[논문]Time-of-Flight 카메라의 잡음 모델링을 통한 적응적 거리 잡음 제거 방법

김중식; 백열민; 김회율

Time-of-Flight 카메라의 잡음 모델링을 통한 적응적 거리 잡음 제거 방법
Adaptive Depth Noise Removal for Time-of-Flight Camera using Depth Noise Modeling 원문보기

한국방송공학회 2013년도 하계학술대회, 2013 June 26, 2013년, pp.325 - 328

김중식 (한양대학교 전자통신컴퓨터공학부) , 백열민 (한양대학교 전자통신컴퓨터공학부) , 김회율 (한양대학교 전자통신컴퓨터공학부)

초록
AI-Helper

본 논문에서는 ToF(Time-of-Flight) 카메라의 거리 잡음을 제거하는 방법으로 거리와 진폭에 따른 거리 잡음 모델링을 이용한 적응적인 SUSAN(Smallest Univalue Segment Assimilating Nucleus) 필터를 제안한다. ToF 카메라의 거리 잡음 제거를 위해서 기존에 제안된 여러 가지 방법들은 거리 잡음의 특성을 고려하지 않거나 진폭에 따른 거리 잡음의 특성만을 고려하였다. 하지만 실제 ToF 카메라의 거리 영상에 포함되는 거리 잡음은 진폭과 거리에 따라서 변화하기 때문에 거리와 진폭을 모두 고려한 거리 잡음 모델링이 필요하다. 따라서 제안하는 방법은 우선 거리와 진폭의 변화에 따른 ToF 카메라의 거리 잡음 특성을 모델링 한다. 이후 제안하는 방법은 생성된 거리 잡음 모델에 의해 인자가 결정되는 적응적 SUSAN 필터를 이용하여 ToF 카메라의 거리 영상의 잡음을 제거한다. 실험 결과 제안하는 방법은 기존의 ToF 거리 영상의 거리 잡음제거 방법에 비해 보다 효과적으로 거리 영상의 잡음을 제거하면서 디테일을 잘 보존하였다.

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 잡음 제거의 방식으로 식 (5)과 같은 적응적 SUSAN 필터를 제안한다. SUSAN 필터는 중심 픽셀과 밝기가 유사한 이웃 픽셀들에 대해서는 평탄화를 시키며, 영상의 디테일을 보존 할 수 있는 잡음 제거 필터이다[5]

