• 방송공학회논문지
• /
• 제25권5호
• /
• pp.798-807
• /
• 2020

디지털 카메라와 휴대폰 카메라의 발달로 인해 이미지를 기반으로 3차원 물체를 복원하는 기술이 크게 발전했다. 하지만 Structure-from-Motion(SfM)과 Multi-view Stereo(MVS)를 이용한 결과인 dense point cloud에는 여전히 듬성한 영역이 존재한다. 이는 깊이 정보를 추정하는데 있는 어려움과, 깊이 지도를 point cloud로 fusing할 때 이웃 영상과의 깊이 정보가 불일치할 경우 깊이 정보를 삭제하고 point를 생성하지 않았기 때문이다. 본 논문에선 평면을 모델링하여 삭제된 깊이 정보에 새로운 깊이 정보를 부여하고 point를 생성하여 기존 결과보다 dense한 point cloud를 생성하는 알고리즘을 제안한다. 실험 결과를 통해 제안하는 알고리즘이 효과적으로 기존의 방법보다 dense한 point cloud를 생성함을 확인할 수 있다.

• 대한의용생체공학회:의공학회지
• /
• 제44권4호
• /
• pp.255-263
• /
• 2023

Clinical ultrasound (US) is a widely used imaging modality with various clinical applications. However, capturing a large field of view often requires specialized transducers which have limitations for specific clinical scenarios. Panoramic imaging offers an alternative approach by sequentially aligning image sections acquired from freehand sweeps using a standard transducer. To reconstruct a 3D volume from these 2D sections, an external device can be employed to track the transducer's motion accurately. However, the presence of optical or electrical interferences in a clinical setting often leads to incorrect measurements from such sensors. In this paper, we propose a deep learning (DL) framework that enables the prediction of scan trajectories using only US data, eliminating the need for an external tracking device. Our approach incorporates diverse data types, including correlation volume, optical flow, B-mode images, and rawer data (IQ data). We develop a DL network capable of effectively handling these data types and introduce an attention technique to emphasize crucial local areas for precise trajectory prediction. Through extensive experimentation, we demonstrate the superiority of our proposed method over other DL-based approaches in terms of long trajectory prediction performance. Our findings highlight the potential of employing DL techniques for trajectory estimation in clinical ultrasound, offering a promising alternative for panoramic imaging.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.13-20
• /
• 2023

본 논문에서는 LSTM-Autoencoder 기반 특징추출과 재구성 데이터를 이용한 수온 예측 방법을 제안한다. 냉수대 현상이 발생한 동해 낙산 지역의 해수면 수온과 수온에 영향을 미치는 풍향, 풍속 등 다변량 시계열 데이터를 이용하고, LSTM-Autoencoder 모델을 이용하여, 원본 데이터의 차원 축소를 통해 추출된 특징 데이터를 원본 데이터의 다변수 데이터로 결합한 데이터, 복원 데이터, 원본 데이터 총 3가지를 사용한다. 수온 예측을 위해 LSTM 모델에 3가지 데이터를 학습하고, 정확도를 평가한 결과 MAE 0.3652, RMSE 0.5604, MAPE 3.309%으로 LSTM-Autoencoder의 특징추출을 이용한 수온 예측 정확도가 가장 우수한 성능을 보이는 것을 확인하였다. 본 연구의 결과는 냉수대와 같이 해수면 수온 변화가 급변하는 구간의 예측 정확도를 높여, 자연재해의 피해를 예방할 수 있을 것으로 기대한다.

