초록

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

전방향(omnidirectional) 카메라 시스템은 보다 적은 수의 영상으로부터 주변 장면(scene)에 대한 많은 정보를 취득할 수 있는 장점이 있기 때문에 전방향 영상을 이용한 자동교정(self-calibration)과 3차원 재구성 등의 연구가 활발히 진행되고 있다. 본 논문에서는 기존에 제안된 교정 방법들을 이용하여 추정된 사영모델(projection model)의 정확성을 검증하기 위한 새로운 방법이 제안된다. 실 세계에서 다양하게 존재하는 직선 성분들은 전방향 영상에 컨투어(contour)의 형태로 사영되며, 사영모델과 컨투어의 양 끝점 좌표 값을 이용하여 그 궤적을 추정할 수 있다. 추정된 컨투어의 궤적과 영상에 존재하는 컨투어와의 거리 오차(distance error)로부터 전방향 카메라의 사영모델의 정확성을 검증할 수 있다. 제안된 방법의 성능을 평가하기 위해서 구 맵핑(spherical mapping)된 합성(synthetic) 영상과 어안렌즈(fisheye lens)로 취득한 실제 영상에 대해 제안된 알고리즘을 적용하여 사영모델의 정확성을 판단하였다.

전방향(omnidirectional) 카메라 시스템은 보다 적은 수의 영상으로부터 주변 장면(scene)에 대한 많은 정보를 취득할 수 있는 장점이 있기 때문에 전방향 영상을 이용한 자동교정(self-calibration)과 3차원 재구성 등의 연구가 활발히 진행되고 있다. 본 논문에서는 기존에 제안된 교정 방법들을 이용하여 추정된 사영모델(projection model)의 정확성을 검증하기 위한 새로운 방법이 제안된다. 실 세계에서 다양하게 존재하는 직선 성분들은 전방향 영상에 컨투어(contour)의 형태로 사영되며, 사영모델과 컨투어의 양 끝점 좌표 값을 이용하여 그 궤적을 추정할 수 있다. 추정된 컨투어의 궤적과 영상에 존재하는 컨투어와의 거리 오차(distance error)로부터 전방향 카메라의 사영모델의 정확성을 검증할 수 있다. 제안된 방법의 성능을 평가하기 위해서 구 맵핑(spherical mapping)된 합성(synthetic) 영상과 어안렌즈(fisheye lens)로 취득한 실제 영상에 대해 제안된 알고리즘을 적용하여 사영모델의 정확성을 판단하였다.

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 논문에서는 기존에 제안된 교정(calibration) 방법들을 이용하여 추정된 전방향 카메라의 사영모델(projection model)의 정확성 여부를 분석하기 위한 방법이 제안된다. 실 세계에 다양하게 존재하는 직선 성분들은 전방향 영상에 컨투어(contour)의 형태로 사영되며, 사영모델과 컨투어의 양 끝점 정보를 이용하여 그 궤적을 추정할 수 있다.
• 기존 방법에서는 카메라 모델을 추정하고 픽셀의 위치와 컨투어 등을 역(back) 사영해서 픽셀 오차 및 직선화 여부 등을 분석했다. 본 논문에서는 기존에 제안된 방법들로 카메라 모델을 구현하고 그 정확성을 검증하기 위하여 전방향 영상에서 사영된 컨투어(projected contour)를 이용하는 방법이 제안된다.
• 본 논문에서는 기존의 교정 방법들을 이용하여 추정된 사영모델의 정확성을 검증하기 위한 방법이 제안되었다. 사영모델과 컨투어의 양 끝점 정보를 이용하여 그 궤적을 추정하고 실제 영상에 존재하는 컨투어와의 거리 오차로부터 사영모델의 정확성을 검증할 수 있었다.
• 본 장에서는 기존에 제안된 사영모델과 교정 방법에 대해 간략히 설명하고 구현된 카메라 모델의 정확성을 검증하기 위하여 컨투어를 이용하는 방법이 제안된다.

