초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

3차원 물체의 인식과 공간 정보를 추출해 내는 것이 물체인식의 주요 목적이다. 본 논문에서는 평면의 표면을 갖는 기하학적 물체들을 인식하는데 인공신경망이 적용 가능함이 조사되었다. 물체인식을 위한 모델들은 CAD모델들로부터 자동적으로 추출되며, 획득된 물체의 영상과 일치하는 물체의 국면(aspect)과의 매칭은 조건만족 인경신경망을 이용하여 매칭-오차를 최소화시키는 방법을 처리되었다. 인식된 물체의 국면이 어느 방향에서 획득되었는지에 대한 정보(Aspect's view direction)는 검색된 가시 평면들의 분포로부터 추출됨을 ART와 같은 인공신경망을 이용하여 실시간으로 복원할 수 있음을 보였다. 대표적이 측정방향과 이 측정방향으로부터의 편차들을 한 범주에 넣고 학습을 통해 정확한 측정방향 정보들을 구하며, 획득된 3차원 물체의 영상들에 따라 자동적으로 측정방향범주 들이 추가되도록 한다.

3차원 물체의 인식과 공간 정보를 추출해 내는 것이 물체인식의 주요 목적이다. 본 논문에서는 평면의 표면을 갖는 기하학적 물체들을 인식하는데 인공신경망이 적용 가능함이 조사되었다. 물체인식을 위한 모델들은 CAD모델들로부터 자동적으로 추출되며, 획득된 물체의 영상과 일치하는 물체의 국면(aspect)과의 매칭은 조건만족 인경신경망을 이용하여 매칭-오차를 최소화시키는 방법을 처리되었다. 인식된 물체의 국면이 어느 방향에서 획득되었는지에 대한 정보(Aspect's view direction)는 검색된 가시 평면들의 분포로부터 추출됨을 ART와 같은 인공신경망을 이용하여 실시간으로 복원할 수 있음을 보였다. 대표적이 측정방향과 이 측정방향으로부터의 편차들을 한 범주에 넣고 학습을 통해 정확한 측정방향 정보들을 구하며, 획득된 3차원 물체의 영상들에 따라 자동적으로 측정방향범주 들이 추가되도록 한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서 인식대상 물체의 측면(aspect)에 대한 정보 (knowledge)를 자동적으로 추가하며 위치정보를 추정하기 위한 인공신경망 적용의 타당성에 대해 탐색해 보았 다. 측정방향을 추정하기 위해 입릭된 넓이 패턴의 자동 적인 기억과 검색이 가능함을 보이도록 한다.
• 본 논문에서 인식대상 물체의 측면(aspect)에 대한 정보 (knowledge)를 자동적으로 추가하며 위치정보를 추정하기 위한 인공신경망 적용의 타당성에 대해 탐색해 보았 다. 측정방향을 추정하기 위해 입릭된 넓이 패턴의 자동 적인 기억과 검색이 가능함을 보이도록 한다. 물체인식 시스템에서 이런 기능들은 당연히 갖춰져야 한다.

제안 방법

• 물체인식 시스템에서 이런 기능들은 당연히 갖춰져야 한다. 기하학 적이 아닌 자연적인 물체라든가 곡선이나 곡면으로 이뤄 진 물체인식을 위한 정교한 모델을 고려하고, 넓이 편차 패턴올 이용하기 위한 생물체 인식 시스템을 분석, 적용 시키도록 한다
• 본 논문에서 소개된 인공신경망은 대표 측정방향군올 위한 대표 넓이 패턴이 온라인으로 설정되며 인식이 진행됨에 따라 넓이 편차 패턴 벡터(area deviation pattern vector) 를 기억하도록 학습이 진행되게 함으로써 생물체 인식 시스템의 특징을 최대한 적용시켰다. 이를 위해서 ART와 같은 인공신경망이 사용되었다.
• 본 논문에서 적용된 인공신경망 모델은 획득영상 표현의 패턴벡터를 대표 넓이 패턴벡터로 매핑하는 방법을 학습하게 된다. 측정방향군의 빔주화를 위해 인공 신경망은 대표 넒이 패턴을 가중치(weights)로 기억하게 되는 안정상태에 정착하게 된다.

이론/모형

• 학습에 의한 관측방향 측정은 생물체 인식 시스템을 모방한 것이다. 가시평면들의 넓이 분 포에 의하여 관측자의 측정방향을 실시간으로 추정하 고, 이전에 보지 못한 측면이 입력되면 새로운 범주로 등록시킴으로써 물체모델의 공간정보를 확장시켜 나갈 수 있게 할 수 있도록 하기 위한 인공신경망이 적용되었다. 물체모델의 인식과 학습과정은 다음과 같이 진행된다

성능/효과

• 이런 검색조건들은: 1) 유효 매칭(valid matching)으로 발견된 가시표면과 모델표면은 한 개씩만 존재해야 하고 발견된 총 표면 수는 총 모델표면 수보다 작거나 같아야 한다는 것으로 보통 전체적 조건 (global constraint) 이라 한다. 2) 유사성 보존(preservation of similarity)은 발견된 표면과 매칭되는 모델표면은 같은 기하학적 위상(topology)을 갖아야 한다. 3) 관계성 보존(preservation of relationship) 발견된 표면이 주변의 발견된 표면과 갖는 관계를 매칭된 모델표면도 주변의 모델표면과 똑같은 관계를 갖아야 한다는 것으로 이 두 조건을 국지적 호환성(local compatibility)이라 한다[14].
• 3. 넓이 패턴벡터 학습에 의한 관측방향 들의 범주화 물체모델 측면과 매갱된 결과는 위상학적으로는 동일하지만 기하학적으로는 조금씩 다른 무한 개의 넓이 패턴벡터 들을 만들게 된다. 따라서 이런 패턴벡터 들로부터 측정 방향들을 학습을 통해 직접 기억해 내도록 하게 되면, 물체를 인식시키기 위해 무한히 많은 측면(aspect)들을 데이터베이스화할 필요가 없으며, 3차원 공간상의 물체의 위 치정보를 알기 위한 측정방향 추출을 실시간에 할 수 있게 된다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기