제안 방법

Spatial 필터에서는 픽셀간의 거리에 따라서 필터링을 수행하게 되는데 본 논문에서는 빠른 계산 속도를 위해 Spatial 필터의 커널 크기를 3으로 고정하였다. 식 (4)을 통해 거리와 진폭을 고려한 거리의 표준편차인 σ_n를 SUSAN 필터의 Range 필터의 표준편차로 사용하여 거리와 진폭에 따라서 평활화를 수행할 범위를 적응적으로 변하게 하였다.
ToF 카메라의 거리 영상에 포함되는 거리 잡음을 측정한다는 것은 거리와 진폭에 따라서 변화하는 거리의 표준편차를 측정하는 것과 같다. 그러므로 거리 잡음의 특성을 파악하기 위하여 본 논문에서는 ToF 카메라로부터 1m에서 5m까지 0.5m 간격으로 그림 1과 같이 각 거리에서 컬러체커를 1000장씩 촬영하였다.
그렇기 때문에 더 정확한 거리 잡음 제거를 위해서는 진폭과 거리 모두를 고려한 거리 잡음의 모델링이 필요하다. 따라서 제안하는 방법은 거리와 진폭 모두를 고려하여 ToF 카메라의 거리 잡음을 모델링 하였고 이를 이용하여 픽셀별로 변화하는 인자가 적용된 적응적인 SUSAN 필터를 이용하여 ToF 카메라의 거리 잡음을 제거한다.
이러한 문제점을 해결하기 위해 [2]에서는 Bilateral 필터의 인자를 거리 영상 전체의 최대값과 최소값을 이용하여 영상에 따라 적응적으로 변하게 하는 방법을 제안하였다. 또한 임펄스 잡음 제거를 위해서 Median 필터를 사용하였고, 사용자가 설정한 임의의 진폭값을 기준으로 Bilateral 필터와 Median 필터의 사용 여부를 결정하였다. 이 방법은 Bilateral 필터의 인자를 거리 영상에 따라서 적응적으로 변화하게 했기 때문에 [1]보다는 거리 잡음 제거의 성능이 개선되었다.
필터의 성능을 시험하기 위한 실험 이미지는 그림 5와 같다. 잡음 제거를 수행하였을 때 동일한 거리를 가지는 평평한 부분의 거리 잡음을 효과적으로 제거하면서 거리 차이가 있는 영상의 경계를 잘 보존하는지 확인하기 위해서 실험에서 가운데의 상자는 배경과 40cm 정도 거리를 두었으며 배경은 평평한 부분으로 구성하였다.
이러한 ToF 카메라의 거리 잡음을 제거하기 위해서 [1] 에서는 ToF의 거리 잡음이 고정된 표준편차를 가지는 가우시안 잡음이라고 가정하여 고정된 인자값을 사용하는 Bilateral 필터를 사용하였다. 진폭차이지도(Amplitude Difference Map)을 이용하여 사용자가 정한 진폭보다 큰 경우에는 Bilateral 필터 대신 Median 필터를 적응적으로 사용하였다. 그러나 실제 ToF 카메라의 거리 잡음은 진폭과 영상 내 물체의 거리에 따라 변화하는 특성을 가진다.

이론/모형

본 논문에서는 거리 잡음을 거리와 진폭에 따라 모델링 하여 SUSAN 필터에 적용하였다. 영상의 픽셀별로 변화하는 인자를 적응적인 SUSAN 필터에 사용했기 때문에 기존의 방법들과 비교하여 영상의 평활화를 수행함과 동시에 디테일을 보존하는데 좋은 성능을 보였다.
그리고 영상에서 측정 가능한 거리를 벗어나거나 측정된 IR이 포화된 값을 가지는 경우에는 영상에 임펄스 잡음이 생긴다. 이러한 ToF 카메라의 거리 잡음을 제거하기 위해서 [1] 에서는 ToF의 거리 잡음이 고정된 표준편차를 가지는 가우시안 잡음이라고 가정하여 고정된 인자값을 사용하는 Bilateral 필터를 사용하였다. 진폭차이지도(Amplitude Difference Map)을 이용하여 사용자가 정한 진폭보다 큰 경우에는 Bilateral 필터 대신 Median 필터를 적응적으로 사용하였다.

성능/효과

최소 자승법을 사용하여 그림 4와 같이 피팅하였고, 식 (4)의 지수와 계수를 구했다. 모델링 함수에 대해서 R-square값은 0.8445이고 RMSE는 0.003141cm로 실험을 통해서 얻은 데이터에 적합한 모델링 함수를 생성할 수 있었다.
본 논문에서는 거리 잡음을 거리와 진폭에 따라 모델링 하여 SUSAN 필터에 적용하였다. 영상의 픽셀별로 변화하는 인자를 적응적인 SUSAN 필터에 사용했기 때문에 기존의 방법들과 비교하여 영상의 평활화를 수행함과 동시에 디테일을 보존하는데 좋은 성능을 보였다. 하지만 IR이 포화되는 경우나 흡수되어 정확한 거리가 측정되지 못하는 부분들에 대해서는 본 논문에서 제안한 잡음 모델을 사용하더라도 거리 잡음을 제거하고 원래의 거리를 복원하는데 만족스러운 성능을 얻을 수 없었다.
(b)를 보면 적응적 SUSAN 필터(파란 실선)가 [2]에서 제안된 방법(빨간 점선)보다 영상의 경계 부분에서 기울기가 더 큰 것을 확인할 수 있다. 이 결과를 통해서 적응적 SUSAN 필터가 영상의 경계 보존의 성능이 더 좋음을 확인할 수 있다.
영상의 픽셀별로 변화하는 인자를 적응적인 SUSAN 필터에 사용했기 때문에 기존의 방법들과 비교하여 영상의 평활화를 수행함과 동시에 디테일을 보존하는데 좋은 성능을 보였다. 하지만 IR이 포화되는 경우나 흡수되어 정확한 거리가 측정되지 못하는 부분들에 대해서는 본 논문에서 제안한 잡음 모델을 사용하더라도 거리 잡음을 제거하고 원래의 거리를 복원하는데 만족스러운 성능을 얻을 수 없었다. 그렇기 때문에 해당 영역을 분할 할 수 있는 알고리즘이 필요하며, 이 부분에 대한 다른 알고리즘을 적용할 수 있는 추가적인 연구가 필요하다.

