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
- 또한 다중 센서에 대한 융합 데이터를 활용한 적용 분야도 넓어지고 있다. 따라서 본 논문에서는 파노라마 영상 정합 알고리즘과 센서의 융합 데이터를 활용하는 방안을 제안한다.
제안 방법
- 따라서 자원이 한정되어 있는 임베디드 환경에서 효율적인 자원 관리가 필요하다. 본 논문에서는 자이로 센서와 가속도 센서를 이용한 실시간 입력 영상의 방향을 판단한 후, 해당 방향의 영역 절반을 ROI로 지정하여 전체적인 연산량을 줄이고 SURF와 PROSAC 알고리즘을 적용하여 정확도를 높이는 알고리즘을 제안한다.
- SURF 알고리즘은 복잡한 연산으로 인한 많은 연산량이 요구되지만, 영상 정합의 정확도가 높은 결과를 얻기 위해 SURF 알고리즘을 적용하였다. 또한, 기존 PROSAC 알고리즘을 적용하여 대응점 집합에서 수학적으로 적합한 모델을 추정하여 대응 품질을 높였다. PROSAC 알고리즘은 기존 RANSAC 알고리즘에 비해 무작위성의 단점을 보완한 알고리즘으로 기존 방식에 비해 정확한 데이터를 얻을 수 있다.
- 본 논문에서 제안하는 영상 정합 알고리즘은 ORDROID-X2 Board(1.7GHz Quad Core Arm Cortex-A9)환경에서 구현하였고, 입력 영상의 방향 판단 알고리즘은 Raspberry Pi B+(700MHz ARM1176JZF-S)환경에서 구현하였다. 자이로센서는 L3G4200, 가속도센서는 ADXL345를 사용하였다.
- 자이로센서는 L3G4200, 가속도센서는 ADXL345를 사용하였다. 입력 영상에 대한 방향을 판단한 후 해당 방향에 대한 데이터를 영상 정합 알고리즘을 수행하는 ORDROI-X2 Board로 전송한 후 지정된 ROI 영역에 대한 영상 정합을 수행하여 실험을 진행하였다. 실험에 사용한 이미지의 해상도는 QVGA(320x240)을 사용하였다.
- 본 논문에서 제안하는 방법은 영상의 전체 영역에 대하여 파노라마 알고리즘을 적용하는 기존 방식과는 다르게 입력 영상의 방향에 따라 ROI 영역을 활용하는 방식의 파노라마 영상 정합이다. 실험 결과를 통하여 영상 정합의 성능은 유지하며, 알고리즘 처리 시간에 대한 성능을 향상시킬 수 있다는 것을 확인하였다.
대상 데이터
- 7GHz Quad Core Arm Cortex-A9)환경에서 구현하였고, 입력 영상의 방향 판단 알고리즘은 Raspberry Pi B+(700MHz ARM1176JZF-S)환경에서 구현하였다. 자이로센서는 L3G4200, 가속도센서는 ADXL345를 사용하였다. 입력 영상에 대한 방향을 판단한 후 해당 방향에 대한 데이터를 영상 정합 알고리즘을 수행하는 ORDROI-X2 Board로 전송한 후 지정된 ROI 영역에 대한 영상 정합을 수행하여 실험을 진행하였다.
- 입력 영상에 대한 방향을 판단한 후 해당 방향에 대한 데이터를 영상 정합 알고리즘을 수행하는 ORDROI-X2 Board로 전송한 후 지정된 ROI 영역에 대한 영상 정합을 수행하여 실험을 진행하였다. 실험에 사용한 이미지의 해상도는 QVGA(320x240)을 사용하였다. 실험 결과는 표 1과 같다.
이론/모형
- 영상 정합에 사용되는 알고리즘은 회전성에 강인하고 SIFT 알고리즘보다 빠른 SURF 알고리즘을 사용하였다. SURF 알고리즘은 복잡한 연산으로 인한 많은 연산량이 요구되지만, 영상 정합의 정확도가 높은 결과를 얻기 위해 SURF 알고리즘을 적용하였다.
- 영상 정합에 사용되는 알고리즘은 회전성에 강인하고 SIFT 알고리즘보다 빠른 SURF 알고리즘을 사용하였다. SURF 알고리즘은 복잡한 연산으로 인한 많은 연산량이 요구되지만, 영상 정합의 정확도가 높은 결과를 얻기 위해 SURF 알고리즘을 적용하였다. 또한, 기존 PROSAC 알고리즘을 적용하여 대응점 집합에서 수학적으로 적합한 모델을 추정하여 대응 품질을 높였다.
