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
- 박인규
- 발행연도
- 2013
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (3)
2013
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 한 장의 깊이 영상을 이용한 효율적인 내용기반 3차원 모델 검색 기법을 제안한다. 완성된 3차원 모델 데이터를 질의로 사용하는 기존의 알고리즘은 실세계에서 입력 데이터를 취득하기가 매우 어려우며, 사용자의 스케치나 컬러 영상을 사용하는 경우는 3차원 형상 정보의 부재로 인해 정확한 검색이 어렵다. 따라서 입력 질의 데이터의 편리한 취득과 함께 높은 검색 성능을 갖는 3차원 모델 검색 알고리즘의 개발이 필요하다. 제안하는 알고리즘은 3차원 카메라로부터 실제 물체의 깊이 영상을 쉽게 취득하여 이를 입력 질의로 사용한다. 또한 데이터베이스의 모델은 제안하는 적응적 시점 샘플링 기법을 통해 생성된 깊이 영상의 집합으로 표현되어, 3차원 모델의 기하학적 특징을 검색에 이용할 수 있다. 본 논문에서 제안하는 기법은 입력 질의 깊이 영상의 전처리 과정, 3차원 모델의 다중 깊이 영상 기반 표현과정 그리고 유사도 비교 과정의 총 세 단계로 구성된다. 입력 질의 깊이 영상의 전처리 과정에서는 3차원 카메라로부터 취득된 깊이 영상의 잡음과 원근 성분을 제거한다. 3차원 모델의 다중 깊이 영상 기반 표현과정 에서는 3차원 모델의 중요도를 파악하여 입력 질의 깊이 영상과의 비교에 적절한 카메라 시점들을 적응적으로 샘플링한다. 유사도 비교 과정에서는 적응적으로 샘플링된 시점에서 데이터베이스 모델을 렌더링하여 취득한 깊이 영상과 입력 질의 깊이 영상의 회전불변 기술자를 생성하고, 이들을 비교하여 유사도를 측정한다. 실험결과 제안하는 기법은 한 장의 깊이 영상만을 입력 질의로 사용하는 간편함을 사용자에게 제공하며, 완전한 3차원 모델이나 멀티뷰 깊이 영상을 입력 질의로 사용하는 타 알고리즘에 근접한 검색 성능을 보임을 확인할 수 있다.
목차
목 차목 차 I그림 목차 III표 목차 V요 약 VIAbstract VII1. 서론 12. 기존의 연구 52.1 내용기반 3차원 모델 검색 기법의 분류와 특징 52.1.1 특징 기반 방식 62.1.2 그래프 기반 방식 82.1.3 시점 기반 방식 102.2 제안하는 알고리즘의 개요 153. 입력 질의 깊이 영상의 전처리 과정 193.1 입력 깊이 영상 취득 193.2 3차원 카메라의 잡음 제거 203.3 입력 영상의 원근 보정 204. 3차원 모델의 다중 깊이 영상 기반 표현 234.1 데이터베이스 모델의 정규화 234.2 20면체의 순환 분할을 통한 초기 시점 샘플링 244.3 서로 다른 카메라 시점에 대한 깊이 영상의 중요도 계산 254.3.1 면적(area) 중요도 264.3.2 곡률(curvature) 중요도 274.3.3 카메라 자세(pose) 중요도 294.4 카메라 시점의 적응적 샘플링 335. 회전불변 기술자 생성 및 유사도 비교 355.1 회전 불변 기술자 생성 355.2 유사도 비교 375.2.1 기술자를 통한 유사도 계산 375.2.2 계산량 분석 385.2.3 유사도 측정의 병렬화 386. 실험 결과 416.1 실제 물체의 영상을 통한 성능 분석 436.2 가상 장면에서의 깊이 영상을 통한 성능 분석 487. 결론 및 향후 연구 53참고 문헌 55감사의 글 59그림 목차그림 1. 3차원 모델링 프로그램과 3차원 모델검색 서비스 2그림 2. Microsoft Kinect 3그림 3. 질의 입력에 따른 3차원 모델 검색 개요 5그림 4. 히스토그램 그램을 이용한 유사도 측정 알고리즘 7그림 5. Reeb graph를 통한 모델 검색 9그림 6. 시점 기반 검색 방식의 예 10그림 7. Lightfield 기술자를 통한 검색 기법 11그림 8. 깊이 영상의 실루엣 윤곽선을 이용한 검색 기법 12그림 9. 주축 당 64단계의 복셀 형태로 표현된 3차원 모델 13그림 10. SIFT를 이용한 지역적 특징 생성 예 14그림 11. 알고리즘을 기능적 측면으로 구분하여 나타낸 전체 흐름도 16그림 12. Grabcut을 이용한 객체 분할 19그림 13. Bilateral-filtering 수행 결과 21그림 14. 입력 질의 깊이 영상의 원근 성분 제거. 22그림 15. 3차원 모델의 정규화 24그림 16. 20면체의 순환 분할 25그림 17. 면적 중요도 가중치에 따른 카메라 시점 샘플링 결과 28그림 18. 곡률 중요도 가중치에 따른 카메라 시점 샘플링 결과 30그림 19. 자세 중요도 가중치에 따른 카메라 시점 샘플링 결과 31그림 20. 카메라 시점에 따른 중요도 변화 32그림 21. 순환분할 깊이 가중치에 따른 카메라 시점 샘플링 결과 34그림 22. 제안된 가중치를 사용하여 카메라 시점을 샘플링한 결과 36그림 23. 기술자간 비교 및 유사 모델 검색 과정 37그림 24. 3차원 모델 검색 인터페이스 41그림 25. Prinston Shape Benchmark(PSB)의 모델의 사례 42그림 26. 자동차 모형 검색 결과 44그림 27. 신발 검색 결과 45그림 28. 석고상 검색 결과 46그림 29. 정밀도-재현률 수치 측정을 위해 사용된 깊이 영상 set의 예 48그림 30. 적응적 시점 샘플링에 따른 검색 성능 비교 49그림 31. 깊이 영상 해상도에 따른 성능 비교 49그림 32. 깊이 영상 수에 따른 성능 비교 51그림 33. 다른 3차원 모델 검색 알고리즘과의 성능 비교 51표 목차표 1. 온라인 알고리즘에서의 수행시간 43
최근 본 자료
댓글(0)
0