[논문]모바일 스테레오 비전 시스템을 위한 다양한 스테레오 정합 기법의 오차율 비교

이주영; 이광엽

doi:10.7471/ikeee.2022.26.4.686

모바일 스테레오 비전 시스템을 위한 다양한 스테레오 정합 기법의 오차율 비교
Comparison of error rates of various stereo matching methods for mobile stereo vision systems 원문보기

전기전자학회논문지 = Journal of IKEEE, v.26 no.4, 2022년, pp.686 - 692

이주영 (Dept. of Electronics Eng.) , 이광엽 (Dept. of Computer Eng., Seokyeong University)

초록
AI-Helper

본 논문에서는 스테레오 영상정합을 위하여 개선된 영역기반, 에너지 기반 알고리즘, 학습기반 구조의 정합 오류율을 비교하였다. 영역기반으로 census transform(CT), 에너지 기반으로 belief propagation(BP) 알고리즘을 선정하였다. 기존 알고리즘을 개선하고 모바일 시스템에서 스테레오 영상정합에 활용가능 하도록 임베디드 프로세서 환경에서 구현하였다. 비교 대상이 되는 학습기반의 경우에 도 적은 규모의 파라메터를 활용하는 신경망 구조를 채택하였다. 세 가지 정합방법의 오류율 비교를 위해 테스트 이미지로 Middlebury 데이터 세트 가운데 Tsukuba를 선정하고 정합 성능의 정확한 비교를 위해 비폐색, 불연속, 시차 오류율 등으로 세분화하였다. 실험 결과 CT 매칭의 오차율은 기존 알고리즘과 수정된 알고리즘으로 비교하였을 때 약 11% 성능 개선되었다. BP 매칭은 오류율에서 기존 CT 에 비하여 약 87% 우수하였다. 신경망을 이용한 학습기반과 비교 하였을 때 BP 매칭이 약 31% 우수함을 보였다.

Abstract ▼ AI-Helper

In this paper, the matching error rates of modified area-based, energy-based algorithms, and learning-based structures were compared for stereo image matching. Census transform (CT) based on region and life propagation (BP) algorithm based on energy were selected, respectively.Existing algorithms have been improved and implemented in an embedded processor environment so that they can be used for stereo image matching in mobile systems. Even in the case of the learning base to be compared, a neural network structure that utilizes small-scale parameters was adopted. To compare the error rates of the three matching methods, Middlebury's Tsukuba was selected as a test image and subdivided into non-occlusion, discontinuous, and disparity error rates for accurate comparison. As a result of the experiment, the error rate of modified CT matching improved by about 11% when compared with the existing algorithm. BP matching was about 87% better than conventional CT in the error rate. Compared to the learning base using neural networks, BP matching was about 31% superior.

주제어

표/그림 (9)

그림 Fig. 1. Hamming Distance for CT algorithms. 그림 1. CT 알고리즘의 Hamming Distance 연산
표 Table 1. Number of CNN's Parameters 표 1. 합성곱 신경망의 파라메터 수
그림 Fig. 2. Kernel index of CT(a) and proposed CT algorithm(b). 그림 2. CT(a)와 제안된 알고리즘(b)의 커널 인덱스
그림 Fig. 3. Left, Right BP descriptor comparison by parts. 그림 3. 부분별로 좌, 우 BP 서술자 비교
그림 Fig. 4. The fast architecture of neural network for a stereo matching. 그림 4. 스테레오 매칭을 위한 고속 신경망 구조
그림 Fig. 5. Tsukuba Image. 그림 5. Tsukuba 이미지
그림 Fig. 6. Results of Census Transform Stereo Matching. 그림 6. Census Transform 스테레오 매칭 결과
그림 Fig. 7. Result of Belief propagation Stereo Matching. 그림 7. Belief propagation 스테레오 매칭 결과
표 Table 2. Comparison results of matching error rate by matching methods. 표 2. 매칭 방법별 매칭 오차율의 결과 비교

참고문헌 (19)