• 로봇학회논문지
• /
• 제19권1호
• /
• pp.98-105
• /
• 2024

This paper proposes a new approach with a distance-based regularization to the entropy applied to the NBV (Next-Best-View) selection with NeRF (Neural Radiance Fields). 3D reconstruction requires images from various viewpoints, and selecting where to capture these images is a highly complex problem. In a recent work, image acquisition was derived using NeRF's ray-based uncertainty. While this work was effective for evaluating candidate viewpoints at fixed distances from a camera to an object, it is limited when dealing with a range of candidate viewpoints at various distances, because it tends to favor selecting viewpoints at closer distances. Acquiring images from nearby viewpoints is beneficial for capturing surface details. However, with the limited number of images, its image selection is less overlapped and less frequently observed, so its reconstructed result is sensitive to noise and contains undesired artifacts. We propose a method that incorporates distance-based regularization into entropy, allowing us to acquire images at distances conducive to capturing both surface details without undesired noise and artifacts. Our experiments with synthetic images demonstrated that NeRF models with the proposed distance and entropy-based criteria achieved around 50 percent fewer reconstruction errors than the recent work.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권2호
• /
• pp.104-109
• /
• 2010

조명반사 문제는 영상 분석에서 흔히 존재하는 문제점이며, 영상 분석에서 필요로 하는 주요 특징들을 검출하는 데 많은 어려움을 야기한다. 특히 이러한 문제점은 야간이나 우천 시에 더욱 두드러지는 것으로 알려졌다. 본 논문에서는 조명 반사에 의해 특징 분석이 어려운 영역에서 조명 반사를 제거하거나 반사되지 않은 상태로 복원하는 것을 목표로 한다. 본 논문에서는 다중 영상에서 획득된 다중 기하정보를 이용한 3차원 공간 분석과 기하학적 접근을 시도한다. 이러한 방법들에서 얻어진 정보들을 바탕으로 조명 반사가 이루어지는 영상들을 조합하여 조명 반사를 제거하는 방법을 제안한다. 조명 반사 영역을 제거하기 위하여 영상 내에서 조명 및 반사영역을 수직 히스토그램의 국부 최대값을 이용하여 추출한다. 이 후, 각 영상 내에서 도로 표면에 해당하는 영역을 추출하기 위해서 필요한 기본 행렬과 상동 관계 행렬을 다중 영상들의 대응점들을 분석하여 계산한다. 이렇게 얻어진 각 영상들의 도로표면을 기준 영상에 배치하여, 양쪽 영상에서 조명 반사가 상대적으로 적은 영역을 선택하는 방법을 취한다. 이러한 과정에 의하여 중복되지 않는 도로표면의 반사는 효과적으로 감소되었으며 도로가 가지고 있는 고유한 정보 또한 손실되지 않았다. 수집된 데이터를 이용하여 실험한 결과는 계산 속도에 비하여 뛰어난 성능을 보여주었으나 기하학적 공통 영역 부분의 복원은 상대적으로 부족한 것으로 판단되었다.

• Ecology and Resilient Infrastructure
• /
• 제7권1호
• /
• pp.1-14
• /
• 2020

하천과 홍수터 생태계에서 생물지형학 연구는 폭 넓은 시공간 차원에서 생물계와 수문-지형체계 사이의 복잡한 다중관계를 다루어 왔다. 본 총설에서는 하천에서 (1) 생물과 수문지형 조건의 다자간 관계, (2) 생물다양성과 서식처 이질성의 관계, (3) 생태계 유형에 대한 교란의 영향에 대하여 설명함으로써 하천지형생물학의 범위와 과정을 논의하였다. 시간적으로 하천의 생물지형 복합체는 지형, 선구, 생물지형 및 생태적 단계의 순서로 전환이 된다. 공간적으로 물 흐름과 유사 분포가 식생과 상호작용하여 하도 지형의 변화가 일어난다. 이렇게 형성된 하천의 공간적 이질성은 하안의 생물종다양성을 증가시킨다. 그러나 댐 하류 하천에서는 서식처 유형과 조건이 심각하게 훼손되어 생물다양성이 저하된다. 우리나라의 하천에서는 최근 국지적 교란과 전 지구적 기후변화로 하안 식생이 번무하고 특히 외래종이 빠르게 정착하고 있다. 따라서 급격한 기후변화와 인류에 의한 압박의 시대에서 하천 생물과 수문지형 조건 사이의 상호 관계를 이해하는 것이 더욱 중요할 것으로 생각된다. 이 총설에서 논의한 하천 생물지형 개념틀은 우리나라 하천의 생태적 관리와 복원에 기여할 것으로 기대된다.

• 대한토목학회논문집
• /
• 제33권3호
• /
• pp.875-888
• /
• 2013

최근에는 초탄성 형상기억합금을 구조물 일부에 설치하여 지진과 같은 외부 충격하중으로 인해 발생되는 영구적인 소성 변형을 줄이고 자동치유가 가능한 변위제어 시스템을 개발하는 연구가 활발하게 진행되고 있다. 초탄성 형상 기억합금은 상당량의 변위를 가하더라도 별도의 열처리 없이도 상온에서 단지 하중만을 제거하여도 원형으로 복원이 가능한 독특한 합성 금속재료이다. 뼈대 구조물에서 변형이 집중이 되는 부위에 기존에 사용된 강재를 대신하여 초탄성 형상기억합금을 사용한다면 시스템의 복원 효과를 극대화 시킬 수 있다. 따라서 본 연구는 내진성능이 우수한 좌굴방지 가새프레임에 초탄성 형상기억합금 소재를 접목시킨 새로운 구조 시스템을 제안하고 자 한다. 본 연구에서 제안된 구조시스템의 성능을 검증하기 위하여 현재 사용되는 설계코드를 참고하여 6층의 가새프레임 빌딩을 설계를 하고 2차원적인 유한요소 프레임 모델에 각각의 지진 위험도 레벨의 가속도 데이터를 사용하여 비선형 동적 해석을 실시하였다. 해석결과를 바탕으로 초탄성 형상기억합금 가새시스템을 사용한 프레임 구조물과 기존의 가새시스템을 성능적인 측면에서 서로 비교하였다. 해석결과는 지진하중 이후에 초탄성 형상기억합금 가새시스템은 구조물에 잔류 처짐을 감소하는데 매우 효율적임을 보여주고 있다.

• 한국해양학회지
• /
• 제29권3호
• /
• pp.228-238
• /
• 1994

제4기 동안에 일어난 해수면 변화는 지역적 그리고 나아가 전 지구 기후변화에 좋 은 지시자가 되고 있다. 세계 해수면은 제 4기 동안 매우 불규칙하게 변해왔는데 여기 에 대한 정밀한 수학적 접근은 어려운 실정이었다. 이 연구에서 처음으로 세계 해수면 변동자료에 확율 프랙탈을 적용하여 제4기 해수면 변동을 재구성 하였다. 미국 대서양 연안에 위치한 허드슨만과 델라웨어 해안의 홀로세 해수면 변화에 대한 프랙탈 차원을 상자 계산 방법으로 측정한 결과, 허드슨만 해수면 분노는 프랙탈 차원이 1,358이고 델라웨어 해수면 변화는 1,346이다. 프랙탈 내삽함수의 역산 방법 (IFIF)의 유효성이 허드슨만과 델라웨어 해수면의 내삽에 의해서 검증되었고, IFIF에 의해서 두지역에서 의 합리적인 해수면들이 복원되었다. 델라웨어 해수면 자료는 허드슨 해수면 자료보다 IFIF의 내삽에 대해 통계적 오차가 적게 나타나는데, 이는 델라웨어 해수면 자료가 허 드슨 자료보다 더 신빙성이 높다는 것을 의미한다. IFIF는 한국 해안의 해수면을 추정 하는 데도 이용되었는데, 한국 해안의 해수면 자료는 허드슨만이나 델라웨어 지역보다 자료가 충분치 못하다. 따라서 IFIF 의 적용 통계 오차가 적은 텔라웨어 해수면 자료 에서 구한 프랙탈 차원을 사용하여 한국 해안에 대한 IFIF의 수직 비율 인자를 계산하 였다.함수(FIF)를 한국 해안과 미국 대서양 연안의 고해수면의 재구성에 적용한 결과,한국의 고해수면은 미국의 고해수면과 다른 변화를 보였다.8000년 전부터 현재까지 두지역의 해수면은 비교해 보면 한국 해수면이 미국 해수면 보다 훨씬 높았다.

• 대한전자공학회논문지SP
• /
• 제37권1호
• /
• pp.1-15
• /
• 2000

3차원 형상의 복구를 위하여 일반적으로 다른 방향에서 취득한 거리 영상을 하나의 좌표계로 변환하는 과정이 필요하다. 본 논문에서는 이러한 과정 중 레지스트레이션과 인티그레이션에 관한 연구 결과를 제시한다 레지스트레이션에 대해서는 가존의 ICP 알고리듬의 수렴 속도 향상을 위해 높은 곡률을 갖는 데이터에 가중치를 주는 2 단계의 알고리듬을 제안한다 첫 번째 단계에서는 모든 거리 데이터 이용하여 적당한 정도의 레지스트레이션을 수행하고 두 번째 단계에서 높은 곡률을 가진 점들만을 이용하여 보다 정확한 레지스트레이션을 수행한다 인티그레이션 알고리듬으로는 가준 좌표계로 변환된 모든 거리 영상간의 전체 오차를 최소화하기 위해 2장간의 거리 영상에 대한 ICP 알고리듬을 임의의 N장의 거리 영상에 대하여 적용할 수 있도록 일반화하는 알고리듬을 제안하였다 제안하는 알고리듬을 통하여 2장간의 변환을 순차적으로 수행하여 기준 좌표계로의 변환을 얻었을 때 레지스트레이션 오차가 누적되는 문제점을 해결하였다 실험결과 레지스트레이션 알고리듬은 펜티움 150MHz PC 환경에서 l분정도의 수행시간을 나타내었다 실험 결과는 제안하는 기법이 적절한 시간내에 모든 거리 데이터들을 오차가 고르게 분포하는 모델을 형성할 수 있음을 보인다.

• 대한전자공학회논문지SD
• /
• 제45권6호
• /
• pp.49-59
• /
• 2008

본 논문에서는 SIFT(Scale Invariant Feature Transform) 알고리즘을 임베디드 환경에서 실시간으로 처리하기 위해 가장 연산량이 많은 특징점 위치 결정 단계를 고정 소수점 모델로 설계 및 분석하고 그에 근거한 하드웨어 구조를 제안한다. SIFT 알고리즘은 객체의 꼭지점이나 모서리와 같이 색상 성분의 차가 심한 구역에서 얻어진 특징점 주위 픽셀의 벡터성분을 추출하는 알고리즘으로, 현재 얼굴인식, 3차원 객체 인식, 파노라마, 3차원 영상 복원 작업의 핵심 알고리즘으로 연구 되고 있다. 본 알고리즘에 대한 최적의 하드웨어 구현을 위해 특징점 위치(Keypoint Localization)와 방향(Orient Assignment)에 대한 정확도, 오차율을 사용하여 고정 소수점 모델에서 각 중요 변수들의 비트 크기를 결정 한다. 얻어진 고정 소수점 모델은 원래의 부동 소수점 모델과 비교했을 때 정확도 93.57%, 오차율 2.72%의 결과를 보이며, 고정 소수점 모델은 부동 소수점 모델과 비교하여 제거된 특징점의 대부분이 두 영상에서 추출된 특징점 끼리의 매칭과정에서 불필요한 객체의 모서리 영역에 몰려있음을 확인했다. 고정 소수점 모델링 결과 ARM 400MHz 환경에서 약 3시간, Pentium Core2Duo 2.13GHz 환경에서 약 15초의 연산시간을 갖는 부동 소수점 모델이 동일한 환경에서 약 1시간과 10초의 연산시간을 가지며, 최적화된 고정 소수점 모델을 하드웨어로 구현 시 $10{\sim}15\;frame/sec$의 성능을 보일 것으로 예상한다.