[논문]효율적인 차량 영상 안정화를 위한 고성능 차량 영상 정보 시스템 개발

홍성일; 인치호

doi:10.12815/kits.2013.12.6.078

문제 정의

본 논문에서 제안하는 고성능 차량 영상 정보 시스템은 객체의 흔들림과 배경의 흔들림을 제외한 차량용 카메라의 흔들림으로 인한 영상 정보를 보정하는 시스템이다. <그림 1>은 차량 영상 정보 시스템에서 사용하는 카메라의 기본 구성을 나타낸다.
본 논문에서는 기존의 차량 영상 안정화 방법에서 발생하는 문제점 해결을 위하여 운전자 상황인식을 위해 영상 처리를 복합적으로 적용하여 흔들림을 제거하는 고성능 차량 영상 정보 시스템을 제안한다. 제안하는 시스템은 움직임 추정 (Motion Estimation)과 움직임 보정 (Motion Compensation)으로 나누어 알고리즘을 설계하고, 움직임 추정부는 지역 모션 벡터 추정 (Estimation of Local Motion Vector) 및 불규칙 지역 모션 벡터 검출 (Detection of Irregular Local Motion Vector), 글로벌 모션 벡터 추정 (Estimation of Global Motion Vector)으로 구성을 하며, 움직임 보정부는 추정된 글로벌 모션 벡터 (GMV)를 사용하여 차량용 흔들림의 흔들림을 보정 하기 위해 4개의 방향에 대해 보정을 한다.
본 논문에서는 기존의 차량용 흔들림 보정 방법이 문제점을 보완한 영상 처리를 복합적으로 적용하여 흔들림을 제거하는 고성능 차량 영상 정보 시스템을 제안하였다. 제안된 시스템은 이전 프레임과 현재 프레임을 비교하여 어떠한 이동과 변화를 했는지 추정을 하고, 측정된 지역 모션 벡터들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터를 판단하며, 보정영역의 상관관계에서 발생되는 오류를 방지할 수 있었다.
글로벌 모션 벡터 추정은 글로벌 모션 벡터를 결정하기 위해서 각 지역 모션 벡터의 흔들림을 연속 되는 이미지 프레임에서 추정하고, 글로벌 모션 벡터는 각 지역 모션 벡터의 동일한 방향으로 결정이 되기 때문에 정합에 사용되는 판단 조건들은 점, 에지패턴, 위상, 다중 해상도의 특징 등을 가진다. 성공적인 정합의 조건으로 해당 영역에 의미 있는 패턴이 존재한다는 것이 보장되도록 하였다.

