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.
문제 정의
- 본 논문에서는 키 프레임 영상을 이용한 효과적인 실시간 시각 루프 결합 탐지기를 제안한다. 시각 루프 결합 탐지 (visual loop closure detection) 기술은 카메라의 입력 영상(image)들을 이용해 이동 경로 중 과거에 이미 지나온 위치나 장소 중 하나를 다시 재방문하였는지를 자동으로 판별해내는 기술이다.
- TUM(Technische Universitat Mtinchen) 대학의 벤치마크 (benchmark) 데이터 집합을 이용한 실험을 수행하고 그 결과를 소개한다.
- 어휘 트리의 각 노드는 해당 군집을 대표하는 중심 벡터를 저장하고 있으며, 어휘 트리의 단말노드에는 입력 영상을 표현하는데 사용할 단어들이 저장된다. 이러한 어휘 트리는 향후 입력 영상들에서 등장할 다양한 종류의 SURF 특징 벡터들을 미리 선정해놓은 유한개의 단어들로 대치함으로써, 이들을 이산화하는 목적으로 사용된다. 어휘 트리에 따라 BoW 벡터로 변환된 두 영상의 유사도는 식 (3)과 같이 계산되며, 이 유사도 계산은 3.
- 검사한다. 본 논문에서는 RANSAC(RANdom Sample Consensus) 특징 정합(feature matching) 방법을 적용하여 후보 영상이 최소 12개의 SURF 특징점들에서 질의 영상과 정합될수 있는지 검사한다. 그리고 이 과정에서 SURF 특징 벡터들, 즉 단어들 간의 계층적 유사도를 잘 표현하고 있는 어휘 트리를 활용함으로써 보다 효율적인 정합 작업을 진행한다.
- 본 논문에서는 시각 루프 결합 탐지기의 성능을 분석해보기 위해, 각 실험 데이터별로 다양한 키 프레임 선택 방법들을 적용하여 키 프레임 당 평균 루프 결합 탐지 소요 시간 (execution time) 과 루프 결합 탐지 정확도 (precision)를 측정해 보았다. 루프 결합 탐지 정확도는 시스템이 탐지해낸 루프 결합점들의 실제 진위 여부를 사람이 판별하는 방법으로 측정하였다.
- 본 논문에서는 키 프레임 영상올 이용한 효과적인 실시간 시각 루프 결합 탐지기를 제안하였다. 본 시스템에서는 루프 결합 탐지의 정확도와 효율성을 높이기 위해, 키 프레임 영상들을 BoW 벡터로 표현하고, DBoW 이미지 데이터 베 이스 시스템을 이용해 후보 영상들을 검색하도록 설계하였다.
가설 설정
- 이 그림에서 카메라의 이동 경로는 그림의 하단부에서 시작해서 시계 반대 방향으로 진행하여 다시 하단부로 돌아옴으로써, 작은 원으로 표시된 부분에서 루프 결합을 형성하고 있다. 본 본문에서는 카메라가 이동하는 동안 초당 약 30 프레임의 컬러 영상이 카메라를 통해 입력된다고 가정한다. (그림 1)의 (b)는 카메라의 첫 방문 위치에서 입력한 영상을, (c)는 카메라가 해당 위치로 다시 되돌아왔을 때 입력한 영상을 각각 나타낸다.
- (그림 1)의 (b)는 카메라의 첫 방문 위치에서 입력한 영상을, (c)는 카메라가 해당 위치로 다시 되돌아왔을 때 입력한 영상을 각각 나타낸다. 이 두 영상의 유사성을 토대로 카메라가 이전 위치로 다시 되돌아 왔다는 사실을 자동으로 판별해내는 것을 본 논문에서는 시각 루프 결합 탐지 문제로 가정한다. 따라서 본 논문에서 제안하는 시각 루프 결합 탐지기는 3차원 공간을 6자유도(DOF, Degree of Freedom)로 이동 중인 카메라의 입력 영상들을 이용하여, 그동안 지나온 이전 위치들 중 한 곳을 재방문하였는지를 실시간으로 판별해내는 시스템이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.