최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.52 no.9, 2015년, pp.45 - 53
Adaptive support-weight based algorithm can produce better disparity map compared to generic area-based algorithms and also can be implemented as a realtime system. In this paper, we propose a realtime system based on geodesic support-weight which performs better segmentation of objects in the windo...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
전역적 정합 알고리즘이란? | 스테레오 비전 시스템은 정합방법에 따라 전역적 정합 알고리즘과 지역적 정합 알고리즘으로 분류할 수 있다. 전역적 정합 알고리즘의 경우 하나의 화소에 해당하는 깊이정보를 얻기 위해 열 단위 또는 영상 전체의 정보를 활용하는 방식으로 대표적으로 동적계획법(dynamic programming)[3], 신뢰 확산 알고리즘(belief propagation)[4], 그래프 컷(graph cuts)[5] 알고리즘 등이 있다. 이 같은 알고리즘은 높은 정합률을 보여주지만 알고리즘이 복잡하고 계산량이 많으므로 실시간 처리를 필요로 하는 시스템에 적용하기 어렵다. | |
영역 기반 알고리즘에서 윈도우의 크기에 따라 어떠한 결과가 나타나는가? | 영역 기반 알고리즘은 정합에 사용되는 정보가 윈도우에 의해 결정되기 때문에 알맞은 윈도우의 크기 및 모양을 선택하는 것이 중요하다. 정합하는 대상에 비해 윈도우의 크기가 클 경우 필요 없는 정보량이 많아지고, 반대로 정합하는 대상에 비해 너무 작을 경우 정보량이 부족해서 정확한 정합이 불가능해진다. 정합하는 영상에 따라 최적의 윈도우가 달라지기 때문에 위와 같은 문제를 해결하기 위해 다양한 크기, 모양의 윈도우를 사용하는 가변 윈도우 알고리즘이나 다양한 해상도의 영상을 사용하여 정합하고 보간하는 방법이 연구되었으나 계산 효율에 비해 장점이 적었다. | |
영역기반 알고리즘은 어떠한 방법으로 정합여부를 판단하는가? | 반면 지역적 정합 알고리즘은 영상의 일부분만을 사용하여 깊이정보를 계산하는데 윈도우를 사용하는 영역기반 알고리즘이 일반적이다. 영역기반 알고리즘은 정의된 비용함수를 사용하여 윈도우라 불리는 일정한 영역에 대한 정합 비용을 누적하여 정합여부를 판단한다. 비용함수는 차이의 절대값의 누적(SAD, sum of absolute difference), 차이의 제곱의 누적(SSD, sum of squared difference), 센서스 변환(census transform) 등 간단한 연산의 반복으로 정의되어 하드웨어로 설계가 용이하나 낮은 정합률로 인해 활용 범위가 좁다[6]. |
N. Bernini, et al, "Real-time obstacle detection using stereo vision for autonomous ground vehicles: A survey," IEEE 17th Intl. Conf. on ITSC, pp.873-878, 2014.
B. Wang, S. A. R. Florez, and V. Fremont, "Multiple obstacle detection and tracking using stereo vision: application and analysis," The 13th Intl. Conf. on Control, Automation, Robotics, and Vision, 2014.
H. Hirschmuller, P. Innocent, and J. Garibaldi, "Real-time correlation based stereo vision with reduced border errors," Intl. J. of Computer Vision, vol.47, no.1-3, pp.229-246, 2004.
S. Park and H. Jeong, "Real-time stereo vision FPGA chip with low error rate," Intl. Conf. on Multimedia and Ubiquitous Engineering, pp.751-765, 2007.
M. Brown, D. Burschka, and G. Hager, "Advances in computational stereo," IEEE Trans. on PAMI, vol.25, no.8, pp.993-1008, 2003.
S. Jin, et al, "FPGA design and implementation of a real-time stereo vision system," IEEE Trans. on CAS for Video Technology, vol.20, no.1, pp.15-26, 2010.
A. Darabiha, J. Rose, and W. Maclean, "Video-rate stereo depth measurement on programmable hardware," IEEE Conf. on Computer Vision and Pattern Recognition, vol.1, pp.203-210, 2003.
A. Hosni, et al, "Real-time local stereo matching using guided image filtering," IEEE Intl. Conf. on Multimedia and Expo, pp. 1-6, 2011.
C. Ttofis, and T. Theocharides, "High-quality real-time hardware stereo matching based on guided image filtering," European Conf. and Exhibition in Design, Automation and Test, pp. 1-6, 2014.
S. Perri, P. Corsonello, and G. Cocorullo, "Adaptive census transform: a novel hardware-oriented stereovision algorithm," Computer Vision and Image Understanding, vol.117, no1. pp.29-41, 2013.
Y. Boykov, O. Veksler, and R. Zabih, "Fast Approximate Energy Minimization via Graph Cuts," IEEE Trans. on PAMI, vol.23, no.11, pp.1222-1239, 2001.
K. Yoon and I. Kweon, "Adaptive support-weight approach for correspondence search," IEEE Trans. on PAMI, vol.28, no.4, pp.650-656, 2006.
A. Hosni, et al, "Local stereo matching using geodesic support weights." 16th IEEE Intl. Conf. on Image Processing, pp.2093-2096, 2009.
F. Tombari, S. Mattoccia, and L. Di Stefano, "Segmentation-based adaptive support for accurate stereo correspondence," 2nd Pacific Rim Symposium in Proceedings, pp.427-438, 2007.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.