$\require{mediawiki-texvc}$

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.

색상분포에 기반한 적응형 샘플링 및 6차원 ICP
6D ICP Based on Adaptive Sampling of Color Distribution 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.5 no.9, 2016년, pp.401 - 410  

김응수 (경북대학교 컴퓨터학부) ,  최성인 (삼성중공업 중앙연구소) ,  박순용 (경북대학교 컴퓨터학부)

초록
AI-Helper 아이콘AI-Helper

3차원 정합이란 다시점에서 획득한 3차원 점군들을 정렬하는 기술로써 지난 수십 년간 많은 연구가 진행되고 있는 분야이다. 이러한 3차원 정합은 ICP(Iterative Closest Point) 알고리즘을 시작으로 많은 변형 ICP가 소개되고 있다. 하지만 ICP 계열의 알고리즘들은 최근접점을 대응점으로 간주하여 알고리즘을 수행한다. 그렇기 때문에 3차원 점군의 초기 오차가 큰 경우 정확한 대응점 탐색에 실패할 수 있다. 이런 문제점을 해결하기 위해 본 논문에서는 색상과 3차원 거리가 융합된 6차원 거리와 색상분포 유사도를 이용한다. 더 나아가 색상 분할 기반 적응형 샘플링을 이용하여 알고리즘 연산 속도를 감소시키고 성능을 향상시키는 것을 목표로 한다. 마지막으로 실험을 통해 기존의 방법과 본 논문에서 제안하는 방법의 성능을 비교한다.

Abstract AI-Helper 아이콘AI-Helper

3D registration is a computer vision technique of aligning multi-view range images with respect to a reference coordinate system. Various 3D registration algorithms have been introduced in the past few decades. Iterative Closest Point (ICP) is one of the widely used 3D registration algorithms, where...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 6차원 거리와 색상분포 유사도를 이용한 새로운 대응점 탐색방법을 통해 기존의 3차원 정합 기술의 성능을 개선하는 방법을 제안했다. 먼저 6차원 거리를 이용하여 대응점 후보를 탐색하고 색상분포 유사도를 비교를 통해 최종적인 대응점을 결정한다.
  • 3333px;">i이지만 센서의 오차로 인해 데이터가 정확하게 측정이 되지 않을 경우 다른 점을 대응점으로 선택할 수 있다. 이 문제를 해결하기 위해 본 논문은 Fig. 2b처럼 인접점들의 색상분포 유사도를 이용한 대응점 탐색 방법을 제안한다.

가설 설정

  • 3차원 점군 P = {pi}(i=1,…,n) 와 Q = {qi}(i = 1,…,n)가 있다고 가정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
공분산 행렬을 특이값 분해를 통해 고유값을 계산할 때 가장 높은 값을 가지는 고유값을 외치점으로 간주하고 제거하는 이유는 무엇인가? 이때 계산된 고유값 하나가 다른 두 개보다 지나치게 높게 나온 다면 이 대응점 후보를 외치점(outlier)으로 간주하고 제거한다. 그 이유는 고유값 하나가 지나치게 높다는 것은 인접점 들의 색상이 유사하다는 의미이기 때문에 색상분포의 유사도를 이용하여 대응점을 판단하기 어렵기 때문이다. 외치점이 제거된 대응점 후보와 기준점의 색상분포는 벡터연산을 통한 오차를 계산하기 위해 Equation (4), (5)처럼   의 고유벡터  와   의 고유벡터  를 사원수 (quaternion)로 변환한다.
SLAM은 무엇인가? 1)국내외의 3차원 컴퓨터 비전 기술은 마이크로소프트사의 RGB-D(RGB-Depth) 센서인 키넥트가 시장에 소개된 이후로 이를 이용한 다양한 연구사례가 소개되고 있다[1-3]. 특히 무인이동로봇 또는 무인비행기의 위치 및 주변 환경지도를 실시간으로 생성하는 SLAM(Simultaneous Localization and Mapping) 관련 연구결과가 큰 주목을 받고 있다. 하지만 RGB-D센서는 사람의 눈과 같이 물체의 가려진 부분을 볼 수 없기 때문에 다양한 방향에서 물체의 거리정보를 획득해야 물체의 온전한 형태의 3차원 정보를 획득할 수 있다.
대응점 탐색에서 점대점 비교의 문제점은 무엇인가? Johnson과 Kang[9]이 소개한 6차원 거리를 이용한 대응점 탐색은 점과 점간의 3차원 거리 및 색상 유사도를 비교하여 대응점을 탐색한다. 하지만 이러한 점대점 비교는 3차원 거리와 색상이 유사한 점이 다수 존재한다면 정확한 대응점 탐색에 어려움이 있다. 특히 Fig.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. P. Henry, M. Krainin, E. Herbst, X. Ren, and D. Fox, "RGB-D mapping: Using Kinect-style depth cameras for dense 3D modeling of indoor environments," The International Journal of Robotics Research, Vol.31, No.5, pp.647-663, 2012. 

