• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 하계종합학술대회 논문집
• /
• pp.627-630
• /
• 1999

For depth extraction from the focus and recovery the shape, determination of criterion function for focus measure and size of the criterion window are very important. However, Texture, illumination, and magnification have an effect on focus measure. For that reason, depth map has a partial high and low peak. In this paper, we propose a depth extraction method from focused images using the error interpolation. This method is modified the error depth into mean value between two normal depth in order to improve the depth map.

• 제어로봇시스템학회논문지
• /
• 제18권12호
• /
• pp.1115-1121
• /
• 2012

This paper proposes a method to extract accurate plane of an object in unstructured environment for a humanoid robot by using a laser scanner. By panning and tilting 2D laser scanner installed on the head of a humanoid robot, 3D depth map of unstructured environment is generated. After generating the 3D depth map around a robot, the proposed plane extraction method is applied to the 3D depth map. By using the hierarchical clustering method, points on the same plane are extracted from the point cloud in the 3D depth map. After segmenting the plane from the point cloud, dimensions of the planes are calculated. The accuracy of the extracted plane is evaluated with experimental results, which show the effectiveness of the proposed method to extract planes around a humanoid robot in unstructured environment.

• 한국멀티미디어학회논문지
• /
• 제22권5호
• /
• pp.547-557
• /
• 2019

To extract the depth map from a single image, a number of CNN-based deep learning methods have been performed in recent research. In this study, the GAN structure of Pix2Pix is maintained. this model allows to converge well, because it has the structure of the generator and the discriminator. But the convolution in this model takes a long time to compute. So we change the convolution form in the generator to a depthwise convolution to improve the speed while preserving the result. Thus, the seven down-sizing convolutional hidden layers in the generator U-Net are changed to depthwise convolution. This type of convolution decreases the number of parameters, and also speeds up computation time. The proposed model shows similar depth map prediction results as in the case of the existing structure, and the computation time in case of a inference is decreased by 64%.

• 한국통신학회논문지
• /
• 제37C권9호
• /
• pp.751-756
• /
• 2012

본 논문에서는 색상 카메라와 Time-of-Flight (TOF) 깊이 카메라를 이용해 촬영된 장면에서 전경 영역을 분리하고 영상의 고해상도 깊이 정보를 구하는 방법에 대해 제안한다. 깊이 카메라는 장면의 깊이 정보를 실시간으로 측정할 수 있는 장점이 있지만 잡음과 왜곡이 발생하고 색상 영상과의 상관도도 떨어진다. 따라서 이를 색상 영상과 함께 사용하기 위한 색상 영상의 영역화 및 깊이 카메라 영상의 3차원 투영(warping) 작업, 깊이 경계 영역 탐색 등을 진행한 후, 전경의 객체를 분리하고, 객체와 배경에 대하여 깊이 값 계산한다. 깊이 카메라로부터 얻은 초기 깊이 정보를 이용하여 색상 영상에서 구해진 깊이 맵은 기존의 방법인 스테레오 정합 등의 방법보다 우수한 성능을 나타내었고, 무늬가 없는 영역이나 객체 경계 영역에서도 정확한 깊이 정보를 구할 수 있었다.

• 전자통신동향분석
• /
• 제35권5호
• /
• pp.112-122
• /
• 2020

In 3D computer graphics, a depth map is an image that provides information related to the distance from the viewpoint to the subject's surface. Stereo sensors, depth cameras, and imaging systems using an active illumination system and a time-resolved detector can perform accurate depth measurements with their own light sources. The 3D image information obtained through the depth map is useful in 3D modeling, autonomous vehicle navigation, object recognition and remote gesture detection, resolution-enhanced medical images, aviation and defense technology, and robotics. In addition, the depth map information is important data used for extracting and restoring multi-view images, and extracting phase information required for digital hologram synthesis. This study is oriented toward a recent research trend in deep learning-based 3D data analysis methods and depth map information extraction technology using a convolutional neural network. Further, the study focuses on 3D image processing technology related to digital hologram and multi-view image extraction/reconstruction, which are becoming more popular as the computing power of hardware rapidly increases.

• 한국멀티미디어학회논문지
• /
• 제13권12호
• /
• pp.1855-1862
• /
• 2010

In virtual reality, there are increasing qualitative development in service technologies for realtime interaction system development, 3- dimensional contents, 3D TV and augment reality services. These services experience difficulties to generate depth value that is essential to recover 3D space to form solidity on existing contents. Hence, research for the generation of effective depth-map using 2D is necessary. This thesis will describe a shortcoming of an existing depth-map generation for the recovery of 3D space using 2D image and will propose an enhanced depth-map generation algorithm that complements a shortcoming of existing algorithms and utilizes the definition of depth direction based on the vanishing point within image.

