지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 조근식
- 발행연도
- 2013
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
이미지 기반의 증강현실 시스템에서 저작된 가상의 객체를 실영상에 이질감 없이 정확한 위치에 증강하기 위해서는 실영상에 표시될 가상객체의 정확한 방향과 위치에 대한 추정은 중요한 문제이며, 호모그래피를 이용하여 이러한 문제를 해결할 수 있다.
호모그래피 추정을 위해서는 먼저 카메라로부터 얻어지는 실제 이미지(Camera Image)와 데이터베이스에 저장된 이미지로(Reference Image)부터 SURF 알고리즘을 이용하여 특징점을 추출한다. 그리고 추출된 특징점들 간에 유클리드거리(Euclidean Distance)를 이용한 유사도 측정을 통해 유사도가 높은 특징점 간에 쌍을 만든 후, 이를 이용하여 호모그래피를 추정한다. 그러나 만들어진 특징점 쌍 중에는 잘못 매칭 된 쌍이 존재할 수 있고, 이런 특징점 쌍을 이용해 추정된 호모그래피는 부정확하기 때문에 RANSAC 알고리즘을 이용하여 호모그래피를 추정한다.
하지만 기본적인 RANSAC 알고리즘 또한 랜덤 샘플링 과정에서 선형을 이루거나 특정영역에 군집을 이루는 특징점들이 선택되어 부정확한 호모그래피를 추정하는 문제로 인해 불필요한 계산과정을 수행하여 알고리즘의 효율성이 저하되는 문제점이 존재한다. 따라서 본 논문에서는 RANSAC 알고리즘의 랜덤 샘플링 과정에서 발생하는 문제를 해결하여 RANSAC 알고리즘의 효율성을 향상시키고, 추정되는 호모그래피의 정확도를 향상시키기 위한 CSP 기반의 RANSAC 알고리즘을 제안한다.
제안하는 CSP 기반의 RANSAC 알고리즘의 성능평가를 위해서 랜덤 샘플링, 삼각형의 넓이를 이용한 샘플링, Median Flow Filter를 이용한 샘플링을 수행하는 RANSAC 알고리즘과 제안하는 알고리즘의 성능비교 실험을 수행하였고, 추정된 호모그래피의 평균 정확도는 8.8%, 알고리즘 평균 수행시간은 19.6%로 성능이 향상된 것을 확인하였다.
호모그래피 추정을 위해서는 먼저 카메라로부터 얻어지는 실제 이미지(Camera Image)와 데이터베이스에 저장된 이미지로(Reference Image)부터 SURF 알고리즘을 이용하여 특징점을 추출한다. 그리고 추출된 특징점들 간에 유클리드거리(Euclidean Distance)를 이용한 유사도 측정을 통해 유사도가 높은 특징점 간에 쌍을 만든 후, 이를 이용하여 호모그래피를 추정한다. 그러나 만들어진 특징점 쌍 중에는 잘못 매칭 된 쌍이 존재할 수 있고, 이런 특징점 쌍을 이용해 추정된 호모그래피는 부정확하기 때문에 RANSAC 알고리즘을 이용하여 호모그래피를 추정한다.
하지만 기본적인 RANSAC 알고리즘 또한 랜덤 샘플링 과정에서 선형을 이루거나 특정영역에 군집을 이루는 특징점들이 선택되어 부정확한 호모그래피를 추정하는 문제로 인해 불필요한 계산과정을 수행하여 알고리즘의 효율성이 저하되는 문제점이 존재한다. 따라서 본 논문에서는 RANSAC 알고리즘의 랜덤 샘플링 과정에서 발생하는 문제를 해결하여 RANSAC 알고리즘의 효율성을 향상시키고, 추정되는 호모그래피의 정확도를 향상시키기 위한 CSP 기반의 RANSAC 알고리즘을 제안한다.
제안하는 CSP 기반의 RANSAC 알고리즘의 성능평가를 위해서 랜덤 샘플링, 삼각형의 넓이를 이용한 샘플링, Median Flow Filter를 이용한 샘플링을 수행하는 RANSAC 알고리즘과 제안하는 알고리즘의 성능비교 실험을 수행하였고, 추정된 호모그래피의 평균 정확도는 8.8%, 알고리즘 평균 수행시간은 19.6%로 성능이 향상된 것을 확인하였다.
목차
제 1 장 서 론 1제 2 장 배경지식 42.1 호모그래피 42.2 비마커기반 증강현실 62.3 RANSAC 82.4 Constraint Satisfaction Problem 13제 3 장 관련연구 143.1 삼각형의 넓이를 이용한 샘플링 143.2 Median Flow Filter를 이용한 샘플링 15제 4 장 CSP를 적용한 RANSAC의 샘플링 알고리즘 184.1 특징점 추출, 매칭, 전처리 및 호모그래피 추정 194.2 CSP 모델링 214.3 CSP 기반의 샘플링 알고리즘 26제 5 장 실험 및 결과 305.1 CSP를 위한 격자 수 및 특징점 수 305.2 CSP를 적용한 RANSAC 성능평가 35제 6 장 결론 및 향후연구 41참고 문헌 42표1 제약조건의 표현 24표2 제약조건을 적용한 샘플링 의사코드 27표3 특징점 분포구조에 따른 이미지 집단 36표4 <실험2> 특징점 분포구조에 따른 RANSAC 알고리즘 수행결과 37그림1 Homography를 이용한 이미지 사이의 변환관계 4그림2 Symmetric Transfer Error 5그림3 이미지기반의 증강현실 시스템 구조 7그림4 매칭된 특징점 쌍 8그림5 호모그래피 계산을 위해 선택된 4개의 특징점 쌍 8그림6 RANSAC 알고리즘 9그림7 선택된 특징점이 골고루 분포되어 있을 경우 12그림8 선택된 특징점이 선형을 이루는 경우 12그림9 선택된 특징점이 특정 영역에 군집을 이루는 경우 12그림10 삼각형의 넓이를 이용한 샘플링 방법그림11 Median Flow Filter 16그림12 호모그래피 기반의 카메라 자세 추정을 위한 시스템 구조 19그림13 ''Preprocessing'' 단계 21그림14 이미지를 나누기 위한 NxN의 격자와 CSP의 변수 22그림15 제약조건을 적용한 샘플링 결과(13x13) 25그림16 임의로 생성되는 점 Xi를 이용한 평가 31그림17 수동으로 매칭 한 [Xi-Yi]를 이용한 평가 32그림18 <실험1> 임의로 생성되는 점 Xi를 이용한 호모그래피 정확도 평가(오차율 1) 34그림19 <실험1> 수동으로 매칭 한 [Xi-Yi]를 이용한 호모그래피 정확도 평가(오차율 2) 34그림20 <실험1> RANSAC 알고리즘의 수행시간 34그림21 <실험2> 이미지 집단 G1의 결과 39그림22 <실험2> 이미지 집단 G2의 결과 39그림23 <실험2> 이미지 집단 G3의 결과 40
최근 본 자료
댓글(0)
0