Ramin Zabih, John Woodfill, "Non-parmetric？local transforms for computing visual correspondence,"？Eccv'94. LNCS, vol.801, pp.151-158, 2005.？DOI: 10.1007/BFb0028345
Aditya Rachman Putra, Fadhil Mochammad,？Hans Herdian, "FPGA implementation of template？matching using binary Sum of Absolute Difference,"？International Conference on System Engineering？and Technology, 2016.？DOI: 10.1109/ICSEngT.2016.7849615
M. B. Hisham, Shahrul Niam Yaakob, R. A. A？Raof, A. B A. Naren, N. M. Wafi, "Template？Matching using Sum of Squared Difference and？Normalized Cross Correlation," IEEE Student？Conference on Research and Development, 2015.？DOI: 10.1109/SCORED.2015.7449303
J. N. Sarvaiya, Suprava Ptnaik, Salman Bombaywala, "Image Registration by Template Matching？Using Normalized Cross-Correlation," International？Conference on Advances in Computing, Control,？and Telecommunication Technologies, 2009.？DOI: 10.1109/ACT.2009.207s
Chunsheng Guo, ShuoShuo Gao, Dazhuang？Zhang, "Belief propagation algorithm for background estimation based on local maximum weight？matching," International Congress on Image and？Signal Processing, 2012.？DOI: 10.1109/CISP.2012.6469678
Ekaterina Mezenceva, Sergey Malakhov, "The？study of the Semi-Global Block Matching Algorithm？Implementing Parallel Calculation with GPU,"？International Conference on Problems of Infocommunications, Science and Technology, 2021.？DOI: 10.1109/PICST54195.2021.9772166
Zhao wei, Lian xiaofeng, Liu Zaiwen, "Panoramic？image matching based on graph cuts algorithm,"？2012 9th International Conference on Fuzzy？Systems and Knowledge Discove. 2012.？DOI: 10.1109/FSKD.2012.6234298
J. Zbontar and Y. LeCun, "Stereo matching by？training a convolutional neural network to compare image patches," Journal of Machine Learning？Research, vol.17, no.1-32, pp.2, 2016.？DOI: 10.5555/2946645.2946710
H. Park and K. M. Lee, "Look wider to match？image patches with convolutional neural networks,"？IEEE Signal Processing Letters, vol.24, no.12,？pp.1788-1792, 2017.？DOI: 10.1109/LSP.2016.2637355

상세보기
X. Ye, J. Li, H. Wnag, H. Huang, and X.？Zhang, "Efficient stereo matching leveraging deep？local and context information," IEEE Access,？vol.5, pp.18745-18755, 2017.？DOI: 10.1109/ACCESS.2017.2754318

상세보기
Hamid Laga, Laurent Valentin Jospin, Farid？Boussaid, Mohammed Bennamoun, "A Survey on？Deep Learning Techniques for Stereo-based Depth？Estimation," IEEE Tran. on Pattern Analysis and？Machine Intelligence, vol.44, no.4, pp.1738-1764,？2022. DOI: 10.1109/TPAMI.2020.3032602

상세보기
"Middlebury Stereo Datasets," http://vision.middlebury.edu/stereo/data/
Jong il Park, Kyoung gyu Taek, Kwang yeob？Lee, "Parallel Implementation of Improved Census？Transform Stereo Matching algorithm with OpenMP," IEIE conference, vol.35, no.1,
Jure Zbontar, Yann LeCun, "Stereo Matching？by Training a Convolutional Neural Network to？Compare Image Patches," The Journal of Machine？Learning Research, vol.17, no.1, pp.2287-2318,？2016. DOI: 10.48550/arXiv.1510.05970
"KITTI Stereo Data Set," http://https://www.cvlibs.net/datasets/kitti/
I. Aleksander, "From WISARD to MAGNUS: A？Family of Weightless Virtual Neural Machine,"？RAM-Based Neural Networks, World Scientific,？pp.18-30, 1998.？DOI: 10.1142/9789812816849_0002
Martull Sarah, P. Martin, Fukui Kazuhiro,？"Realistic CG Stereo Image Dataset With Ground？Truth Disparity Maps," Computer Science, Environmental Science, 2012.
Qian. Zhang, Shaomin Li, Y. Zhang, P. Wang,？and JF. Huang, "New Stereo Matching Method？based on Improved BP algorithm," International？Journal on Smart Senging and Intelligent Systems,？vol.8, no.1, 2015. DOI: 10.21307/ijssis-2017-767

상세보기
Lucas de Paula Veronese, Lauro Jose Lyrio？Junior, Filipe All Mutz, Jorcy de Oliveira Neto,？Vitor Barbirator Azevedo, Mariella Berger, Alberto？Ferreira De Souza and Claudine Badue, "Stereo？Matching with VG-RAM Weightless Neural Networks,"？Internaltional Conference on Intelligent Systems？Design and Applications, pp.27-29 2012.？DOI: 10.1109/ISDA.2012.6416556

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