제안 방법

측정된 글로벌 모션 벡터를 사용하여 차량용 영상 이미지의 흔들림을 보정하기 위해 4방향에 대해 보정을 하였다. 결과적으로 성능 및 시간, 이미지의 차이점을 사용하여 평가하였다.
<그림 5>는 글로벌 모션 벡터 추정상태를 나타낸다. 글로벌 모션 벡터는 흔들림이 연속되는 이미지 프레임을 통해 각 매크로 블록에서 구한 지역 모션 벡터들을 종합하여 전체 차량용 카메라의 흔들림을 판단하였고, 적은 계산 횟수로 정확한 글로벌 모션 벡터를 판단하기 위해 불규칙 지역 모션 벡터를 제외한 지역 모션 벡터들을 대상으로 중간필터(median filter)를 사용하였다. 중간필터는 불규칙 지역 모션 벡터를 제외한 지역 모션 벡터들을 크기 순서로 정렬하여 가장 중앙에 나열된 지역 모션 벡터 값을 전체 차량용 카메라의 흔들림인 글로벌 모션 벡터로 결정한다.
<그림 6>은 영상을 많은 셀로 나누어 각 셀의 흔들림 변화가 있는 부분만 다시 그려주는 MPEG-2 압축 기술을 적용한 흔들림 보정 과정을 나타낸다. 글로벌 모션 벡터의 방향은 측정된 글로벌 모션 벡터를 사용하여 차량용 영상 이미지의 흔들림을 보정하기 위해 크게 네 방향에 대해 보정을 하였다.
효율적인 차량 영상 안정화를 위하여 차량용 카메라에서 얻은 영상정보를 다수의 영역에서 움직임을 예측하도록 각 매크로 블록 영역에서 픽셀 값들을 이용하여 이전 프레임과 현재 프레임을 비교하고, 어떠한 이동과 변화를 했는지 추정하여 차량용 영상의 흔들림을 보정하기 위해 4방향으로 보정하는 알고리즘을 설계하였다. 또한, 설계된 알고리즘은 차량 주행 중에 차량용 카메라의 영상 안정화를 위해 IP에 적용하여 움직임 보정 기술 칩을 설계하였다.
움직임 보정 기술 칩은 입력으로 받은 흔들림 프레임을 색상 분리를 통해 변환하고, 분리정보에 대해 누적 히스토그램을 계산하며 ,흔들린 차량용 영상을 보정한 결과에서 색상 정보를 맞추기 위해 히스토그램 매칭 기능을 제공한다. 또한, 실험을 통하여 기존의 차량 영상 안정화 시스템과 비교하고, 효율성을 분석하여 성능을 평가한다.
제안하는 시스템은 움직임 추정 (Motion Estimation)과 움직임 보정 (Motion Compensation)으로 나누어 알고리즘을 설계하고, 움직임 추정부는 지역 모션 벡터 추정 (Estimation of Local Motion Vector) 및 불규칙 지역 모션 벡터 검출 (Detection of Irregular Local Motion Vector), 글로벌 모션 벡터 추정 (Estimation of Global Motion Vector)으로 구성을 하며, 움직임 보정부는 추정된 글로벌 모션 벡터 (GMV)를 사용하여 차량용 흔들림의 흔들림을 보정 하기 위해 4개의 방향에 대해 보정을 한다. 설계된 알고리즘은 차량 주행 중에 차량 영상 안정화를 위하여 IP에 적용하여 움직임 보정 기술 칩을 설계한다. 움직임 보정 기술 칩은 입력으로 받은 흔들림 프레임을 색상 분리를 통해 변환하고, 분리정보에 대해 누적 히스토그램을 계산하며 ,흔들린 차량용 영상을 보정한 결과에서 색상 정보를 맞추기 위해 히스토그램 매칭 기능을 제공한다.
<그림 2>는 고성능 차량 양상 정보 시스템을 위한 차량 영상 안정화 보정 알고리즘의 구성을 나타낸다. 알고리즘은 움직임 추정과 움직임 보정으로 나누고, 움직임 추정은 지역 모션 벡터 추정 및 불규칙 지역 모션 벡터 검출, 글로벌 모션 벡터 추정으로 구성하였다. 지역 모션 벡터 추정을 통하여 다수의 영역에서의 움직임을 예측하기 위해 각 매크로 블록 영역에서의 픽셀 값들을 이전 프레임과 현재 프레임을 비교 하고, 어떠한 이동과 변화를 했는지 추정을 하였다.
영상 이미지 프레임에서 영상 이미지 배경의 모션 벡터를 통해 구한 지역 모션 벡터 중, 전체 영상 이미지배경이 찍히는 카메라의 이동 방향과 무관한 방향으로 이동하는 물체들로 인해 생기는 지역 모션 벡터들인 불규칙 지역 모션 벡터는 종합적인 차량용 카메라의 흔들림 방향과는 무관한 방향을 가리키므로 측정된 지역 모션 벡터와 지역 모션 벡터 평균의 차이가 표준편차 보다 크게 벗어나면 모션 벡터들을 불규칙 지역 모션 벡터로 판단하기 위해식 (2)를 사용하였고, 종합적인 차량용 카메라의 흔들림을 측정할 때에 제외시켰다. LMVi는 i번째 지역 모션 벡터, m과 σ은 각각 지역 모션 벡터들의 평균과 표준편차를 의미한다.
움직이는 물체보다 영상 이미지의 배경으로 영상 이미지의 흔들림을 판단하는 것이 정확성이 매우 높기 때문에, 영상 이미지 안정화 기술의 지역 모션 벡터를 추정하기 위해 한 프레임 내에서 각 매크로 블록은 와 같이 영상 이미지의 배경이 위치하는 프레임의 가장자리에 위치하게 설정하였다.
