$\require{mediawiki-texvc}$

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.

CUDA를 이용한 다시점 거리영상 정합
Multi-view Range Image Registration using CUDA 원문보기

한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C), 2008 June 30, 2008년, pp.533 - 538  

최성인 (경북대학교 컴퓨터공학과) ,  박순용 (경북대학교 컴퓨터공학과) ,  김준 (국방과학연구소) ,  박용운 (국방과학연구소)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 GPU의 성능을 이용하여 다시점 거리 영상을 실시간으로 정합하는 3차원 온라인 시스템을 제안한다. 제안한 시스템은 거리영상의 정교한 정합을 위해 IPP 알고리즘을 사용하였으며, 최신 GPU 프로그래밍 기법으로 각광받고 있는 CUDA를 이용하여 정합 알고리즘의 연산비용이 큰 부분에 해당하는 투영과 변환의 반복 부분을 수행하였다. 스테레오 기반 휴대용 거리센서에서 $320{\times}240$ 거리영상을 획득하여 정합 알고리즘을 수행한 결과, 초당 5장의 거리영상을 정합할 수 있었다. 제안한 온라인 시스템은 실시간 3차원 모델 복원 기술이 필요한 로봇위치 인식, 주행용 비전 기술, 문화재 원형 복원 등의 분야에서 활용될 수 있을 것이다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • GPU를 이용한 3차원 정합은 알고리즘의 핵심이자 연산 비용이 큰 부분에 해당하는 투영과 변환의 반복 부분을 그래픽스 장치에 올려 수행함으로써 전체적인 수행 시간을 향상시키는 데 주요 목적이 있다. 그림 4는 GPU기반 실시간 3차원 정합 시스템의 전체 구성을 보여준다.
  • 본 논문에서 우리는 GPU를 이용하여 다시점 거리 영상을 획득함과 동시에 정합을 수행하는 실시간 3차원 온라인 정합 시스템을 제안한다. 특히 최신 GPU 프로그래밍 기법으로 각광받고 있는 CUDA를 사용함으로써 병렬처리에 대한 이해를 돕고 연산비용이 큰 정합 알고리즘의 수행 시간을 획기적으로 개선하는 방법에 대해서 소개한다.
  • 본 논문은 실시간으로 주변 환경 및 물체를 3차원 모델링 하기 위하여 CUDA를 이용한 다시점 거리영상 정합 방법을 제안하였다. 거리 영상의 정교한 정합을 위해 점대면 방법과 점대투영점 방법의 장점을 결합한 IPP 기법을 사용하였으며, 알고리즘의 핵심이자 연산비용이 큰 부분에 해당하는 투영과 변환의 반복 부분을 그래픽스 장치에 올려 수행함으로써 시스템의 전체 수행 속도를 획기적으로 개선시켰다.
  • 본 논문에서 구현한 시스템은 투영과 변화의 반복을 이용하는 IPP(iterative projection point) 정합 기술을 사용한다. 본 절에서는 먼저 3차원 정합 기술에 대한 이해를 돕기 위해 IPP 알고리즘에 대해 설명하겠다. 이어서 우리 시스템에 적용된 CUDA 프로그래밍 기법에 대해 간략하게 설명하고 마지막으로 전체 시스템 구현 내용을 자세히 소개하도록 하겠다.
  • 본 절에서는 먼저 3차원 정합 기술에 대한 이해를 돕기 위해 IPP 알고리즘에 대해 설명하겠다. 이어서 우리 시스템에 적용된 CUDA 프로그래밍 기법에 대해 간략하게 설명하고 마지막으로 전체 시스템 구현 내용을 자세히 소개하도록 하겠다.
  • 본 논문에서 우리는 GPU를 이용하여 다시점 거리 영상을 획득함과 동시에 정합을 수행하는 실시간 3차원 온라인 정합 시스템을 제안한다. 특히 최신 GPU 프로그래밍 기법으로 각광받고 있는 CUDA를 사용함으로써 병렬처리에 대한 이해를 돕고 연산비용이 큰 정합 알고리즘의 수행 시간을 획기적으로 개선하는 방법에 대해서 소개한다. 제안한 온라인 시스템은 실시간으로 3차원 모델 복원 기술이 필요한 로봇위치 인식, 휴대용 3차원 센서, 주행용 비전 기술, 문화재 원형 복원 등의 분야에서 활용될 수 있을 것이다.

가설 설정

  • 실험은 사용자가 휴대 가능한 거리센서를 직접 움직여가며 문화재와 일반 환경에 대한 3차원 복원 작업을 수행한다는 시나리오 가정 하에 실시되었다. 거리센서는 캐나다 PointGrey사에서 개발한 BumbleBee 스테레오 카메라를 사용하였으며 320x240 해상도의 거리 영상을 획득하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
다시점 거리영상 정합이란 무엇인가? 다시점 거리영상 정합(multi-view registration)은 서로 다른 카메라 좌표계에서 획득한 거리영상(range image)을 하나의 공통된 좌표계로 변환하는 기술이다. 이 기술은 거리센서(range sensor)를 이용하여 획득한 서로 다른 거리 영상들로부터 3차원 모델을 복원해 내기 위한 중간처리 과정으로서 최종 모델의 정밀도에 영향을 주는 중요한 단계이다.
GPU는 본래 어떠한 문제점을 해결하기 위해 고안된 장치인가? GPU는 본래 CPU의 그래픽스 작업으로 인해 생기는 병목 현상을 해결하기 위해 고안된 특수 목적 처리장치 (special-purposed processor)이다. 하지만 CPU보다 높은 트랜지스터 집적도와, SIMD(single instruction multiple data) 아키텍처에 의한 탁월한 병렬처리 능력으로 인해 일찍부터 GPU를 범용 처리장치로써 사용하기 위한 연구가 활발하게 진행되어 왔다[5][6].
이전의 GPGPU는 어떠한 단점이 있는가? 이전의 GPGPU는 Cg나 Renderman 같은 셰이딩 언어(shading language)와 확장 OpenGL의 조합으로 이루어졌으며 사용자는 그래픽스 파이프라인에 맞춰 정점 셰이더(vertex shader)와 화소 셰이더(pixel shader)를 적절하게 프로그래밍 함으로써 GPU의 성능을 간접적으로 사용하였다. 하지만 시스템에서 접근 가능한 메모리 모델이 텍스쳐(texture)로 제한되어 있고 출력 쓰기 주소가 래스터화기에 의해 고정되기 때문에 임의의 메모리 공간 영역에 대해 동시 읽기·쓰기가 불가능하다는 단점이 있다. 반면 CUDA는 그래픽스 하드웨어를 하나의 독립적인 플랫폼으로 간주하고 프로그래밍 할 수 있는 환경을 제공한다.
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