$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

증강현실을 위한 비전 기반 객체 인식 및 추적 기술 동향 원문보기

정보과학회지 = Communications of the Korean Institute of Information Scientists and Engineers, v.34 no.12 = no.331, 2016년, pp.8 - 17  

박한훈 (부경대학교) ,  박종일 (한양대학교)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 가장 기본적이고 핵심적인 기술은 객체(object)나 장면(scene)을 카메라로 비추어 인식하고 움직임을 추적하는 것이다. 본고에서는 객체 인식 및 추적을 위한 비전 기반 기술을 중심으로 설명하고, 최근 동향을 살펴본다. 객체(장면)의 움직임과 카메라의 움직임은 서로 상대적인 관계를 가지기 때문에 객체(장면)를 추적하는 것은 카메라를 추적하는 것과 같은 의미를 가진다.
  • 가장 기본적이고 핵심적인 기술이다. 본고에서는 비전 기반 객체 인식 및 추적을 위한 요소 기술과 대표기술을 이해하고, 최신 동향을 살펴보았다. 스마트폰, HMD 등의 하드웨어 성능 향상과 더불어 기존 비전기술의 내재적 한계를 극복할 수 있는 효과적인 알고리즘들이 제안되면서 증강현실의 기술적 성숙도는 매우 높은 수준에 도달했으며, 앞으로도 지속적인 향상이 이루어질 것으로 보인다.
  • 객체 추적(tracking)은 연속된 카메라 영상에서 카메라나 관심 객체의 움직임 또는 카메라와 관심 객체 사이의 상대적인 포즈 변화를 추정하는 기술을 말한다. 이를 위해 카메라(비전 센서), 가속도 센서, GPS, 자이로스코프, RFID 등의 다양한 센서를 활용할 수 있으나, 본고에서는 카메라를 이용하는 비전 기반 기술을 중심으로 논한다. 비전 기반 객체 인식 및 추적을 위해서는 카메라 투영(projection) 행렬 계산, 영상 특징 (image feature) 검출(detection)/서술 (description)/매칭(matching), 3차원 모델링과 같은 요소 기술을 필요로 한다.
  • 또한, 최근 증강현실 구현을 위한 주요 플랫폼인 모바일 폰이나 HMD의 경우 컴퓨팅 리 소스가 부족하기 때문에 정교한 객체 인식 및 추적을 위한 많은 계산량을 실시간에 처리하는 것은 여전히 불가능하다. 최근에 발표된 논문들은 이러한 기술적 한계를 극복하기 위한 다양한 방법들을 제시하고 있으며, 본고에서는 증강현실 분야의 최고 권위 학회인 ISM仏R에서 발표된 논문을 중심으로 살펴본다.
본문요약 정보가 도움이 되었나요?

참고문헌 (51)

  1. 방준성, 이동춘, 서상현, 김용준, 이헌주, 손욱호, "VR/AR 게임기술 동향," 전자통신동향분석, 31(1), pp. 146-156, 2016년 2월. 

    원문보기 상세보기

  2. 김경호, 장종찬, 한상철, "자동차 증강현실 기술 현황과 전망," KEIT PD ISSURE REPORT, 15-3, pp. 13-29, 2015년 3월. 

  3. http://www.pokemongo.com/ 

  4. 3D융합산업 기술 동향 분석, 경북대학교 3D융합기술 지원센터, 2015년 6월 

  5. 엄기열, 김규진, 김문현, "증강현실 환경하에서 비마커기반 객체 인식 및 추적 기술 동향," 정보과학회지, 28(8), pp. 54-66, 2010년 8월. 

    원문보기 상세보기

  6. 박영민, 우운택, "증강현실을 위한 인식 및 3D 추적 기술 동향과 전망," 정보처리학회지, 17(4), pp. 40-48, 2010년 7월. 

    원문보기 상세보기

  7. 박종일, 서병국, 최지윤, 박정식, "실재감과 상호작용의 영상 기술: 3D/UHD, VR, 그리고 AR," 정보과학회지, 28(8), pp. 26-37, 2010년 8월. 