제안된 고성능 차량 영상 정보 시스템의 성능을 평가하기 위해 차량용 카메라에서 얻은 영상정보를 다수의 영역에서 흔들림을 예측하도록 각 매크로 블록 영역에서 픽셀 값들을 이용하여 이전 프레임과 현재 프레임을 비교하고, 어떠한 이동과 변화를 했는지 추정을 하였다. 측정된 지역 모션 벡터들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터를 판단하고, 낮은 계산 량으로 정확한 글로벌 모션 벡터 판단을 위해 불규칙 지역 모션 벡터를 제외한 지역 모션 벡터들을 대상으로 중간필터를 사용 하였다.
본 논문에서는 기존의 차량 영상 안정화 방법에서 발생하는 문제점 해결을 위하여 운전자 상황인식을 위해 영상 처리를 복합적으로 적용하여 흔들림을 제거하는 고성능 차량 영상 정보 시스템을 제안한다. 제안하는 시스템은 움직임 추정 (Motion Estimation)과 움직임 보정 (Motion Compensation)으로 나누어 알고리즘을 설계하고, 움직임 추정부는 지역 모션 벡터 추정 (Estimation of Local Motion Vector) 및 불규칙 지역 모션 벡터 검출 (Detection of Irregular Local Motion Vector), 글로벌 모션 벡터 추정 (Estimation of Global Motion Vector)으로 구성을 하며, 움직임 보정부는 추정된 글로벌 모션 벡터 (GMV)를 사용하여 차량용 흔들림의 흔들림을 보정 하기 위해 4개의 방향에 대해 보정을 한다. 설계된 알고리즘은 차량 주행 중에 차량 영상 안정화를 위하여 IP에 적용하여 움직임 보정 기술 칩을 설계한다.
알고리즘은 움직임 추정과 움직임 보정으로 나누고, 움직임 추정은 지역 모션 벡터 추정 및 불규칙 지역 모션 벡터 검출, 글로벌 모션 벡터 추정으로 구성하였다. 지역 모션 벡터 추정을 통하여 다수의 영역에서의 움직임을 예측하기 위해 각 매크로 블록 영역에서의 픽셀 값들을 이전 프레임과 현재 프레임을 비교 하고, 어떠한 이동과 변화를 했는지 추정을 하였다. 측정된 지역 모션 벡터(LMV)들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터(ILMV)를 판단하고, 적은 횟수의 계산으로 정확한 글로벌 모션 벡터의 판단을 위해 불규칙 지역 모션 벡터를 제외한 지역 모션 벡터들을 대상으로 중간 필터를 사용한다.
차량 주행 중에 흔들리는 차량용 카메라의 흔들림을 보정하기 위한 IP의 개발공정은 디지털(0.18um)이고, 파운드리는 TSMC를 통해 개발하였다. 검증은 DE2-70 FPGA Board를 이용하였다.
<그림 9>는 영상의 흔들림 보정을 알고리즘을 적용하여 구현된 IP의 검증 결과를 나타낸다. 첫 번째 미리보기 이미지와 두 번째 미리보기 이미지를 비교하여 변화된 내용을 캡처하였다. 캡처한 이미지를 색상을 4방향에 대해 보정을 하고 출력하였다.
히스토그램 매칭 할 때에는 노란색 영역과 같이 하나의 누적 히스토그램 값이 두 개의 밝기 값을 가질 경우, 밝기 값들 중에서 최댓값을 선택하였다. 초록색 영역과 같이 하나의 누적 히스토그램 값이 두 개보다 많은 밝기 값을 가질 경우, 밝기 값들의 중간 값을 선택하여 차량용 영상 이미지의 밝기로 정하였다.
제안된 시스템은 이전 프레임과 현재 프레임을 비교하여 어떠한 이동과 변화를 했는지 추정을 하고, 측정된 지역 모션 벡터들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터를 판단하며, 보정영역의 상관관계에서 발생되는 오류를 방지할 수 있었다. 측정된 글로벌 모션 벡터를 사용하여 4방향에 대해 영상 이미지 흔들림을 보정 하는 알고리즘을 설계하여 차량 주행 중에 차량용 카메라의 흔들림을 보정하기 위한 IP에 적용하고, 흔들림 보정 기술 칩을 설계하였다. 흔들림 보정 기술 칩은 입력된 영상 프레임을 색상 분리를 통해 변환하고, 분리정보에 대해 누적 히스토그램을 계산하여 흔들린 차량 영상을 보정한 결과에서 색상 정보를 맞추기 위해 히스토그램을 매칭 시켰으며, 실험과 실제 카메라 적용을 통해 기존 시스템과 비교 및 효율성을 분석하여 성능을 평가하였다.
측정된 지역 모션 벡터(LMV)들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터(ILMV)를 판단하고, 적은 횟수의 계산으로 정확한 글로벌 모션 벡터의 판단을 위해 불규칙 지역 모션 벡터를 제외한 지역 모션 벡터들을 대상으로 중간 필터를 사용한다. 측정된 글로벌 모션 벡터를 사용하여 차량 영상의 흔들림을 보정하기 위해 4개 방향으로 보정을 하였다.