후속연구

하지만 IR이 포화되는 경우나 흡수되어 정확한 거리가 측정되지 못하는 부분들에 대해서는 본 논문에서 제안한 잡음 모델을 사용하더라도 거리 잡음을 제거하고 원래의 거리를 복원하는데 만족스러운 성능을 얻을 수 없었다. 그렇기 때문에 해당 영역을 분할 할 수 있는 알고리즘이 필요하며, 이 부분에 대한 다른 알고리즘을 적용할 수 있는 추가적인 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ToF 카메라는 어떠한 것을 측정하여 실시간으로 물체의 거리 지도를 얻는가?	ToF 카메라는 카메라에서 방출된 IR(infrared) 빛이 물체에서 반사되어 오는 위상차를 측정하여 실시간으로 물체의 거리 지도를 얻는다. 또한, 그레이 스케일 영상의 형태인 진폭 영상을 함께 얻는다.
	SUSAN 필터란?	본 논문에서는 잡음 제거의 방식으로 식 (5)과 같은 적응적 SUSAN 필터를 제안한다. SUSAN 필터는 중심 픽셀과 밝기가 유사한 이웃 픽셀들에 대해서는 평탄화를 시키며, 영상의 디테일을 보존 할 수 있는 잡음 제거 필터이다[5]
	ToF의 거리 잡음을 고정된 표준편차를 가지는 가우시안 잡음으로 가정하는 방법의 문제점을 해결하기 위해 본 논문에서는 어떠한 방법을 제안하였는가?	따라서 [1]의 방법과 같이 ToF의 거리 잡음을 고정된 표준편차를 가지는 가우시안 잡음으로 가정하는 방법들은 실제 ToF 카메라의 거리 잡음을 효과적으로 제거하지 못하는 문제점이 있다. 이러한 문제점을 해결하기 위해 [2]에서는 Bilateral 필터의 인자를 거리 영상 전체의 최대값과 최소값을 이용하여 영상에 따라 적응적으로 변하게 하는 방법을 제안하였다. 또한 임펄스 잡음 제거를 위해서 Median 필터를 사용하였고, 사용자가 설정한 임의의 진폭값을 기준으로 Bilateral 필터와 Median 필터의 사용 여부를 결정하였다.

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

Time-of-Flight 카메라의 잡음 모델링을 통한 적응적 거리 잡음 제거 방법
Adaptive Depth Noise Removal for Time-of-Flight Camera using Depth Noise Modeling 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Time-of-Flight 카메라의 잡음 모델링을 통한 적응적 거리 잡음 제거 방법 Adaptive Depth Noise Removal for Time-of-Flight Camera using Depth Noise Modeling 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Time-of-Flight 카메라의 잡음 모델링을 통한 적응적 거리 잡음 제거 방법
Adaptive Depth Noise Removal for Time-of-Flight Camera using Depth Noise Modeling 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper