Abstract
Automatic object recognition in 3D measuring data is of great interest in many application fields e.g. computer vision, reverse engineering and digital factory. In this paper we present a software tool for a fully automatic object detection and parameter estimation in unordered and noisy point clouds with a large number of data points. The software consists of three interactive modules each for model selection, point segmentation and model fitting, in which the orthogonal distance fitting (ODF) plays an important role. The ODF algorithms estimate model parameters by minimizing the square sum of the shortest distances between model feature and measurement points. The local quadric surface fitted through ODF to a randomly touched small initial patch of the point cloud provides the necessary initial information for the overall procedures of model selection, point segmentation and model fitting. The performance of the presented software tool will be demonstrated by applying to point clouds.
측정점으로부터의 3차원 객체 자동인식은 컴퓨터비전, 지능형로봇 등의 분야에서 주요 연구주제이다. 본 논문에서 저자는 측정오차가 포함되어 있으며 정렬되지 않은 대용량 3차원 측정점으로부터 객체를 자동적으로 추출하며 그 형상계수를 추정하는 소프트웨어 기술에 대한 소개를 하고자 한다. 해당 소프트웨어는 기능적으로 상호 연결된 형상모델 제시, 측정점 분할, 형상모델 맞춤의 세 부분으로 이루어졌으며 최단거리 최소제곱법(ODF)이 핵심요소이다. ODF는 형상모델과 측정점 사이의 최단거리의 제곱합을 최소화하는 형상모델 계수를 추정한다. 무작위로 선정된 부분 측정점에 대한 임시 형상모델로서 이차 곡면이 ODF에 의하여 구하여지면 우리는 이로부터 3차원 객체를 자동적으로 추출하는 과정인 최종 형상모델 제시, 측정점 분할, 형상모델 맞춤에 필요한 초기값을 제공할 수 있다. 소개된 소프트웨어 기술을 실제 3차원 측정점에 적용함으로써 그의 성능을 확인하고자 한다.