측정된 지역 모션 벡터들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터를 판단하고, 낮은 계산 량으로 정확한 글로벌 모션 벡터 판단을 위해 불규칙 지역 모션 벡터를 제외한 지역 모션 벡터들을 대상으로 중간필터를 사용 하였다. 측정된 글로벌 모션 벡터를 사용하여 차량용 영상 이미지의 흔들림을 보정하기 위해 4방향에 대해 보정을 하였다. 결과적으로 성능 및 시간, 이미지의 차이점을 사용하여 평가하였다.
지역 모션 벡터 추정을 통하여 다수의 영역에서의 움직임을 예측하기 위해 각 매크로 블록 영역에서의 픽셀 값들을 이전 프레임과 현재 프레임을 비교 하고, 어떠한 이동과 변화를 했는지 추정을 하였다. 측정된 지역 모션 벡터(LMV)들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터(ILMV)를 판단하고, 적은 횟수의 계산으로 정확한 글로벌 모션 벡터의 판단을 위해 불규칙 지역 모션 벡터를 제외한 지역 모션 벡터들을 대상으로 중간 필터를 사용한다. 측정된 글로벌 모션 벡터를 사용하여 차량 영상의 흔들림을 보정하기 위해 4개 방향으로 보정을 하였다.
제안된 고성능 차량 영상 정보 시스템의 성능을 평가하기 위해 차량용 카메라에서 얻은 영상정보를 다수의 영역에서 흔들림을 예측하도록 각 매크로 블록 영역에서 픽셀 값들을 이용하여 이전 프레임과 현재 프레임을 비교하고, 어떠한 이동과 변화를 했는지 추정을 하였다. 측정된 지역 모션 벡터들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터를 판단하고, 낮은 계산 량으로 정확한 글로벌 모션 벡터 판단을 위해 불규칙 지역 모션 벡터를 제외한 지역 모션 벡터들을 대상으로 중간필터를 사용 하였다. 측정된 글로벌 모션 벡터를 사용하여 차량용 영상 이미지의 흔들림을 보정하기 위해 4방향에 대해 보정을 하였다.
지역 모션 벡터는 다양한 정보를 종합한 대표 모션 벡터인 글로벌 모션 벡터를 구하기 위해 필요하고, 목적은 연속 프레임들의 백그라운드 흔들림을 인식하여 찾아내는 것으로 감지 영상의 백그라운드 영역은 연속 프레임에서 항상 동일하게 유지가 되어야 한다. 하지만, 카메라가 흔들리면 백그라운드의 물체 위치도 일정한 모션 벡터를 갖고 변하기 때문에 이미지 프레임에서 백그라운드의 모션 벡터를 찾아서 처리하였다. 이때, 블록 정합을 사용할 경우보다 매칭오류를 감소시키기 때문에 차량 영상 흔들림이 발생하는 경우, 블록 정합 모션 벡터 확산을 감소시키고, 과도한 연산 횟수를 줄였다.
효율적인 차량 영상 안정화를 위하여 차량용 카메라에서 얻은 영상정보를 다수의 영역에서 움직임을 예측하도록 각 매크로 블록 영역에서 픽셀 값들을 이용하여 이전 프레임과 현재 프레임을 비교하고, 어떠한 이동과 변화를 했는지 추정하여 차량용 영상의 흔들림을 보정하기 위해 4방향으로 보정하는 알고리즘을 설계하였다. 또한, 설계된 알고리즘은 차량 주행 중에 차량용 카메라의 영상 안정화를 위해 IP에 적용하여 움직임 보정 기술 칩을 설계하였다.
측정된 글로벌 모션 벡터를 사용하여 4방향에 대해 영상 이미지 흔들림을 보정 하는 알고리즘을 설계하여 차량 주행 중에 차량용 카메라의 흔들림을 보정하기 위한 IP에 적용하고, 흔들림 보정 기술 칩을 설계하였다. 흔들림 보정 기술 칩은 입력된 영상 프레임을 색상 분리를 통해 변환하고, 분리정보에 대해 누적 히스토그램을 계산하여 흔들린 차량 영상을 보정한 결과에서 색상 정보를 맞추기 위해 히스토그램을 매칭 시켰으며, 실험과 실제 카메라 적용을 통해 기존 시스템과 비교 및 효율성을 분석하여 성능을 평가하였다.
흔들림 보정은 측정된 글로벌 모션 벡터를 사용하여 차량용 영상 이미지의 흔들림을 보정하고, 이전 화면과 현재 화면을 비교하여 다음 화면을 추정 하는 보정 방법을 사용하였다. <그림 6>은 영상을 많은 셀로 나누어 각 셀의 흔들림 변화가 있는 부분만 다시 그려주는 MPEG-2 압축 기술을 적용한 흔들림 보정 과정을 나타낸다.
흔들림 추정을 위해 미리 지정한 다수 영역에서 모션 벡터를 추정하여 지역 모션 벡터로 지정하였다. 지역 모션 벡터는 다양한 정보를 종합한 대표 모션 벡터인 글로벌 모션 벡터를 구하기 위해 필요하고, 목적은 연속 프레임들의 백그라운드 흔들림을 인식하여 찾아내는 것으로 감지 영상의 백그라운드 영역은 연속 프레임에서 항상 동일하게 유지가 되어야 한다.

