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
- 안은영
- 발행연도
- 2016
- 저작권
- 한밭대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
레이저 스캐너, 깊이 감지 카메라와 같은 3차원 입력장치를 이용한 산업 분야가 확장되어 가는 가운데, 3D 역설계, 가상 문화재 복원 등 현실세계의 물체를 디지털화 하는 기술이 각광받고 이에 관련하여 3차원 입력장치에서 입력된 점군 데이터를 이용하여 가상공간에 재구성하는 연구도 활발히 진행되고 있다.
객체를 가상공간에 재구성하기 위해서는 서로 다른 시점에서 입력된 점군 데이터를 기준 축에 맞춰 정렬하는 작업이 필요한데, 이를 정합이라 한다. 현재 3차원 입력장치의 기술은 빠르게 진보하고 있지만 여전히 빛의 굴절과 반사, 그림자 발생 등에 취약하다. 또한, 입력 시점에서의 카메라 정면을 제외한 영역은 데이터의 왜곡이 발생하는데 이는 정합을 더욱 어렵게 만드는 요인이다.
기존에 제안된 눈에 띄는 정합에 관한 연구들[6~10]은 정합을 수행하는 데이터간의 입력 시점의 차이가 거의 없거나 형태가 같거나 매우 유사한 경우가 대부분이다. 또한 기존의 연구결과는 점의 지역적 특징을 이용하기 때문에 점의 개수, 노이즈와 형태 왜곡에 따라 정합 수행 결과의 차이가 매우 크다.
본 연구에서는 기존 연구의 맹점인 데이터 손실, 윤곽 교합현상, 오류 누적 등의 정합 실패 요인을 극복하기 위해 객체의 영역을 4분면으로 분할하고 분할된 분면을 기준으로 객체의 형태를 정렬하고 병합하는 방법으로 정합 과정을 계층화 한다. 또한, 점 특징 히스토그램을 통해 점의 지역 특성이 아닌 전역 기하 특성을 이용하여 정합을 수행한다. 이와 같은 정합 과정을 통해 입력 시점의 차이가 큰 깊이 영상이나 객체의 의 영역을 입력한 다수의 깊이 영상에서도 올바른 정합을 수행하여 객체의 전체 형상을 자동으로 복원하는 방안을 제안한다.
객체를 가상공간에 재구성하기 위해서는 서로 다른 시점에서 입력된 점군 데이터를 기준 축에 맞춰 정렬하는 작업이 필요한데, 이를 정합이라 한다. 현재 3차원 입력장치의 기술은 빠르게 진보하고 있지만 여전히 빛의 굴절과 반사, 그림자 발생 등에 취약하다. 또한, 입력 시점에서의 카메라 정면을 제외한 영역은 데이터의 왜곡이 발생하는데 이는 정합을 더욱 어렵게 만드는 요인이다.
기존에 제안된 눈에 띄는 정합에 관한 연구들[6~10]은 정합을 수행하는 데이터간의 입력 시점의 차이가 거의 없거나 형태가 같거나 매우 유사한 경우가 대부분이다. 또한 기존의 연구결과는 점의 지역적 특징을 이용하기 때문에 점의 개수, 노이즈와 형태 왜곡에 따라 정합 수행 결과의 차이가 매우 크다.
본 연구에서는 기존 연구의 맹점인 데이터 손실, 윤곽 교합현상, 오류 누적 등의 정합 실패 요인을 극복하기 위해 객체의 영역을 4분면으로 분할하고 분할된 분면을 기준으로 객체의 형태를 정렬하고 병합하는 방법으로 정합 과정을 계층화 한다. 또한, 점 특징 히스토그램을 통해 점의 지역 특성이 아닌 전역 기하 특성을 이용하여 정합을 수행한다. 이와 같은 정합 과정을 통해 입력 시점의 차이가 큰 깊이 영상이나 객체의 의 영역을 입력한 다수의 깊이 영상에서도 올바른 정합을 수행하여 객체의 전체 형상을 자동으로 복원하는 방안을 제안한다.
목차
목 차표 목 차 ⅰ그 림 목 차 ⅱ국 문 요 약 ⅳⅠ. 서 론 11.1 연구 배경 및 목적 1Ⅱ. 점군 데이터의 정합 32.1 점군 데이터의 특징 추정 42.1.1 점 특징 히스토그램(PFH) 42.1.2 고속 점 특징 히스토그램(FPFH) 72.2 점군 데이터의 대응점 추정 및 정합 9Ⅲ. 다중 시점 입력 데이터의 다중 정합 방안 123.1 점군 데이터의 다중 정합 123.1.1 노이즈 제거 143.1.2 다운 샘플링 163.2 정합 실패 요인 183.2.1 윤곽 교합 현상에 의한 정합 실패 203.2.2 데이터의 비교 영역 차이에 의한 정합 실패 213.2.3 객체의 형태에 따른 정합 실패 223.3 제안하는 정합 방안 233.4 표면 복원 26Ⅳ. 구현 프로그램 및 실험 환경 274.1 3차원 객체 복원 프로그램 274.2 시험 환경 30Ⅴ. 구현 결과 335.1 데이터 입력 및 전처리 335.1.1 데이터 입력 335.1.2 관심 영역 설정 345.2 점군 데이터의 최적화 375.2.1 필터링 375.2.2 다운 샘플링 395.3 정합 415.3.1 1차 정합 415.3.2 필터링 445.3.3 2차 정합 455.3.4 최종 정합 475.4 표면 복원 495.4.1 노이즈 제거 495.4.1 평활화 및 다운 샘플링 515.4.3 표면 복원 53Ⅵ. 결 론 54참 고 문 헌 56영 문 요 약ABSTRACT 59
최근 본 자료
댓글(0)
0