$\require{mediawiki-texvc}$

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.

[국내논문] 다시점 카메라로부터 획득된 깊이 및 컬러 영상을 이용한 실내환경의 파노라믹 3D 복원
Panoramic 3D Reconstruction of an Indoor Scene Using Depth and Color Images Acquired from A Multi-view Camera 원문보기

한국HCI학회 2006년도 학술대회 1부, 2006 Feb. 13, 2006년, pp.24 - 32  

김세환 (광주과학기술원 U-VR 연구실) ,  우운택 (광주과학기술원 U-VR 연구실)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 다시점 카메라부터 획득된 부분적인 3D 점군을 사용하여 실내환경의 3D 복원을 위한 새로운 방법을 제안한다. 지금까지 다양한 양안차 추정 알고리즘이 제안되었으며, 이는 활용 가능한 깊이 영상이 다양함을 의미한다. 따라서, 본 논문에서는 일반화된 다시점 카메라를 이용하여 실내환경을 복원하는 방법을 다룬다. 첫 번째, 3D 점군들의 시간적 특성을 기반으로 변화량이 큰 3D 점들을 제거하고, 공간적 특성을 기반으로 주변의 3D 점을 참조하여 빈 영역을 채움으로써 깊이 영상 정제 과정을 수행한다. 두 번째, 연속된 두 시점에서의 3D 점군을 동일한 영상 평면으로 투영하고, 수정된 KLT (Kanade-Lucas-Tomasi) 특징 추적기를 사용하여 대응점을 찾는다. 그리고 대응점 간의 거리 오차를 최소화함으로써 정밀한 정합을 수행한다. 마지막으로, 여러 시점에서 획득된 3D 점군과 한 쌍의 2D 영상을 동시에 이용하여 3D 점들의 위치를 세밀하게 조절함으로써 최종적인 3D 모델을 생성한다. 제안된 방법은 대응점을 2D 영상 평면에서 찾음으로써 계산의 복잡도를 줄였으며, 3D 데이터의 정밀도가 낮은 경우에도 효과적으로 동작한다. 또한, 다시점 카메라를 이용함으로써 수 시점에서의 깊이 영상과 컬러 영상만으로도 실내환경 3D 복원이 가능하다. 제안된 방법은 네비게이션 뿐만 아니라 상호작용을 위한 3D 모델 생성에 활용될 수 있다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 이는 3D 점군이 큰 오차를 포함하므로 최단 거리에 기반한 ICP (또는 Color ICP)는 많은 오류를 야기시키기 때문이다[1][2]. 따라서 원본 시점 (Source Viewpoint)의 3D 데이터의 대응점을 대상 시점 (Destination Viewpoint)의 3D 데이터에서 효과적으로 찾기 위해 투영 기반 정합 방법을 제안한다. 카메라는 실내 공간의 벽을 따라 움직이며 부분적인 3D 점군을 획득한다.
  • 최종 목적은 깊이 오차가 존재하는 3D 점군으로부터 이미 보정되어 카메라의 내부/외부 파라미터를 알고 있는 3D 점군과 영상의 쌍들을 이용하여 실세계 환경에 대한 정확한 3D 표현 방법을 찾아내는 것이다. 따라서, 입력 영상의 각 화소에 대응되는 깊이 값을 추정하고자 한다. 이러한 깊이 영상들은 하나의 3D 모델로 병합된다.
  • 본 논문에서는 다시점 카메라로부터 획득된 깊이 및 컬러 영상을 이용하여 실세계 환경을 복원 하는 방법을 제안한다. 우선, 동일한 시점에서 다시점 카메라로부터 획득된 여러 프레임의 깊이 영상의 시공간적 특성 (Spatio-temporal Property) 및 적응적 불확정 영역 (Adaptive Uncertainty Region)을 사용함으로써 깊이 영상 정제 (Depth Image Refinement) 과정을 수행한다.
  • 본 논문에서는 다시점 카메라를 통해 획득된 부분적인 3D 점군을 이용하여 실내환경을 3D 복원하는 방법을 제안하였다. 제안된 방법은 깊이 정보가 정확하지 않거나 잡음에 의해 양안차 추정이 어려운 경우에도 효과적으로 사용될 수 있다.
  • 여기서 각 카메라는 다시점 카메라를 나타내며, 비록 잡음은 포함되지만 각 시점에서 3D 점군과 함께 한 쌍의 좌우 영상을 얻는다. 최종 목적은 깊이 오차가 존재하는 3D 점군으로부터 이미 보정되어 카메라의 내부/외부 파라미터를 알고 있는 3D 점군과 영상의 쌍들을 이용하여 실세계 환경에 대한 정확한 3D 표현 방법을 찾아내는 것이다. 따라서, 입력 영상의 각 화소에 대응되는 깊이 값을 추정하고자 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
일반 상용의 다시점 카메라가 실사 기반 모델링을 보다 용이하게 하는 이유는 무엇인가? 기존의 3D 모델링 툴 또는 능동적 거리 (Active Range) 측정 기법에 기반한 방법에 비해, 영상 기반 3D 모델 복원 방법은 실사를 사용하므로 사실감을 보존할 뿐만 아니라 모델링 과정도 간단하다. 특히, 일반 상용의 다시점 카메라 (Multi-view Camera)는 컬러 영상 뿐만 아니라 깊이 (Depth) 영상도 동시에 제공하므로 실사 기반 모델링을 보다 용이하게 한다. 이러한 카메라를 통해 실세계 환경의 3D 복원을 위해서는 여러 시점에서 획득된 3D 점군 (Point Cloud)을 정교하게 정합 (Registration) 및 병합 (Integration) 방법이 요구된다.
깊이 영상에 존재하는 오차가 있는 점들을 깊이 값들의 시공간적 특성을 이용하여 보완하는 깊이 영상 정제 과정의 두 단계는 무엇인가? 깊이 영상 정제 과정은 깊이 영상에 존재하는 오차가 있는 점들을 깊이 값들의 시공간적 특성을 이용하여 보완한다. 본 과정은 두 단계로 나뉘며, 첫 번째 단계에서는 깊이 값들이 시간에 따라 변화하는 시간적 특성을 이용하여 오차를 갖는 점을 제거하며, 두 번째 단계에서는 현재 3D 점이 주변의 점들과 공간적인 상관관계를 갖는다는 공간적 특성을 이용하여 빈 영역 (Hole)을 채운다. 그림 1은 실세계 환경에 대한 3D 복원의 흐름도이다.
화소 기반 PDE 접근 방법의 문제점은 무엇인가? 이러한 방법은 임의의 모양에 대한 표현은 가능하지만, 모델의 해상도가 초기 양자화에 의해 결정된다는단점이 있다. 화소 기반 PDE 접근 방법은 양자화에 의존하지는 않지만, 매 화소마다 연속적인 깊이를 계산해야 한다는 문제점이 있다 [8]. 이와는 달리 메쉬를 이용한 방법들은 세밀한 형상의 표현이 가능하지만, Self-intersections 과 Topological Change 를 다루기가 어렵다는 문제점이 있다 [9].
질의응답 정보가 도움이 되었나요?

관련 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