이론/모형

는 픽셀 p의 공간적 이웃을 나타낸다. 공간 가우시안 마스크와 색조 가우시안 마스크는식 (7)을 이용하여 계산하였다. #와 #는 각각 공간(spatial)과 색조(tonal) 거리, x_i와 y_i는 3*3 윈도우의 좌표, p_i는 3*3 윈도우 사이에 픽셀 값을 나타낸다.

성능/효과

결과적으로 흔들림 추정을 할 때, 블록 정합을 통한 연산으로 계산 시간 감소 효과를 얻었으며 움직이는 물체에 대한 흔들림도 보정을 하면서 메모리를 사용하지 않고 실시간으로 처리하였기 때문에 다른 방법과 비교하여 효율성을 입증하였다.
<표 2>은 기존의 방법들과 제안한 방법의 메모리 사용량 및 시스템 요구사항을 비교하여 나타내었다. 기존의 방법들과 비교하여 제안한 알고리즘은 H/W 방식으로 구현하여 FPGA방식의 시스템이 요구되었고, 영상 이미지 흔들림 보정은 실시간으로 이루어졌기 때문에 메모리를 사용하지 않는 결과를 얻었다.
<그림 10>은 고성능 차량 영상 정보 시스템의 MPW IP 실장 테스트 결과를 나타내었다. 입력 비디오 시퀀그가 들어오면 모션 벡터를 구분하고 흔들림 영상이 보정된 결과 비디오 시퀀스가 정상적으로 출력되는 것을 확인할 수 있었다. <그림 11>은 움직임 보정 기술 칩을 실제 차량용 카메라에 적용하여 영상의 흔들림 현상을 보정한 차량 영상 안정화 검증 결과를 나타낸다.
본 논문에서는 기존의 차량용 흔들림 보정 방법이 문제점을 보완한 영상 처리를 복합적으로 적용하여 흔들림을 제거하는 고성능 차량 영상 정보 시스템을 제안하였다. 제안된 시스템은 이전 프레임과 현재 프레임을 비교하여 어떠한 이동과 변화를 했는지 추정을 하고, 측정된 지역 모션 벡터들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터를 판단하며, 보정영역의 상관관계에서 발생되는 오류를 방지할 수 있었다. 측정된 글로벌 모션 벡터를 사용하여 4방향에 대해 영상 이미지 흔들림을 보정 하는 알고리즘을 설계하여 차량 주행 중에 차량용 카메라의 흔들림을 보정하기 위한 IP에 적용하고, 흔들림 보정 기술 칩을 설계하였다.

