[논문]모바일매핑시스템으로 취득한 중첩 전방위 영상으로부터 3차원 객체좌표의 결정

오태완; 이임평

모바일매핑시스템으로 취득한 중첩 전방위 영상으로부터 3차원 객체좌표의 결정
Determination of 3D Object Coordinates from Overlapping Omni-directional Images Acquired by a Mobile Mapping System 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.28 no.3, 2010년, pp.305 - 315

오태완 (서울시립대학교 대학원 공간정보공학과) , 이임평 (서울시립대학교 도시과학대학 공간정보공학과)

초록
AI-Helper

본 연구는 지상모바일매핑시스템을 이용하여 취득한 중첩 전방위 영상을 이용하여 객체점의 3차원 좌표를 결정하는 방법을 제시하고 정확도를 분석하고자 한다. 제안된 방법은 먼저 개별 센서 및 대상공간에 좌표계를 정의하고 좌표계간의 관계를 설정한다. 이에 기반하여 전방위 영상의 한점에 투영되는 객체점이 위치한 직선을 유도하고, 공액점으로부터 결정되는 한쌍의 직선을 교차하여 객체점의 3차원 좌표를 결정한다. 제안된 방법을 통해 결정된 객체점의 좌표를 GPS와 토탈스테이션으로 측정한 검사점 좌표와 비교하여 정확도를 검증하였다. 본 연구의 결과 기선의 길이 및 카메라/대상객체 사이의 상호 위치를 적절하게 설정한다면 객체점의 상대좌표를 수 cm 내의 정확도로 결정할 수 있었다. 절대좌표의 정확도는 정오차로 인해 수 cm에서 1 m 정도를 보였다. 향후 카메라 좌표계와 GPS/INS 좌표계 사이의 관계를 보다 정확하게 설정하고 전방위 카메라의 보정을 통해 절대 좌표의 정확도를 개선할 계획이다.

Abstract ▼ AI-Helper

This research aims to develop a method to determine the 3D coordinates of an object point from overlapping omni-directional images acquired by a ground mobile mapping system and assess their accuracies. In the proposed method, we first define an individual coordinate system on each sensor and the object space and determine the geometric relationships between the systems. Based on these systems and their relationships, we derive a straight line of the corresponding object point candidates for a point of an omni-directional image, and determine the 3D coordinates of the object point by intersecting a pair of straight lines derived from a pair of matched points. We have compared the object coordinates determined through the proposed method with those measured by GPS and a total station for the accuracy assessment and analysis. According to the experimental results, with the appropriate length of baseline and mutual positions between cameras and objects, we can determine the relative coordinates of the object point with the accuracy of several centimeters. The accuracy of the absolute coordinates is ranged from several centimeters to 1 m due to systematic errors. In the future, we plan to improve the accuracy of absolute coordinates by determining more precisely the relationship between the camera and GPS/INS coordinates and performing the calibration of the omni-directional camera

