$\require{mediawiki-texvc}$

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.

효과적인 증강현실 구현을 위한 특징점 분석 기반의 마커영상 평가 방법
Evaluation of Marker Images based on Analysis of Feature Points for Effective Augmented Reality 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.20 no.9, 2019년, pp.49 - 55  

이진영 (순천대학교 멀티미디어공학과) ,  김종호 (순천대학교 멀티미디어공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 효과적인 마커기반의 증강현실 구현을 위하여 영상 내 객체의 분포에 대한 분석과 반복 패턴을 포함하는 영상의 분류를 통한 마커영상의 평가 방법을 제안한다. 객체의 분포는 영상의 부분적 가림 현상에 따라 객체추적성능에 영향을 미치기 때문에 특징점 좌표의 분산을 이용하여 가림 현상에 취약한 마커영상을 구분할 수 있도록 하였고, 일반 영상과 반복 패턴을 포함하는 영상의 특징점 기술자 벡터의 분포가 현저하게 다르다는 사실에 기반하여 객체의 인식 및 추적에 적합한 영상을 구분할 수 있는 방법을 제안한다. 다양한 실험 결과 제안하는 마커 평가 방법이 가림 현상에 취약한 영상 및 반복 패턴 영상을 구분하는데 우수한 성능을 보이는 것을 확인하였다. 또한 마커영상에 대한 객체 추적 등의 안정성 측면에서 SURF보다 SIFT 기법이 우수한 성능을 보임을 확인할 수 있었다. 이러한 결과를 이용하여 다양한 종류의 마커영상에 대한 적합성 정보를 사용자에게 제공함으로써 효과적인 증강현실 시스템을 구현할 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents a marker image evaluation method based on analysis of object distribution in images and classification of images with repetitive patterns for effective marker-based augmented reality (AR) system development. We measure the variance of feature point coordinates to distinguish mark...

주제어

#Augmented Reality   #Marker   #SIFT   #Feature Point Analysis   #Repetitive Patterns  

표/그림 (7)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 효과적인 마커기반 증강현실 구현을 위하여 영상 내 객체의 분포를 파악하기 위해 특징점에 대한 통계적 특성 분석과 반복 패턴을 포함하는 영상의 분류를 통한 마커영상의 평가 방법을 제안하였다. 특징점 좌표의 분산을 이용하여 가림 현상에 취약한 마커영상을 구분할 수 있도록 하였고, 일반 영상과 반복 패턴을 포함하는 영상의 특징점 기술자 벡터의 분포가 현저하게 다르다는 사실에 기반하여 객체의 추적에 효과적인 영상을 구분할 수 있는 방법을 제안하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
증강현실은 무엇인가? 증강현실(AR: Augmented Reality)은 현실 세계의 모습에 가상의 영상 및 정보를 합성, 표현하여 다양한 기능과 서비스를 제공하는 기술이다[1,2]. AR 기술은 미리 정의된 영상이나 패턴을 추적하여 3D 모델, 단일 영상, 알파 영상 등의 컨텐츠를 시각화하는 마커(marker)기반 방식과 원 영상에서 컬러, 객체 또는 배경의 특징을 추출하여 추적할 목표 영상으로 사용하는 마커리스(markerless) 방식으로 구분할 수 있지만, 두 방식 모두 객체를 추적한다는 공통점이 있어 마커라는 용어를 사용한다[3-5].
SIFT 기법을 이용하여 특징점을 검출할 때 인공적이고 반복되는 패턴을 포함하는 객체가 있는 영상의 경우 추적이나 인식과정에서 오정합 문제가 발생하는 이유는 무엇인가? 다양한 기술자 벡터를 가진 특징점이 많을수록 영상 내에서 객체를 추적하거나 인식하기 용이하고, 보통 자연영상은 다양한 특징점을 포함하기 때문에 마커로 사용하면 우수한 증강현실 성능을 나타낼 수 있다. 하지만, 빌딩 등과 같이 인공적이고 반복되는 패턴을 포함하는 객체가 있는 영상은 특징점을 표현하는 기술자 벡터가 동일하거나 매우 유사한 값을 나타내므로 추적이나 인식과정에서 오정합 문제가 발생하게 된다. 이러한 기술자 벡터가 다수 포함된 영상은 마커로 사용하기 부적절하며, 기술자 벡터의 중복성을 판단하여 마커 평가 요소로 활용하는 것이 효과적인 AR 시스템을 위해 필요한 요소임을 알 수 있다.
AR 기술은 어떤 방식으로 구분 할 수 있는가? 증강현실(AR: Augmented Reality)은 현실 세계의 모습에 가상의 영상 및 정보를 합성, 표현하여 다양한 기능과 서비스를 제공하는 기술이다[1,2]. AR 기술은 미리 정의된 영상이나 패턴을 추적하여 3D 모델, 단일 영상, 알파 영상 등의 컨텐츠를 시각화하는 마커(marker)기반 방식과 원 영상에서 컬러, 객체 또는 배경의 특징을 추출하여 추적할 목표 영상으로 사용하는 마커리스(markerless) 방식으로 구분할 수 있지만, 두 방식 모두 객체를 추적한다는 공통점이 있어 마커라는 용어를 사용한다[3-5]. 마커는 증강현실의 주요 기능인 객체의 인식 및 추적(tracking) 등의 성능에 직접적으로 영향을 미치기 때문에 마커를 관리하는 것은 증강현실 시스템을 구현하고 성능을 유지하는데 중요한 요소이다[6-7].
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. D. Krevelen, R. Poelman, "A survey of augmented reality technologies, applications and limitations," International Journal of Virtual Reality , Vol.9, No.2, pp.1-20, Jun. 2010. 