- 입력 영상에 대한 방향 판단을 하는 부분과 영상 정합을 수행하는 부분으로 나뉘어져 있다. 영상 정합 알고리즘에서 특징점 검출 알고리즘으로는 SURF 알고리즘을 사용하였고 기존 outlier 제거 단계에서는 RANSAC 알고리즘의 단점을 보완하기 위해PROSAC 알고리즘을 사용하였다.
- 본 연구에서는 입력 영상의 방향을 판단하는 알고리즘에 상보 필터가 사용되었다. 카메라로부터 입력받는 영상에 대한 방향을 판단하기 위해 다른 종류의 센서 융합 데이터를 활용하여 방향 판단 알고리즘을 개선할 수 있을 것 이라고 판단된다.
성능/효과
- 또한, 기존 PROSAC 알고리즘을 적용하여 대응점 집합에서 수학적으로 적합한 모델을 추정하여 대응 품질을 높였다. PROSAC 알고리즘은 기존 RANSAC 알고리즘에 비해 무작위성의 단점을 보완한 알고리즘으로 기존 방식에 비해 정확한 데이터를 얻을 수 있다. RANSAC 알고리즘의 경우 샘플 데이터를 임의적으로 선택하기 때문에 데이터에 대한 검증 시간을 요구하게 된다.
- 입력 영상에 대한 방향 판단 후 영상을 정합할 때 해당 방향으로 ROI를 지정하여 영상을 정합할 수 있다. 실제 파노라마 영상 정합을 수행할 때 영상의 특징점이 집중된 부분은 영상의 좌, 우, 중앙이기 때문에 입력 영상의 방향에 따라 해당 부분의 약 50%를 ROI로 지정하여 영상 정합 알고리즘을 수행하였다.
- 입력 영상에 대한 방향 판단 후 영상을 정합할 때 해당 방향으로 ROI를 지정하여 영상을 정합할 수 있다. 실제 파노라마 영상 정합을 수행할 때 영상의 특징점이 집중된 부분은 영상의 좌, 우, 중앙이기 때문에 입력 영상의 방향에 따라 해당 부분의 약 50%를 ROI로 지정하여 영상 정합 알고리즘을 수행하였다.
- 실험 결과는 표 1과 같다. 입력 영상의 방향에 따른 ROI 설정을 통하여 기존 ROI를 사용하지 않는 영상 정합과 비교하여 처리 시간을 약 0.385초 감소시켰다.
- 또한 방향 판단 알고리즘이 추가되어 총 처리 시간은 약 0.056초 정도 증가되었지만 영상 정합 알고리즘을 수행하는데 필요한 시간에는 큰 영향을 주지 않는다는 것을 확인할 수 있었다. 그림 4는 제안하는 방법을 사용하여 카메라로부터 입력 받은 두 개의 영상을 정합한 결과이다.
- 본 논문에서 제안하는 방법은 영상의 전체 영역에 대하여 파노라마 알고리즘을 적용하는 기존 방식과는 다르게 입력 영상의 방향에 따라 ROI 영역을 활용하는 방식의 파노라마 영상 정합이다. 실험 결과를 통하여 영상 정합의 성능은 유지하며, 알고리즘 처리 시간에 대한 성능을 향상시킬 수 있다는 것을 확인하였다. 또한 기존 방법으로는 한 방향으로의 영상 정합만 가능하였지만 제안하는 방법을 통해 입력되는 영상의 방향에 따른 영상 정합을 가능하게 하였다.
- 실험 결과를 통하여 영상 정합의 성능은 유지하며, 알고리즘 처리 시간에 대한 성능을 향상시킬 수 있다는 것을 확인하였다. 또한 기존 방법으로는 한 방향으로의 영상 정합만 가능하였지만 제안하는 방법을 통해 입력되는 영상의 방향에 따른 영상 정합을 가능하게 하였다.
후속연구
- 본 연구에서는 입력 영상의 방향을 판단하는 알고리즘에 상보 필터가 사용되었다. 카메라로부터 입력받는 영상에 대한 방향을 판단하기 위해 다른 종류의 센서 융합 데이터를 활용하여 방향 판단 알고리즘을 개선할 수 있을 것 이라고 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.