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 그림 1에서 보는 바와 같이 전방위 카메라 영상과 영상의 외부표정요소를 이용하여 대상지점의 3차원 좌표를 결정하는 방법을 제안하고자 한다. 제안된 방법은 크게 좌표계 설정, 내부표정, 외부표정 및 대상지점 좌표결정의 과정으로 구성된다.
특히 고품질의 센서융합을 위해 GPS/INS 좌표계와 카메라 좌표계간의 이동(translation) 및 회전(orientation) 변환 계수는 반드시 정밀하게 측정되어야 한다(Jeroen 등 2008). 본 연구에서는 좌표계 사이의 관계를 설정하는 과정에서 발생할 수 있는 오차를 줄이기 위해 카메라 좌표계와 GPS/INS 좌표계의 X, Y 축은 평행하게 설정하고 Z축을 일치시키려 노력하였다. X축은 차량의 진행방향이고 Z 축은 차량 진행방향의 수직 직각 방향이다.
최근에 전방위 카메라 기술의 발전을 통해 높은 해상도 및 낮은 왜곡을 갖는 전방위 영상의 취득이 가능하게 되었고 이로 인해 기존의 항공 및 지상에서 취득된 프레임 카메라 입체 영상을 통해 가능하였던 대상객체에 대한 3차원 절대 좌표 결정이 전방위 영상을 이용해서 가능할 것으로 판단된다. 이에 본 연구는 전방위 카메라와 GPS/INS가 통합된 지상 모바일매핑시스템을 이용하여 취득된 전방위 영상 및 위치/자세 정보를 이용하여 대상지점의 3차원 절대 좌표를 결정하는 방법을 제안하고 실측데이터에 적용하여 정확도 평가를 수행하고자 한다.
이러한 개별 센서 좌표계로 표현된 원시 센서 데이터를 융합하여 독립적인 지상좌표계를 갖는 객체공간에 포함된 대상객체에 대한 절대좌표를 결정해야 한다. 이에 카메라좌표계(CCS), GPS/INS좌표계(ICS)와 지상좌표계(GCS)를 그림 2처럼 정의하고 센서 데이터의 상호융합을 위해 좌표계 사이의 관계를 정밀하게 수립하고자 한다. 특히 고품질의 센서융합을 위해 GPS/INS 좌표계와 카메라 좌표계간의 이동(translation) 및 회전(orientation) 변환 계수는 반드시 정밀하게 측정되어야 한다(Jeroen 등 2008).

가설 설정

= 0로 설정할 수 있고, 식 (7)처럼 표현된다. 본 연구에서 실시한 모든 실험은 두 좌표계가 서로 일치한다는 가정으로 진행되었다.

