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 실내 환경에서 RGBD 영상을 이용하여 일반적인 물체에 대한 검출 방법을 제안하였다. 일반적인 물체를 표현하는 특징을 알기 어렵기 때문에 물체와 배경에 대한 기하학적 구조를 파악하여 물체를 검출하는 방법을 제안하였는데, 먼저 컬러와 영상 좌표만을 이용하여 영상을 대략적으로 구분하는 영상 영역 분할(rough segmentation)을 하고, 바닥에 대한 평면 모델을 추측하여 바닥 영역을 구하였다.
- 본 논문에서는 특징 추출보다는 물체와 배경의 기하학적 구조에 기반한 일반적인 물체 검출 방법을 제안한다. 일반적인 물체에 대한 특징을 쉽게 정할 수 없기 때문에, 배경 모델을 만들고 이 모델에 맞지 않는 부분을 물체로 인식하게 된다.
- 다른 한편으로, 물체 검출을 정확히 하기보다 물체에 대한 많은 “ proposal”을 결과로 내주는 방법 [4]이 있다. 이 방법은 특정 물체에 대하여 학습이 되어 있을 때, 이를 검출하기 위해 영상을 전역 탐색해야 하는 어려움이 있기 때문에 이를 보완하고자 탐색 범위를 proposal 로만 줄이는 것이 목적이다. 결과로 proposal 의 신뢰도가 대부분 같이 나오므로 이를 이용하여 일정 문턱치 이상의 신뢰도를 갖는 proposal을 물체 검출의 결과로 생각하고 사용할 수 있다.
가설 설정
- 바닥 이외의 배경은 물체에 대한 간단한 가정을 통해 이에 맞지 않은 영역들로 찾는데, 물체는 영상의 가운데 부분에 있고 카메라와 가까운 거리에 있으며 물체는 적당한 크기여서 같은 물체 내 depth 변화가 작다고 가정한다. 바닥에 속한 픽셀을 모두 제외하고 connected component를 이용하여 새롭게 label set Lnew과 픽셀 set Mnew을 만들고, 이 가정에 맞지 않는 label 은 배경으로 간주하여 물체 후보에서 제외한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.