  2. C. Choi, A. J. B. Trevor, and H. I. Christensen, "RGB-D edge detection and edge-based registration," in Proceedings of the IEEE Internation Conference on Intelligent Robots and Systems, 2013. 

  3. T. Whelan, H. Johannsson, M. Kaess, J. J. Leonard, and J. McDonald, "Robust real-time visual odometry for dense RGB-D mapping," in Proceedings of the IEEE Internation Conference on Robotics and Automation, 2013. 

  4. P. J. Besl and N. D. MaKay, "Method for registration of 3-D shapes," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.14, No.2, 1992. 

  5. M. Rouhani and A. D. Sappa, "Correspondence free registration through a point-to-model distance minimization," in Proceedings of the IEEE internation conference on Computer Vision, 2011. 

  6. A. Censi, "An ICP variant using a point-to-line metric," in Proceedings of the IEEE Internation Conference on Robotics and Automation, 2008. 

  7. Y. Chen and G. Mdeioni, "Object modeling by registration of multiple range images," in Proceedings of the IEEE Internation Conference on Robotics and Automation, 1991. 

  8. A. Segal, D. Haehnel, and S. Thrun, "Generalized-ICP," Robotics: Science and Systems, Vol.2, No.4, 2009. 

  9. A. E. Johnson and S. B. Kang, "Registration and integration of textured 3D data," in Proceedings of the IEEE Internation Conference on 3-D Digital Imaging and Modeling, 1997. 

  10. H. Men, B. Gebre, and K. Pochiraju, "Color point cloud registration with 4D ICP algorithm," in Proceedings of the IEEE Internation Conference on Robotics and Automation, 2011. 

  11. M. Korn, M. Holzkothen, and J. Pauli, "Color Supported Generalized-ICP," in Proceedings of the Internation Conference on Computer Vision Theory and Applications, 2014. 

  12. J. H. Joung, K. H. An, J. W. Kang, M. J. Chung, and W. Yu, "3D environment reconstruction using modified color ICP algorithm by fusion of a camera and a 3D laser range finder," in Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems, 2009. 

  13. L. Douadi, M.-J. Aldon, and A. Crosnier, "Pair-wise Registration of 3D/Color Data Sets with ICP," in Proceedings of the IEEE Internation Conference on Intelligent Robots and Systems, 2006. 

  14. F. T. Romero and M. Devy, "Registration by using a pseudo color attribute," in Proceedings of the IEEE Internation Conference on Pattern Recognition, 2008. 

  15. S. Rusinkiewicz and M. Levoy, "Efficient variants of the ICP algorithm," in Proceedings of the IEEE Internation Conference on 3-D Digital Imaging and Modeling, 2001. 

  16. P. F. Felzenszwalb and D. P. Huttenlocher, "Efficient Graph-Based Image Segmentation," International Journal of Computer Vision, Vol.59, No.2, pp.167-181, 2004. 

  17. J. Sturm, N. Engelhard, F. Endres, W. Burgard, and D. Cremers, "A benchmark for the evaluation of RGB-D SLAM systems," in Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems, 2012. 

  18. P. F. Felzenszwalb and D. P. Huttenlocher, "Efficient Graph-Based Image Segmentation" [Online], Available: http://cs.brown.edu/-pff/segment/. [Accessed 2 April 2015]. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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