제안 방법

두 개의 영상에서 취득된 한 쌍의 공액점으로부터 이에 대응되는 지상 좌표계상에서 정의된 한 쌍의 직선을 유도하고 이의 교점을 계산하여 지상점의 3차원 좌표를 결정하였다. GPS와 토탈스테이션으로 정밀하게 측정한 검사점과 비교하여 정확도를 검증하였다. 기선의 길이 및 카메라/대상객체 사이의 상호위치를 적절하게 설정한다면 수 cm 내의 정확도를 가지고 대상객체의 3차원 모델 또는 대상지점의 상대좌표를 추출할 수 있다는 것을 알 수 있었다.
전방위 카메라 중첩 영상과 GPS/INS정보를 이용하여 대상객체의 3차원 좌표를 계산하는 수학적 모델을 수립하고 이를 실측 데이터에 적용하여 검증하였다. 두 개의 영상에서 취득된 한 쌍의 공액점으로부터 이에 대응되는 지상 좌표계상에서 정의된 한 쌍의 직선을 유도하고 이의 교점을 계산하여 지상점의 3차원 좌표를 결정하였다. GPS와 토탈스테이션으로 정밀하게 측정한 검사점과 비교하여 정확도를 검증하였다.
본 전방위 카메라가 6개의 개별적인 영상을 취득하여 최종적으로 통합된 하나의 영상을 생성하는 과정은 그림 8과 같다(Point Grey Research, 2008). 먼저 6개의 CCD를 통해 Bayer-tiled Raw 형식의 영상을 획득한 후 JPEG형식으로 압축하여 Firewire를 통해 PC로 전송한다. PC에서 전송된 영상의 압축을 풀고, Raw 영상을 RGB 컬러영상으로 변환하여 그래픽카드로 전달한다.
이를 검증하기 위해서 기선의 길이는 거의 동일하게 유지하고 상호위치가 다른 중첩영상(그림 15의 그룹 C4)을 선택하였다. 본 실험에서는 카메라의 위치에 따른 영상만 다를 뿐 기선의 길이 및 사용된 검사점 등의 모든 실험 조건을 같게 하여 지상점의 3차원 절대좌표 및 오차를 구하였다. 그림 15에서 보는 바와 같이 그룹 C3는 X축을 기준으로 두 카메라 사이에 검사점이 위치하지 않은 경우이고 C4는 두 카메라 사이에 검사점 그룹이 위치된 경우이다.
본 카메라는 1600×1200의 공간 해상도를 갖는 6개의 CCD를 통해 360°의 시야각(Field Of View, FOV)을 갖는다.
X축은 차량의 진행방향이고 Z 축은 차량 진행방향의 수직 직각 방향이다. 실제 두 좌표계간의 관계는 상대좌표 오차 측정 부분에서 검증하였다.
통합 센서를 탑재하는 차량으로는 기아자동차의 모닝이라는 모델을 사용하였다. 완성된 통합 센서는 상하방향으로 상당히 길어 터널 및 교량 하부를 통과할 경우 충돌 위험성이 있고, 전방위 카메라의 특성상 차량이 영상에 포함되기 때문에 이를 최소화하기 위해 차체가 작고 낮은 차량을 선정하였다.
전방위 카메라 영상의 외부표정요소를 취득하기 위해 전방위 카메라와 함께 GPS/INS 시스템을 탑재하였다. 사용된 시스템은 Applanix사의 POSLV 420PP 모델로서 모바일매핑시스템(Mobile Mapping System)과 같은 이동형 시스템에 적합한 센서이다(Applanix, 2009).
전방위 카메라 중첩 영상과 GPS/INS정보를 이용하여 대상객체의 3차원 좌표를 계산하는 수학적 모델을 수립하고 이를 실측 데이터에 적용하여 검증하였다. 두 개의 영상에서 취득된 한 쌍의 공액점으로부터 이에 대응되는 지상 좌표계상에서 정의된 한 쌍의 직선을 유도하고 이의 교점을 계산하여 지상점의 3차원 좌표를 결정하였다.
또는, 영상의 외부표정요소를 1-2개의 지상기준점(Ground Control Point)을 포함하여 추정함을 통해 제거할 수도 있다. 정오차가 제거된 상태에서 여전히 남아있는 오차의 크기를 알아보고자 위 두 방법 중 축척을 고정한 후 지상점과 검사점간의 3축 회전각 및 이동량을 고려하여 변환계수를 결정하는 방법을 통하여 3차원 좌표의 상대적인 오차량을 계산하였다.
본 연구는 그림 1에서 보는 바와 같이 전방위 카메라 영상과 영상의 외부표정요소를 이용하여 대상지점의 3차원 좌표를 결정하는 방법을 제안하고자 한다. 제안된 방법은 크게 좌표계 설정, 내부표정, 외부표정 및 대상지점 좌표결정의 과정으로 구성된다.
제안된 방법을 통해 전방위 영상으로부터 결정된 지상 점의 정확도를 검증하기 위해 GPS와 토탈스테이션을 이용하여 영상에서 식별이 용이한 주요 지점의 3차원 절대좌표를 측정하여 검사점으로 사용하였다. 그림 13은 각 영역별 검사점을 보여주고 있다.

