[논문]정합 정밀도 판단을 위한 효과적인 기준

임석현

doi:10.6109/jkiice.2021.25.5.652

정합 정밀도 판단을 위한 효과적인 기준
Effective criterion for evaluating registration accuracy 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.25 no.5, 2021년, pp.652 - 658

임석현 (Innovation Center, 3D Systems Korea)

초록
AI-Helper

3D 스캐너를 이용하여 점군을 획득 시 각각의 고유한 좌표를 기준으로 취득한 데이터를 통일된 좌표체계를 가진 하나의 데이터로 만드는 과정이 필요하고 이 과정을 정합이라고 한다. 정합 과정은 한 번의 수행으로 만족할만한 결과를 얻기 힘들며 여러 차례 반복하여 정합 정밀도를 높인다. 정합의 정밀도를 판단하는 기준은 중요한 요소이다. 기존에 정합의 정밀도를 파악하는 방법은 경우에 따라 판단 기준이 모호할 수 있으며, 점군 데이터의 특성에 따라 매번 다른 결과가 나올 수 있는 한계점을 가지고 있다. 이에 본 연구에서는 정합의 정밀도는 좀 더 정확하게 계산하기 위하여 정합에서 사용하는 대응점이 아닌 전체 점군에 대해서 점군의 평균 거리 값을 이용한 방법을 제안한다. 이 방법을 사용할 경우 기존의 방법에 비하여 좀 더 확실하게 정합의 정밀도를 파악할 수 있다.

Abstract ▼ AI-Helper

When acquiring a point cloud using a 3D scanner, a registration process of making the acquired data based on each local coordinate into one data with a unified world coordinate system is required. Its process is difficult to obtain a satisfactory result with only one execution, and it is repeated several times to increase the registration precision. The criterion for determining the registration accuracy is an important factor. The previous methods for determining the accuracy of registration have a limitation in that the judgment may be ambiguous in some cases, and different results may be produced each time depending on the characteristics of the point cloud. Therefore, to calculate the accuracy of registration more precisely, I propose a method using the average distance value of the point group for the entire points rather than the corresponding points used in the registration. When this method is used, it is possible to determine the registration accuracy more reliably than the conventional methods.

주제어

표/그림 (9)

그림 Fig. 1 Before(Left) / after(Right) performing registration
그림 Fig. 2 Flowchart of ICP
그림 Fig. 3 Problems of the conventional method. The conventional method calculates the error using the distance between the corresponding points.
그림 Fig. 4 The method proposed in this paper. If d_avr values are considered for all points of points A, the error rate can be calculated more accurately.
그림 Fig. 5 The pseudo code proposed in this paper
그림 Fig. 6 Registration results by using buddha model
그림 Fig. 7 Registration results by using buddha model
표 Table. 1 The RMSE and proposed values for Fig. 6
표 Table. 2 The RMSE and proposed values for Fig. 7

참고문헌 (13)

F. Deng, "Registration between multiple laser scanner data sets," in Laser Scanning, Theory and Applications, pp. 449-472, 2011.
K. Y. Kown, "A weighted points registration method to analyze dimensional errors occurring during shipbuilding process," Transactions of the Society of CAD/CAM Engineers, vol. 21, no. 2, pp. 151-158, 2016.
J. Zhang, Y. Yao, and B. Deng, "Fast and Robust Iterative Closest Point," IEEE Transactions on Pattern Analysis and Machine Intelligence, preprint, 2021.
B. Becerik-Gerber, F. Jazizadeh, G. Kavulya, and G. Calis, "Assessment of target types and layouts in 3D laser scanning for registration accuracy," Automation in Construction, vol. 20, no. 5, pp. 649-658, 2011.

상세보기
P. J. Besl and M. D. McKay, "Method for registration of 3-D shapes," International Society for Optics and Photonics, vol. 1611, pp. 586-607, 1992.
M. He, L. Huang, B. Zhao, B. Chen, and B. Hu, "Advanced functional materials in solid phase extraction for ICP-MS determination of trace elements and their species - A review," Analytica Chimica Acta, vol. 973, no. 22, pp. 1-24, 2017.
Z. Wu, H. Chen, S. Du, M. Fu, N. Zhou, and N. Zheng, "Correntropy based scale ICP algorithm for robust point set registration," Pattern Recognition, vol. 93, pp. 14-24, 2019.

상세보기
D. H. Yun, S. I. Choi, S. H. Kim, and K. H. Ko, "Registration of multiview point clouds for application to ship fabrication," Graphical Models, vol. 90, pp. 1-12, 2017.

상세보기
S. Rusinkiewicz, "A Symmetric Objective Function for ICP," ACM Transactions on Graphics, vol. 38, no. 4, pp. 1-7, 2019.

상세보기
N. Mellado, D. Aiger, and N. J. Mitra, "Fast global pointcloud registration via smart indexing," Computer Graphics Forum, vol. 33, no. 5, pp. 205-215, 2014.
T. H. Cho, "Efficient CUDA Implementation of Multiple Planes Fitting Using RANSAC," Journal of the Korea Institute of Information and Communication Engineering, vol. 23, no. 4, pp. 388-393, 2019.
Y. He, B. Liang, J. Yang, S. Li, and J. He, "An iterative closest points algorithm for registration of 3D laser scanner point clouds with geometric features," Sensors, vol. 17, no. 8, 2017.

상세보기
Stanford University 3D Scan Repository [Internet]. Available: http://graphics.stanford.edu/data/.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증