제안 방법

• 또한 추정된 카메라 모델을 이용하여 다중 시점에서 취득한 전방향 영상으로부터 카메라의 외부(extrinsic) 파라미터를 추정한다. 얻어진 정보로부터 상대적인 카메라의 이동과 회전(rotation)을 알 수 있고 삼차원 공간의 재구성에 중요한 정보로 사용될 수 있다.

대상 데이터

• 어안렌즈를 이용해 취득한 실제 영상에도 제안된 방법을 적용하기 위해, 먼저 니콘 쿨픽스(Coolpix) 995 디지털 카메라에 시야각이 183°인 어안컨버터 FC-E8을 장착하여 사전에 준비된 교정 패턴을 1600×1200 크기로 촬영하였다. 그리고 여섯 개의 파라미터로 표현이 가능한 전방향카메라 모델을 추정했으며[9], 교정 패턴은 검은 바탕에 반경 60mm의 흰 원들로 구성된 2×3m²크기의 평판을 이용했다. 그림 7에 교정 패턴을 이용한 모델 추정 과정을 보였고, 추정된 모델을 삼차원 매쉬 형태로 그림 8에 나타내었다.
• 실험에 이용한 사영모델 중에서 A는 등거리 (equidistance) 모델이며, B는 에피폴라 기하를 이용하여 전방향 모델을 추정한 방법[10], 그리고 C는 3장 설명한 모델[14]로서 6개의 파라미터를 사용한 방법이다. 표 1에서 보이는 바와 같이 C방법으로 가장 정확하게 전방향 카메라 모델을 추정했음을 알 수 있다.
• 어안렌즈를 이용해 취득한 실제 영상에도 제안된 방법을 적용하기 위해, 먼저 니콘 쿨픽스(Coolpix) 995 디지털 카메라에 시야각이 183°인 어안컨버터 FC-E8을 장착하여 사전에 준비된 교정 패턴을 1600×1200 크기로 촬영하였다. 그리고 여섯 개의 파라미터로 표현이 가능한 전방향카메라 모델을 추정했으며[9], 교정 패턴은 검은 바탕에 반경 60mm의 흰 원들로 구성된 2×3m²크기의 평판을 이용했다.
• 사영된 컨투어 양 끝점의 좌표값과 추정된 카메라 모델을 이용하여 계산된 컨투어의 궤적을 그림 9에 보였다. 입력값으로 사용된 각 사영된 컨투어의 끝점은 붉은 원으로 표시했고, 제안된 방법에 의해 추정된 17개의 컨투어 궤적은 파란 컨투어로 나타내었다. 추정된 컨투어의 궤적이 실제 영상의 컨투어와 정확히 일치함을 확인할 수 있다.

이론/모형

• 추정된 카메라 모델의 정확성을 정량적으로 나타내는 방법으로서 사영된 컨투어의 궤적과 실제 영상에 존재하는 컨투어와의 거리 오차가 제안된다. 실제 영상에서의 컨투어의 좌표값은 캐니 에지 검출(Canny edge dection)을 이용하였다[14]. 그림 5에 전방향 영상에 존재하는 실제 컨투어 c_i(s)와 사영된 컨투어 c_i(t)를 동시에 보였으며 두 컨투어의 거리 오차(D)는 식 (11)로 계산된다.