대상 데이터

사용된 시스템은 Applanix사의 POSLV 420PP 모델로서 모바일매핑시스템(Mobile Mapping System)과 같은 이동형 시스템에 적합한 센서이다(Applanix, 2009). 3축 방향으로 가속도를 측정하는 가속도계(accelerometer)와 3개의 회전축의 각속도를 측정하는 자이로스코프(gyroscope)가 내장된 관성관측장치(IMU)로 구성되어 있다. GPS는 3차원 절대 좌표의 위치를 측정할 뿐만 아니라 2개의 GPS 안테나를 이용하여 INS의 오차를 보정하는 GAMS(GNSS Azimuth Measurement Subsystem)을 사용한다.
최근에는 거울을 이용한 방식이 아닌 여러 개의 카메라를 이용한 전방위 카메라가 등장하였다. 그 중 캐나다의 Point Grey Research사에서 제작한 전방위 카메라인 Ladybug는 서로 다른 범위를 촬영하는 6개의 카메라를 통해 영상을 획득한다. 각 카메라로부터 획득된 6개의 영상들은 영상처리를 통해 모든 방향으로의 영상정보를 갖는 한 장의 전방위 영상으로 생성된다.
차량이 이동한 도로는 편도 2∼3차선으로 근처에 공원 및 5층 안팎의 낮은 건물이 있고 다소 먼 지점에는 고층 아파트 및 상가들이 분포되어 있다. 기존에 검사점이 확보되어 있는 3개의 그룹(A-C)에서 기선의 길이 따라 각 2쌍의 중첩영상을 선택하였다. 또한, 영역 C에서는 대상객체와 카메라의 상호위치와 정확도의 관계를 분석하기 위해서 추가로 유사한 크기의 기선을 갖는 2쌍의 중첩영상을 선택하였다.
기존에 검사점이 확보되어 있는 3개의 그룹(A-C)에서 기선의 길이 따라 각 2쌍의 중첩영상을 선택하였다. 또한, 영역 C에서는 대상객체와 카메라의 상호위치와 정확도의 관계를 분석하기 위해서 추가로 유사한 크기의 기선을 갖는 2쌍의 중첩영상을 선택하였다. 선택된 전방위 영상의 예시는 그림 12에서 볼 수 있다.
그림 11은 영상의 취득 경로 및 지상점 그룹을 보여주고 있다. 본 실험을 통해 획득된 영상 데이터는 평균 1MB의 용량을 가진 5400 * 2700의 해상도를 갖는 영상으로 Jpeg 압축방식을 사용하였다. 영상을 취득한 장소는 경기도 오산시청 부근의 도로 주변으로 지도상의 동쪽에서 서쪽으로 이동하면서 영상을 취득하였다.
본 연구에서 사용되는 전방위 카메라 영상은 수평방향으로 360°와 수직방향으로 180°의 범위를 나타내는 5400×2700 픽셀로 구성되어 15개의 픽셀 (pixel)이 1°를 표현한다.
본 연구에서 사용한 전방위 카메라(Omni-directional camera)는 Point Grey Research사의 Ladybug 모델이다. 카메라의 외관과 제원은 각각 그림 7과 표 1에서 보여주고 있다.
전방위 카메라 영상의 외부표정요소를 취득하기 위해 전방위 카메라와 함께 GPS/INS 시스템을 탑재하였다. 사용된 시스템은 Applanix사의 POSLV 420PP 모델로서 모바일매핑시스템(Mobile Mapping System)과 같은 이동형 시스템에 적합한 센서이다(Applanix, 2009). 3축 방향으로 가속도를 측정하는 가속도계(accelerometer)와 3개의 회전축의 각속도를 측정하는 자이로스코프(gyroscope)가 내장된 관성관측장치(IMU)로 구성되어 있다.
본 실험을 통해 획득된 영상 데이터는 평균 1MB의 용량을 가진 5400 * 2700의 해상도를 갖는 영상으로 Jpeg 압축방식을 사용하였다. 영상을 취득한 장소는 경기도 오산시청 부근의 도로 주변으로 지도상의 동쪽에서 서쪽으로 이동하면서 영상을 취득하였다. 차량이 이동한 도로는 편도 2∼3차선으로 근처에 공원 및 5층 안팎의 낮은 건물이 있고 다소 먼 지점에는 고층 아파트 및 상가들이 분포되어 있다.
이에 거리 대 기선의 비뿐 만 아니라 대상객체와 카메라 사이의 상호위치도 3차원 좌표 결정에 중요한 요소로 예측된다. 이를 검증하기 위해서 기선의 길이는 거의 동일하게 유지하고 상호위치가 다른 중첩영상(그림 15의 그룹 C4)을 선택하였다. 본 실험에서는 카메라의 위치에 따른 영상만 다를 뿐 기선의 길이 및 사용된 검사점 등의 모든 실험 조건을 같게 하여 지상점의 3차원 절대좌표 및 오차를 구하였다.
먼저 통합 센서의 상단부에는 전방위 카메라, 아래에는 INS가 탑재되어 있으며 차량 진행 방향(X축방향)으로 2대의 GPS 안테나가 탑재되어 있다. 통합 센서를 탑재하는 차량으로는 기아자동차의 모닝이라는 모델을 사용하였다. 완성된 통합 센서는 상하방향으로 상당히 길어 터널 및 교량 하부를 통과할 경우 충돌 위험성이 있고, 전방위 카메라의 특성상 차량이 영상에 포함되기 때문에 이를 최소화하기 위해 차체가 작고 낮은 차량을 선정하였다.