  2. D. Chatzopoulos, C. Bermejo, Z. Huang, P. Hui, "Mobile augmented reality survey: From where we are to where we go," IEEE Acess , Vol.5, No.4, pp.6917-6950, Apr. 2017. DOI: https://dx.doi.org/10.1109/ACCESS.2017.2698164 

    상세보기 crossref

  3. J. Lee, S. Jung, C. Sim, J. Kim, "Distribution analysis of feature points of the marker-based augmented reality," Proceedings of the 7th International Conference on Next Generation Computer and Information Technology , Sapporo, Japan, pp.91-95, Aug. 2018. 

  4. J. Yoon, I. Moon, "The study on marker-less tracking algorithm performance based on mobile augmented reality," The Journal of Advance Navigation Technology , Vol.16, No.6, pp.1032-1037, Dec. 2012. DOI: https://dx.doi.org/10.12673/jkoni.2012.16.6.1032 

    원문보기 상세보기 crossref

  5. J. Lee, Marker Evaluation Method Based on SIFT Descriptor for Effective Augmented Reality System Implementation , Master's thesis, Sunchon National University, Suncheon, Korea, pp.20-28, 2019. 

  6. S. Park, T. Han, "Improvement of jittering in marker detection step for marker based augmented reality," Proceedings of Human Computer Interaction Conference (HCI 2010), Pyeongchang, Korea, pp.403- 406, Jan. 2010. 

  7. Y. Lee, "Development of cultural content using a markerless tracking-based augmented reality," Smart Media Journal , Vol.5, No.4, pp.90-95, Dec. 2016. 

  8. PTC. Vuforia Developer Library [Internet]. Santa Clara (CA): PTC, Available From: https://library.vuforia.com/content/vuforia-library/en /articles/Solution/Optimizing-Target-Detection-and- Tracking-Stability.html (accessed May 13. 2019) 

  9. S. Mok, K. Jung, B. Choi, "Clustering and matching repetitive pattern of feature points for building-AR," Journal of Korean Institute of Information Scientists and Engineers: Software and Applications , Vol.39, No.11, pp.902-911, Nov. 2012. 

  10. J. Pritts, O. Chum, J. Matas, "Rectification and segmentation of coplanar repeated patterns," Proceedings of 2014 IEEE Conference on Computer Vision and Pattern Recognition (CVPR ), Columbus, USA, pp.2973-2980, Jun. 2014. DOI: https://dx.doi.org/10.1109/CVPR.2014.380 

  11. D. Lowe, "Distinctive image features from scaleinvariant keypoints," International Journal of Computer Vision , Vol.60, No.2, pp.91-110, Nov. 2004. DOI: https://dx.doi.org/10.1023/B:VISI.0000029664.99615.94 

    상세보기 crossref

  12. Describable Textures Dataset (DTD) [Internet]. Available From: https://www.robots.ox.ac.uk/-vgg/data/dtd (accessed May 13, 2019) 

  13. H. Bay, A. Ess, T. Tuytelaars, L. Gool, "Speeded- up robust features (SURF)," Computer Vision and Image Understanding , Vol.110, No.3, pp.346-359, Jun. 2008. DOI: https://dx.doi.org/10.1016/j.cviu.2007.09.014 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 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