• 한국산업정보학회논문지
• /
• 제7권1호
• /
• pp.81-88
• /
• 2002

보 논문에서는 각 주제도를 표현하는 선의 굵기가 서로 다른 두 개의 주제도를 포함하는 래스터 영상으로부터 각 주제도를 분리추출하는 기법을 제안한다. 제안된 기법에서는 각 화소에 대해 그 화소가 주변 화소들로부터 둘러싸인 정도를 표현하는 정도인 깊이를 계산하고 나서 세선화를 수행한다. 세선화된 결과에 깊이 문턱치를 이용하여 먼저 두 개의 주제도로 분리한다. 분리된 각 주제도에는 골격선과 무관한 잡영과 골격선의 끊어짐이 존재한다. 각 주제도에서 잡영을 제거하고 끊어진 골격선을 연결하여 분리추출을 완성한다. 실험을 통하여 제안된 기법이 두 개의 주제도를 포함하는 래스터 영상으로부터 각 주제도를 분리추출 하는데 유용하게 사용할 수 있음을 보였다.

• 한국멀티미디어학회논문지
• /
• 제14권2호
• /
• pp.329-338
• /
• 2011

증강현실에서 다양한 미디어의 결합으로 보다 향상된 현실감 있는 멀티미디어 데이터가 요구되고 있다. 기존의 미디어 정보에 텍스트 및 음성과 비디오 등 다양한 미디어를 결합한 멀티미디어 정보에 대한 첨단 기술이 미디어 산업 전반에 주도적인 위치를 점하고 있다. 특히 인터넷에서의 다양한 의사전달 수단 및 시각화에 대한 관심과 가상공간에서의 의사 표현을 위한 실시간 상호작용 시스템 구축 및 3차원 콘텐츠, 증강현실 기술에 대한 서비스 요구가 증가되고 있다. 이러한 서비스들은 기존 콘텐츠에서 입체감 형성을 위한 3차원 공간구조의 복원에 필요한 깊이 값 생성에 어려움이 있다. 그러므로 2차원 영상을 이용하여 효율적인 Depth-map 생성에 관한 연구가 필요하다. 본 논문에서는 2차원 영상을 이용하여 3차원 공간구조 복원에 필요한 Depth-map 생성기법의 단점을 보완하여, 기존 알고리즘에서 정의 되지 않은 영상 내 소실점 위치에 따른 갚아 방향의 정의를 통한 개선된 Depth-map 생성 기법을 제안하였다.

• 한국콘텐츠학회논문지
• /
• 제18권11호
• /
• pp.447-454
• /
• 2018

본 논문은 컨볼루션 신경망으로 이루어진 학습 모델을 통해 스테레오 영상의 깊이영상 생성 알고리즘을 제안한다. 제안하는 알고리즘은 좌, 우 시차 영상을 입력으로 받아 각 시차영상의 주요 특징을 추출하는 특징 추출부와 추출된 특징을 이용하여 시차 정보를 학습하는 깊이 학습부로 구성된다. 우선 특징 추출부는 2D CNN 계층들로 이루어진 익셉션 모듈(xception module) 및 ASPP 모듈(atrous spatial pyramid pooling) module을 통해 각각의 시차영상에 대한 특징맵을 추출한다. 그 후 각 시차에 대한 특징 맵을 시차에 따라 3차원 형태로 쌓아 3D CNN을 통해 깊이 추정 가중치를 학습하는 깊이 학습부를 거친 후 깊이 영상을 추정한다. 제안하는 알고리즘은 객체 영역에 대해 기존의 다른 학습 알고리즘들 보다 정확한 깊이를 추정하였다.

• 한국산학기술학회논문지
• /
• 제12권4호
• /
• pp.1897-1903
• /
• 2011

본 논문은 2D/3D 변환을 위한 객체 추출과 깊이정보(Depth-map) 생성기법에 관한 연구이다. 2D영상을 3D로 변환하기 위해서는 영상 객체 추출, 영상 거리 인식, 영상 생성, 재보정 단계를 거치게 되는데 본 논문에서는 영상 객체 추출과 영상 거리 인식에 해당하는 깊이정보를 생성하는 방법을 제안한다. 3D 영상으로의 변환은 2D 영상에서의 객체 추출과, 추출된 객체와 주변 배경을 구별하기 위한 거리감을 할당하는 깊이정보 생성이 중요하다. 보다 정확한 객체 추출과 깊이정보를 생성하기 위해 기존의 Optical flow에서 잡음을 제거한 방법을 제안하였다. 제안한 방법으로 2D 영상을 깊이정보가 포함된 영상으로 변환하여 영상의 깊이 정보가 추정됨을 알 수 있다.