이론/모형

3축 방향으로 가속도를 측정하는 가속도계(accelerometer)와 3개의 회전축의 각속도를 측정하는 자이로스코프(gyroscope)가 내장된 관성관측장치(IMU)로 구성되어 있다. GPS는 3차원 절대 좌표의 위치를 측정할 뿐만 아니라 2개의 GPS 안테나를 이용하여 INS의 오차를 보정하는 GAMS(GNSS Azimuth Measurement Subsystem)을 사용한다. GPS의 반송파를 이용해 2개의 GPS 안테나 사이의 상대적 위치 벡터를 측정하는 시스템으로 INS의 오차를 연속적으로 보정한다.

성능/효과

표 8 은 정오차를 제거한 후 그룹 C3와 C4의 환경하에서 실험을 한 결과를 보여주고 있다. 기선 길이에 따른 정확도 검증 실험에서와 같이 정오차를 포함한 절대좌표 결정 정확도 보다 정오차를 제외한 상대좌표의 정확도가 높음을 확인할 수 있었다. 이 실험을 통해 검사점을 중심으로 앞뒤에 위치하는 중첩영상을 사용하면 보다 정확한 대상객체의 모델을 추출할 수 있다는 것을 알 수 있었다.
GPS와 토탈스테이션으로 정밀하게 측정한 검사점과 비교하여 정확도를 검증하였다. 기선의 길이 및 카메라/대상객체 사이의 상호위치를 적절하게 설정한다면 수 cm 내의 정확도를 가지고 대상객체의 3차원 모델 또는 대상지점의 상대좌표를 추출할 수 있다는 것을 알 수 있었다. 이는 전방위 카메라 영상으로부터 도시정보시스템(UIS)를 구성하는 도로의 구성요소, 도로면의 표지, 도로주변의 교통시설물 및 건물 등의 주요 객체들을 충분히 활용 가능한 정확도 수준으로 추출할 수 있다는 것을 의미한다.
정오차를 포함하는 절대좌표 오차의 평균제곱근오차(RMSE)에 비해 정오차가 제외된 상대좌표 오차의 평균제곱근오차(RMSE)가 크게 감소한 것을 확인할 수 있다. 이 결과를 통해 정밀한 측정으로 획득한 검사점과 조정계산 된 지상점 사이의 3차원 이동 및 회전 변환 계수를 추정하여 정오차를 제거함으로써 중첩된 전방위 영상으로부터 대상객체의 3차원 모델 또는 대상지점의 상대좌표를 수 cm 내외의 정확도로 추출할 수 있다는 것을 알 수 있었다.
기선 길이에 따른 정확도 검증 실험에서와 같이 정오차를 포함한 절대좌표 결정 정확도 보다 정오차를 제외한 상대좌표의 정확도가 높음을 확인할 수 있었다. 이 실험을 통해 검사점을 중심으로 앞뒤에 위치하는 중첩영상을 사용하면 보다 정확한 대상객체의 모델을 추출할 수 있다는 것을 알 수 있었다.
표 6은 앞서 구한 6개의 변환계수를 통해 산출된 지상점 오차를 보여주고 있다. 정오차를 포함하는 절대좌표 오차의 평균제곱근오차(RMSE)에 비해 정오차가 제외된 상대좌표 오차의 평균제곱근오차(RMSE)가 크게 감소한 것을 확인할 수 있다. 이 결과를 통해 정밀한 측정으로 획득한 검사점과 조정계산 된 지상점 사이의 3차원 이동 및 회전 변환 계수를 추정하여 정오차를 제거함으로써 중첩된 전방위 영상으로부터 대상객체의 3차원 모델 또는 대상지점의 상대좌표를 수 cm 내외의 정확도로 추출할 수 있다는 것을 알 수 있었다.