핵심어	질문	논문에서 추출한 답변
	글로벌 모션 벡터 추정에서 정합에 사용되는 판단 조건들은 어떤 특징들을 가지는가?	글로벌 모션 벡터 추정은 글로벌 모션 벡터를 결정하기 위해서 각 지역 모션 벡터의 흔들림을 연속되는 이미지 프레임에서 추정하고, 글로벌 모션 벡터는 각 지역 모션 벡터의 동일한 방향으로 결정이 되기 때문에 정합에 사용되는 판단 조건들은 점, 에지패턴, 위상, 다중 해상도의 특징 등을 가진다. 성공적인 정합의 조건으로 해당 영역에 의미 있는 패턴이 존재한다는 것이 보장되도록 하였다.
	루카스- 카나데 옵티컬 플로우란?	이미지 안정화 관련 분야의 기술을 기반으로 자이로 센서를 사용하는 루카스- 카나데 옵티컬 플로우(Lucas-Kanade Optical flow)는 이전 프레임과 이후 프레임 사이의 픽셀 이동 량을 계산하고 이동 방향의 역방향으로 영상을 이동시켜 영상을 안정화 하는 방법이기 때문에 지속적으로 오차가 누적되어 회전 각도에 대한 정확도가 떨어지는 문제점이 있다. 이러한 영상처리 기법을 통한 영상 안정화기법을 차량에 적용할 경우, 영상 보정 시 카메라는 흔들림의 절대위치를 모르기 때문에 영상 보정의 정확한 값을 구하기 어렵게 된다.
	본 논문에서 제안한 고성능 차량 영상 정보 시스템은 어떻게 보정영역의 상관관계에서 발생되는 오류를 방지하는가?	본 논문에서는 기존의 차량용 흔들림 보정 방법이 문제점을 보완한 영상 처리를 복합적으로 적용하여 흔들림을 제거하는 고성능 차량 영상 정보 시스템을 제안하였다. 제안된 시스템은 이전 프레임과 현재 프레임을 비교하여 어떠한 이동과 변화를 했는지 추정을 하고, 측정된 지역 모션 벡터들의 평균과 표준편차를 사용하여 불규칙 지역 모션 벡터를 판단하며, 보정영역의 상관관계에서 발생되는 오류를 방지할 수 있었다. 측정된 글로벌 모션 벡터를 사용하여 4방향에 대해 영상 이미지 흔들림을 보정 하는 알고리즘을 설계하여 차량 주행 중에 차량용 카메라의 흔들림을 보정하기 위한 IP에 적용하고, 흔들림 보정 기술 칩을 설계하였다.

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

효율적인 차량 영상 안정화를 위한 고성능 차량 영상 정보 시스템 개발
Development of a High-Performance Vehicle Imaging Information System for an Efficient Vehicle Imaging Stabilization 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

효율적인 차량 영상 안정화를 위한 고성능 차량 영상 정보 시스템 개발 Development of a High-Performance Vehicle Imaging Information System for an Efficient Vehicle Imaging Stabilization 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

제안 방법

이론/모형

성능/효과

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

홍성일 (14) 인치호 (76)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

효율적인 차량 영상 안정화를 위한 고성능 차량 영상 정보 시스템 개발
Development of a High-Performance Vehicle Imaging Information System for an Efficient Vehicle Imaging Stabilization 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper