메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Seung-Woo Seo (Kwangwoon University) Gyu-Cheol Lee (Kwangwoon University) Ji-Sang Yoo (Kwangwoon University)
저널정보
대한전기학회 Journal of Electrical Engineering & Technology Journal of Electrical Engineering & Technology Vol.12 No.1
발행연도
2017.1
수록면
428 - 435 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, we propose a novel motion field estimation algorithm for which a Udisparity map and forward-and-backward error removal are applied in a vehicular environment. Generally, a motion exists in an image obtained by a camera attached to a vehicle by vehicle movement; however, the obtained motion vector is inaccurate because of the surrounding environmental factors such as the illumination changes and vehicles shaking. It is, therefore, difficult to extract an accurate motion vector, especially on the road surface, due to the similarity of the adjacent-pixel values; therefore, the proposed algorithm first removes the road surface region in the obtained image by using a U-disparity map, and uses then the optical flow that represents the motion vector of the object in the remaining part of the image. The algorithm also uses a forward–backward error-removal technique to improve the motion-vector accuracy and a vehicle’s movement is predicted through the application of the RANSAC (RANdom SAmple Consensus) to the previously obtained motion vectors, resulting in the generation of a motion field. Through experiment results, we show that the performance of the proposed algorithm is superior to that of an existing algorithm.
#Forward–backward error #Motion-field estimation #Optical flow #U-disparity

목차

Abstract
1. Introduction
2. Road-surface Removal
3. Motion Field Estimation
4. Experiments
5. Conclusion
References

참고문헌 (17)

참고문헌 신청
K. Yamaguchi, T. Kato and Y. Ninomiya, “Vehicle ego-motion estimation and moving object detection using a monocular camera”, in Proc. Int. Conf. Pattern Recognition, Hong Kong, pp. 610-613, 2006 O. Pink, F. Moosmann and A. Bachmann, “visual features for vehicle localization and ego-motion estimation”, in Proc. IEEE Intell. Veh. Symp, Xi'an, pp. 254-260, 2009 G. Ligorio and A. M. Sabatini, “Extended kalman filter-based methods for pose estimation using visual, inertial and magnetic sensors: comparative analysis and performance evaluation”, Sensors, vol. 13, no. 2, pp. 1919-1941, Feb. 2013 F. J. Sharifi and M. Marey, “A kalman-filter-based method for pose estimation in visual servoing”, IEEE Trans. Robotics, vol. 26, no. 5, pp. 939-947, Oct. 2010 M. A. Flschier and R. C. Bolles, “Random sample consensus: a paradigm for model fitting with application to image analysis and automated cartography”, Commun. ACM, vol. 24, no. 6, pp. 381-395, Jun. 1981

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2017-560-002003734