후속연구

따라서 향후 연구로 전방위 카메라의 내부표정요소를 계산하는 카메라 보정을 수행할 계획이다. 그리고 이번 실험에서 동일하다고 가정하였던 GPS/INS 좌표계와 카메라 좌표계간의 관계를 재설정하여 정확도를 개선할 계획이다.
이러한 오차는 카메라좌표계와 GPS/INS좌표계 사이의 관계를 보다 정확하게 설정하고, 전방위 카메라 보정(Calibration)을 수행함을 통해 상당히 제거될 것으로 판단된다. 따라서 향후 연구로 전방위 카메라의 내부표정요소를 계산하는 카메라 보정을 수행할 계획이다. 그리고 이번 실험에서 동일하다고 가정하였던 GPS/INS 좌표계와 카메라 좌표계간의 관계를 재설정하여 정확도를 개선할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	모바일매핑이란 무엇인가?	항공기를 이용한 공간정보 획득시스템은 도심지의 경우 건물 벽면의 텍스쳐 획득에 취약하기 때문에 모바일매핑시스템과 같이 차량을 이용한 시스템의 활용이 요구된다. 모바일매핑이란 도로, 교통시설물, 도로주변의 건물 등 지형지물의 정보를 움직이는 차량을 이용해 취득하는 것을 말한다(Bossler, 1995). 최경아 등(2007)은멀티센서를 차량에 탑재한 모바일매핑시스템을 개발하였으며, 정재승 등(2006)은 모바일매핑시스템을 이용하여 이동객체를 추적하고 필요한 특정 개체만을 추출하는 연구를 하였다.
	전방위 카메라란 무엇인가?	전방위 카메라란 시야각(FOV, Filed of View)이 360°이기 때문에 촬영 지점을 기준으로 모든 방향의 영상정보 취득이 가능한 카메라를 말한다(Wikipedia, 2009). 기존의 전방위 카메라는 반구 모양의 거울을 통해 반사된 영상데이터를 하나의 CCD에 입력하여 전방위 영상을 취득하는 방식이었으나 이러한 전방위 카메라 영상은 반구거울을 사용하는 동작방식에 의해 필연적으로 많은 왜곡(distortion) 들을 포함하고 있다(Silpa 등, 2005).
	전방위 카메라를 탑재한 모바일매핑시스템은 프레임 카메라를 사용하는 방식에 비해 어떤 장점이 있는가?	전방위 카메라를 탑재한 모바일매핑시스템은 차량 진행방향에 따라 중복 촬영한 영상을 이용하여 지형지물의 위치를 산출한다. 이러한 경우 프레임 카메라를 사용하는 방식에 비해 기선이 길어져 높은 정확도를 갖는 결과물 생성이 가능하다(황진상, 2009). 이와 관련하여 전방위 카메라 및 주행 기록계 (Odometer)를 탑재한 모바일매핑시스템 이용을 통해 옵티컬 플로어(Optical Flow) 기반의 지형지물 인식 연구(Yata 등, 2002)등이 있다.

참고문헌 (18)

김진환, 안재균, 김창수 (2008), 전방위 카메라를 이용한 객체 추적 시스템, 하계종합학술대회 논문집, 대한전자공학회, pp. 781-782.
전재춘 (2008), IMU/GPS와 카메라 좌표계간의 물리적 관계를 위한 수학적 모델링, 한국측량학회지, 한국측량학회, 제 26권, 제 6호, pp. 611-616.

원문보기 상세보기
정재승 (2006), 모바일매핑시스템에서의 이동객체 추적을 위한 연구, 한국GIS학회지, 한국GIS학회, 제14권, 제2호, pp. 235-244.