    원문보기 상세보기

  8. 박한훈, 서병국, 박종일, "모델 기반 카메라 추적 기술 동향," 전자공학회지, 39(2), pp. 66-75, 2012년 2월. 

    원문보기 상세보기

  9. E. Marchand, H. Uchiyama, and F. Spindler, "Pose estimation for augmented reality: a hands-on survey," IEEE Transactions on Visualization and Computer Graphics, doi:10.1109/TVCG.2015.2513408 

    상세보기 crossref

  10. R. Hartley and A. Zisserman, Multiple View Geometry, 2nd Ed., Cambridge University Press, 2003. 

  11. V. Lepetit, F. Moreno-Noguer, and P. Fua, "EPnP: An accurate O(n) solution to the PnP problem," IJCV, vol. 81, pp. 155-166, 2009. 

    상세보기 crossref

  12. Kinect, https://developer.microsoft.com/en-us/windows/kinect/ 

  13. ARToolkit, https://www.hitl.washington.edu/artoolkit/ 

  14. H. Park and J.-I. Park, "Invisible marker tracking for AR," Proc. of ISMAR, pp. 272-273, 2004. 

  15. 3D scanning using structured lighting, http://mesh.brown.edu/byo3d/source.html 

  16. R. A. Newcombe, et al., "KinectFusion: Real-time dense surface mapping and tracking," Proc. of ISMAR, pp. 127-136, 2011. 

  17. D. P. Robertson and R. Cipolla, "Structure from motion," Practical Image Processing and Computer Vision, John Wiley, 2009. 

  18. G. Klein and D. Murray, "Parallel tracking and mapping for small AR workspaces," Proc. of ISMAR, 2007. 

  19. S. Hinterstoisser, V. Lepetit, S. Ilic, P. Fua, and N. Navab, "Dominant orientation templates for real-time detection of texture-less objects," Proc. of CVPR, 2010. 

  20. 박한훈, 최준영, 문광석, "파티클 집단 최적화를 이용한 가려짐에 강인한 마커 기반 증강현실," 한국HCI학회논문지, 제11권 1호, pp. 39-45, 2016년 5월. 

    원문보기 상세보기

  21. C. Harris and M. Stephens, "A combined corner and edge detector," Proc. of Alvey Vision Conference, pp. 147-151, 1988. 

  22. D. G. Lowe, "Distinctive image features from scale-invariant keypoints," IJCV, vol. 60, issue 2, pp. 91-110, 2004. 

    상세보기 crossref

  23. H. Bay, T. Tuytelaars, and L. V. Gool, "SURF: Speeded up robust features," Proc. of ECCV, 2006. 

  24. E. Rosten and T. Drummond, "Machine learning for high-speed corner detection," Proc. of ECCV, 2006. 

  25. S. Leutenegger, M. Chli, and R. Y. Siegwart, "BRISK: Binary robust invariant scalable keypoints," Proc. of ICCV, 2011. 

  26. M. Ozuysal, M. Calonder, V. Lepetit, and P. Fua, "Fast keypoint recognition using random ferns," IEEE Trans. on PAMI, vol. 32, no. 3, pp. 448-461, 2010. 

    상세보기 crossref

  27. S. Taylor, E. Rosten, and T. Drummond, "Robust feature matching in 2.3us," Proc. of CVPRW, pp. 15-22, 2009. 

  28. T. Nakai, K. Kise, and M. Iwamura, "Use of affine invariants in locally likely arrangement hashing for camera-based document image retrieval", LNCS 3872, pp. 541-552, 2006. 

  29. OpenCV, http://opencv.org 

  30. A. Davison, I. Reid, N. D. Molton, and O. Stasse, "MonoSLAM: Real-time single camera SLAM," IEEE Trans. on PAMI, vol. 29, issue 6, pp. 1052-1067, 2007. 

    상세보기 crossref

  31. R. A. Newcombe, S. J. Lovegrove, and A. J. Davison, "DTAM: Dense tracking and mapping in real-time," Proc. of ICCV, 2011. 

  32. J. Engel, T. Schops, D. Cremers, "LSD-SLAM: Large-scale direct monocular SLAM," Proc. of ECCV, vol. 8690, pp. 834-849, 2014. 

