선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- Szeliski⑸는 이러한 한계를 극복하고, 제한된 시각도를 가지눈 파노라마를 위한 초점거리 측정 방법을 제시하고, 이 초점거리를 이용하여 빠르고 견고한 3 파라미터 파노라마 생성 방법을 제안하다.
- 본. 논문에서 제안하는 방법은 일련의 촬영 이미지 집합에서 8파라 미터 변환 모델에 기반한 접합을 통해 접합 신뢰도가 높은 이미지를 선별하는 과정과 선별된 접합 이미지로부터 초점거리를 측정하는 과정, 그리고 3파라 미터 변환 모델에 기반한 접합 과정으로 크게 나눌 수 있다, 8파라미터 변화에 기반한 접합 과정은 신뢰성이 검증을 위한 이미지만을 대상으로 하고, 촬영 이미지 전체에 대한 접합은 3 파라미터 변화 기반의 접합 과정에서 이루어진다. 그림 1은 본 논문이 제시하는 파노라마 자동 생성 시스템을 도식화한 것이다.
- 접합 알고리즘은 이미지의 계층적 매칭과 비선형접합으로 나눈다. 두 방법을 각 이미지 쌍에 적용하여 8파라미터 변환 관계들을 도출하고, 단일 좌표계로 정렬시킨 후 파노라마를 생성한다.
- 두 장으로 이루어진 이미지 한 쌍은 각각 하나의 8 파라미터 변환 행렬, 접합 신뢰도, 그리고 초점거리를 가진다. 본 논문에서는 신뢰성 검사 방법을 통해 8 파라미터 모델을 이용해서 근사적으로 접합된 이미 중 접합의 질이 높은 이미지를 선택하고, 검증된 이미지쌍 2-3개에서 초점거리를 계산한다. 계산된 초점거리는 3 파라미터 파노라마 생성에 이용된다, 3파라미터 파노라마는 8 파라미터 파노라마를 위해 사용한 기법에 비해 최적의 해에 빠른 수렴을 보이며, 잘못된 해로 수렴할 확률을 줄인다.
- .본 논문에서는 이미지 대응관계에 필요한 파라미터의 수롤 줄여 8 파라미터 파노라마 생성, 초점거리 측정, 그리고 3파라미터 파노라마 생성의 3단계 과정을 거치는 빠르고 정교한 파노라마 생성 방법을 제안한다.
- 첫째로, 이미지의 계층적 매칭(Hieranzhica! Matching)은 고정된 카메라 시점에서 회전 촬영된 연속 이미지를 수작업 없이 매칭하기 위해 본 논문에서는 이미지 사이의 시각적 공통 부분을 이용하여 이미지의 명도 (intensity) 비교를 통한 자동 매칭 방법[7]을 일차적으로 사용한다. 이 방법은 해상도별 이미지를 만드는 피라미드 방법과 연속된 이미지를 저해상도에서 고해상도로 비교해 나가는 다단계 매칭 기법으로 구성된다.
대상 데이터
- 실험은 실제 주차장 공간에서의 영상을 대상으로 이루어졌다. 일반적으로 파노라마의 대상이 되는 영상은 좁은 공간 영역에서 복잡한 카메라 움직임을 통해 얻어진 것들보다는 비교적 넓은 영역에서 일관성있는 카메라 움직임을 통하여 얻어진 영상들이다.
이론/모형
- 이 방식은 사용자의 수작업을 필요로하지 않고, 이미지 매칭에서 도출된 결과를 초기치로 사용해서 통계적으로 최적화된 결과를 도출한다. 본 연구에서는 Levenberg-Marquardt 알고리즘 [8]을 사용한다. 이 알고리즘은 이미지 명도 에러값에 대한 함수의 2차 테일러 급수를 이용한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.