DOI QR코드

DOI QR Code

A Study of 3D World Reconstruction and Dynamic Object Detection using Stereo Images

스테레오 영상을 활용한 3차원 지도 복원과 동적 물체 검출에 관한 연구

  • Seo, Bo-Gil (Defence agency for Technology and Quality(DTaQ)) ;
  • Yoon, Young Ho (Defence agency for Technology and Quality(DTaQ)) ;
  • Kim, Kyu Young (Defence agency for Technology and Quality(DTaQ))
  • Received : 2019.07.24
  • Accepted : 2019.10.04
  • Published : 2019.10.31

Abstract

In the real world, there are both dynamic objects and static objects, but an autonomous vehicle or mobile robot cannot distinguish between them, even though a human can distinguish them easily. It is important to distinguish static objects from dynamic objects clearly to perform autonomous driving successfully and stably for an autonomous vehicle or mobile robot. To do this, various sensor systems can be used, like cameras and LiDAR. Stereo camera images are used often for autonomous driving. The stereo camera images can be used in object recognition areas like object segmentation, classification, and tracking, as well as navigation areas like 3D world reconstruction. This study suggests a method to distinguish static/dynamic objects using stereo vision for an online autonomous vehicle and mobile robot. The method was applied to a 3D world map reconstructed from stereo vision for navigation and had 99.81% accuracy.

실제 환경에서는 움직이지 않는 정적 물체만큼이나 많은 수의 움직이는 동적 물체가 존재한다. 사람은 정적 물체와 동적 물체를 쉽게 구분할 수 있지만, 자율 주행 차량이나 모바일 로봇은 이를 구분하지 못한다. 따라서 차량이나 로봇이 성공적이고 안정적인 자율 주행을 수행하기 위해서는 정적 물체와 동적 물체를 정확하게 구분하는 것이 중요하다. 이를 수행하기 위해서 자율 주행 차량이나 모바일 로봇은 카메라, 라이다 등과 같은 다양한 센서 시스템을 활용할 수 있다. 그중에서 스테레오 카메라 영상은 자율 주행을 위해 많이 활용하는 데이터이다. 스테레오 카메라 영상은 물체 분할, 분류, 추적과 같은 물체 인식 분야는 물론 3차원 지도 복원과 같은 네비게이션 분야에 활용할 수 있다. 본 연구에서는 실시간으로 주행하는 차량과 로봇을 위하여 스테레오 영상을 활용한 정적/동적 물체 구분 방법을 제안하고, 향후 네비게이션 목적으로도 활용할 수 있도록 3차원 지도를 복원하여 이를 적용한 결과 및 성능 확인을 위한 정확도 분석 결과(99.81%)를 제시한다.

Keywords

References

  1. E. Mouragnon, M. Lhuillier, M. Dhome, F. Dekeyser, P. Sayd, "Real Time Localization and 3D Reconstruction," IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 363-370, 2006. DOI: http://dx.doi.org/10.1109/CVPR.2006.236
  2. H. Lategahn, T. Graf, C. Hasberg, B. Kitt, J. Effertz, "Mapping in dynamic environments using stereo vision," IEEE Intelligent Vehicles Symposium (IV), pp. 150 - 156, 2011. DOI: http://dx.doi.org/10.1109/IVS.2011.5940450
  3. R. Hartley, A. Zisserman, "Multiple View Geometry in Computer Vision," 2nd ed. Cambridge, U.K.: Cambridge Univ. Press, Mar. 2004.
  4. J. Klappstein, F. Stein, U. Franke, "Monocular motion detection using spatial constraints in a unified manner," IEEE Intelligent Vehicles Symposium, pp.261 267, 2006. DOI: http://dx.doi.org/10.1109/IVS.2006.1689639
  5. B. D. Lucas, T. Kanade, "An iterative image registration technique with an application to stereo vision," International Joint Conference on Artificial Intelligence, pp. 674-679, 1981.
  6. A. Geiger, M. Roser, R. Urtasun, "Efficient large-scale stereo matching," Asian Conference on Computer Vision(ACCV), November 2010. DOI: http://dx.doi.org/10.1007/978-3-642-19315-6_3