  33. B.-K. Seo, H. Park, J.-I. Park, S. Hinterstoisser, and S. Ilic, "Optimal local searching for fast and robust textureless 3D object tracking in highly cluttered backgrounds," IEEE Trans. on Vis. and Comp. Grap., vol. 20, no. 1, pp. 99-110, 2014. 

    상세보기 crossref

  34. B.-K. Seo and H. Wuest, "Robust 3D object tracking using an elaborate motion model," Adjunct Proc. of ISMAR, pp. 70-71, 2016. 

  35. A. Torres-Gomez and W. Mayol-Cuevas, "Recognition and reconstruction of transparent objects for augmented reality," Proc. of ISMAR, pp. 129-134, 2014. 

  36. A. Crivellaro and V. Lepetit, "Robust 3D tracking with descriptor fields," Proc. of CVPR, 2014. 

  37. T. Schops, J. Engel, and D. Cremers, "Semi-dense visual odometry for AR on a smartphone," Proc. of ISMAR, 2014. 

  38. C. Paulus, N. Haouchine, D. Cazier, and S. Cotin, "Augmented reality during cutting and tearing of deformable objects," Proc. of ISMAR, 2015. 

  39. N. Haouchine, M.-O. Berger, and S. Cotin, "Simultaneous pose estimation and augmentation of elastic surfaces from a moving monocular camera," Proc. of ISMAR, 2016. 

  40. N. Haouchine, J. Dequidt, M.-O. Berger, and S. Cotin, "Single view augmentation of 3D elastic objects," Proc. of ISMAR, 2014. 

  41. I. Leizea, H. Alvarez, I. Aguinaga, and D. Borro, "Real-time deformation, registration and tracking of solids based on physical simulation," Proc. of ISMAR, pp. 165-170, 2014. 

  42. L. Carozza, F. Bosche, and M. Abdel-Wahab, "Visual-inertial 6-DOF localization for a wearable immersive VR/AR system," Proc. of ISMAR, pp. 257-258, 2014. 

  43. C. Sweeney, J. Flynn, B. Nuernberger, M. Turk, and T. Hollerer, "Efficient computation of absolute pose for gravity-aware augmented reality," Proc. of ISMAR, 2015. 

  44. X. Yang, X. Si, T. Xue, and K.-T. T. Cheng, "Fusion of vision and inertial sensing for accurate and efficient pose tracking on smartphones," Proc. of ISMAR, 2015. 

  45. C. Poglitsch, C. Arth, D. Schmalstieg, and J. Ventura, "A particle filter approach to outdoor localization using image-based rendering," Proc. of ISMAR, pp. 132-135, 2015. 

  46. J. R. Rambach, A. Tewari, A. Pagani, and D. Stricker, "Learning to fuse: a deep learning approach to visual-inertial camera pose estimation," Proc. of ISMAR, pp. 71-76, 2016. 

  47. I. Ihm, Y. Kim, J. Lee, J. Jeong, and I. Park, "Low-cost depth camera pose tracking for mobile platforms," Adjunct Proc. of ISMAR, pp. 123-126, 2016. 

  48. I. A. Kakadiaris, M. M. Islam, T. Xie, C. Nikou, and A. B. Lumsden, "iRay: Mobile AR using structure sensor," Adjunct Proc. of ISMAR, 2016. 

  49. J. Park, B.-K. Seo, and J.-I. Park, "Binocular mobile augmented reality based on stereo camera tracking," J. of Real-Time Image Processing, 2016. doi:10.1007/s11554-016-0640-9 

    상세보기 crossref

  50. P. Fleck, C. Arth, C. Pirchheim, and D. Schmalstieg, "Tracking and mapping with swarm of heterogeneous clients," Proc. of ISMAR, pp. 136-139, 2015. 

  51. A. Bapat, E. Dunn, and J.-M. Frahm, "Towards kilo-hertz 6-DoF visual tracking using an egocentric cluster of rolling shutter cameras," IEEE Trans. on Vis. and Comp. Grap., vol. 22, no. 11, 2016. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로