성능/효과

• 사영모델과 컨투어의 양 끝점 정보를 이용하여 그 궤적을 추정하고 실제 영상에 존재하는 컨투어와의 거리 오차로부터 사영모델의 정확성을 검증할 수 있었다. 또한 다중 시점 전방향 영상으로부터 3차원 재구성의 기본이 되는 카메라의 외부 파라미터를 비교적 정확하게 추정할 수 있 었다.
• 본 논문에서는 기존의 교정 방법들을 이용하여 추정된 사영모델의 정확성을 검증하기 위한 방법이 제안되었다. 사영모델과 컨투어의 양 끝점 정보를 이용하여 그 궤적을 추정하고 실제 영상에 존재하는 컨투어와의 거리 오차로부터 사영모델의 정확성을 검증할 수 있었다. 또한 다중 시점 전방향 영상으로부터 3차원 재구성의 기본이 되는 카메라의 외부 파라미터를 비교적 정확하게 추정할 수 있 었다.
• 제안된 분석 방법의 정확도 등을 평가하기 위해서 구맵핑(spherical mapping)된 합성(synthetic) 영상과 어안렌즈 (fisheye lens)로 취득한 실제 영상에 각각 적용하였으며, 다양한 실험 결과로부터 사영모델의 정확성 여부를 판단할 수 있었다.
• 실 세계에 다양하게 존재하는 직선 성분들은 전방향 영상에 컨투어(contour)의 형태로 사영되며, 사영모델과 컨투어의 양 끝점 정보를 이용하여 그 궤적을 추정할 수 있다. 추정된 컨투어의 궤적과 영상에 존재하는 컨투어와의 거리 오차(distance error)로부터 사영모델의 정확성을 검증할 수 있다.
• 입력값으로 사용된 각 사영된 컨투어의 끝점은 붉은 원으로 표시했고, 제안된 방법에 의해 추정된 17개의 컨투어 궤적은 파란 컨투어로 나타내었다. 추정된 컨투어의 궤적이 실제 영상의 컨투어와 정확히 일치함을 확인할 수 있다.
• 그림 11의 오른쪽 영상은 왼쪽 영상을 취득한 카메라보다 상대적으로 y축 기준 15° 회전했으며 x축으로 이동한 카메라로 취득된 영상이다. 추정된 회전 행렬과 이동 벡터를 표 2에 나타냈으며, 얻어진 결과 데이터로부터 회전 및 이동 결과값이 비교적 정확히 측정됨을 확인하였다.

후속연구

• 전방향 카메라 모델의 추정을 위해 사전에 교정 패턴을 사용하지 않는 방법이 추후 연구될 예정이며, 사영된 컨투어의 다중 시점 영상 간 정합 등의 방법으로 보다 정확한 외부 파라미터를 추정하여 최종적으로 3차원 공간을 효과적으로 재구성하는 연구가 계속 진행될 예정이다.
• 추정된 카메라 모델의 정확성을 정량적으로 나타내는 방법으로서 사영된 컨투어의 궤적과 실제 영상에 존재하는 컨투어와의 거리 오차가 제안된다. 실제 영상에서의 컨투어의 좌표값은 캐니 에지 검출(Canny edge dection)을 이용하였다[14].

본문요약 정보가 도움이 되었나요? 예 아니오 제출

질의응답

핵심어	질문	논문에서 추출한 답변
사영모델	일반적인 원근 사영모델의 한계는 무엇인가?	일반적인 원근(perspective) 사영모델은 어안렌즈로 취득한 전방향 영상을 표현할 수 없기 때문에 방사상으로 대칭성을 갖는 사영모델이 필요하다. 핀홀 카메라 모델은 다음과 같은 원근 사영모델로 표현 가능하다.
3차원 정보	카메라 위치 등의 3차원 정보를 추정하기 위해서는 무엇이 중요한가?	다중 시점(multi-view) 영상들을 이용한 카메라 위치의 추정과 3차원 재구성(reconstruction) 기술은 컴퓨터 비젼 분야에서 오랫동안 연구되고 있는 분야 중 하나이다[1~5]. 카메라 위치 등의 3차원 정보를 추정하기 위해서 영상 간의 대응(correspond)되는 점, 직선, 컨투어 등의 특징들을 검출하고 정합(matchging)하는 과정이 중요하다. 하지만 카메라의 이동이 크거나 주변 조명에 의해 많이 영향을 받는 경우, 두 영상 간의 정합이 매우 어렵다.
전방향 카메라	전방향 카메라 시스템은 어떠한 장점을 가지는가?	전방향(omnidirectional) 카메라 시스템은 보다 적은 수의 영상으로부터 주변 장면(scene)에 대한 많은 정보를 취득할 수 있는 장점이 있기 때문에 전방향 영상을 이용한 자동교정(self-calibration)과 3차원 재구성 등의 연구가 활발히 진행되고 있다. 본 논문에서는 기존에 제안된 교정 방법들을 이용하여 추정된 사영모델(projection model)의 정확성을 검증하기 위한 새로운 방법이 제안된다.

질의응답 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기