원문보기 상세보기
최경아, 오소정, 이임평, 신진수 (2007), 모바일 매핑 시스템 개발, 대한토목학회 정기학술대회 논문집, 대한토목학회, pp. 4468-4471.
황진상 (2009), 차량 모바일맵핑시스템의 현황과 활용분야, 대한측량협회, http://www.cylod.com/board/kboard.php boardfull_text&actview&no5&page1&search_mode &search_word&cid
Applanix (2009), POSLV specifications, Applanix Inc., http://applanix.com/products/land/pos-lv.html
Beauchemin, S. S. and Bajcsy, R. (2000), Modeling and removing radial and tangential distortions in spherical lenses, The 10th International Workshop on Theoretical Foundations of Computer Vision: Multi-Image Analysis, Lecture Notes in Computer Science, vol. 2032, pp. 1-21.
Bossler, J. D., and Toth, C. (1995), Feature Positioning accuracy in mobile mapping: Results obtained by the GPSVANTM, International Archives of Photogrammetry and Remote Sensing, Vol. 31, Part B4, pp. 139-142
Choi, K. and Lee, I. Hong, J. Oh, T. and Shin, S. (2009), Developing a UAV-based Rapid Mapping System for Emergency Response, Proc. SPIE, SPIE, Orlando, Vol. 7332 (on CD-ROM).
Eisenbeiss, H. (2004). A mini unmanned aerial vehicle (UAV): system overview and image acquisition, International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. 36, 5/W1, (on CD-ROM).
Fiala, M. and Basu, A. (2002), Robot navigation using panoramic landmark tracking, The 15th International Conference on Vision Interface, Calgary, pp. 117-124.
Jeroen, D. H., Thomas, B. S. and Fredrik, G. (2008), Relative pose calibration of a spherical camera and an IMU, The 7th IEEE/ACM International Symposium on Mixed and Augmented Reality, IEEE Computer Society, pp. 21-24.
Mochizuki, Y. and Imiya, A. (2008), Featureless Visual Navigation using Optical Flow of Omnidirectional Image Sequence, International Conference on Simulation, Modeling and Programming for Autonomous Robots (SIMPAR 2008), Venice, pp. 307-318.
Point Grey Research (2008), Ladybug specifications, Point Grey Research Inc., http://www.ptgrey.com/products/spherical.asp
Point Grey Research (2008), Overview of the Ladybug image stitching process, Point Grey Research Inc., http://www.ptgrey.com/support/downloads/documents/TAN20 08010_Overview_Ladybug_Image_Stitching.pdf
Silpa-Anan. C. and Hartley, R. (2005), Visual localization and loopback detection with a high resolution omnidirectional camera, The 6th Workshop on Omnidirectional Vision (OMNIVIS 2005), Beijing.
Yata, T., Thorpe, C., and Dellaert F. (2002), Static environment recognition using omni-camera from a moving vehicle. Technical report CMU-RI-TR-02-12, Robotics Institute, Carnegie Mellon University, Pittsburgh.
Wikipedia (2009), Omnidirectional camera, The free Encyclopedia, http://en.wikipedia.org/wiki/Omnidirectional_ camera

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

모바일매핑시스템으로 취득한 중첩 전방위 영상으로부터 3차원 객체좌표의 결정
Determination of 3D Object Coordinates from Overlapping Omni-directional Images Acquired by a Mobile Mapping System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (18)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

모바일매핑시스템으로 취득한 중첩 전방위 영상으로부터 3차원 객체좌표의 결정 Determination of 3D Object Coordinates from Overlapping Omni-directional Images Acquired by a Mobile Mapping System 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (18)

이 논문을 인용한 문헌

저자의 다른 논문 :

오태완 (1) 이임평 (66)

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

모바일매핑시스템으로 취득한 중첩 전방위 영상으로부터 3차원 객체좌표의 결정
Determination of 3D Object Coordinates from Overlapping Omni-directional Images Acquired by a Mobile Mapping System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper