에 있어서 장점을 지닌 것으로 나타났다. 향후 점개체 외에 선이나 면개체를 이용하는 방법과 글로벌 정합 수렴을가속화할 수 있는 알고리즘을 연구하고자 한다.
후속연구
- 향후 점개체 외에 선이나 면개체를 이용하는 방법과 글로벌 정합 수렴을가속화할 수 있는 알고리즘을 연구하고자 한다. 본 연구의 성과를 이용하여 정합문제에 있어서 정확도와 속도를 적절히 고려한 정합방법을 개발할 수 있다.
- 제안된 글로벌 보정 방법은 다른 2가지 방법에 비해 연산속도, 정확도, 지동화 등에 있어서 장점을 지닌 것으로 나타났다. 향후 점개체 외에 선이나 면개체를 이용하는 방법과 글로벌 정합 수렴을가속화할 수 있는 알고리즘을 연구하고자 한다. 본 연구의 성과를 이용하여 정합문제에 있어서 정확도와 속도를 적절히 고려한 정합방법을 개발할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.