• Journal of the Korean Physical Society
• /
• 제73권9호
• /
• pp.1269-1278
• /
• 2018

Using the thawed Gaussian wave packets [E. J. Heller, J. Chem. Phys. 62, 1544 (1975)] and the adaptive reinitialization technique employing the frame operator [L. M. Andersson et al., J. Phys. A: Math. Gen. 35, 7787 (2002)], a trajectory-based Gaussian wave packet method is introduced that can be applied to scattering and time-dependent problems. This method does not require either the numerical multidimensional integrals for potential operators or the inversion of nearly-singular matrices representing the overlap of overcomplete Gaussian basis functions. We demonstrate a possibility that the method can be a promising candidate for the time-dependent $Schr{\ddot{o}}dinger$ equation solver by applying to tunneling, high-order harmonic generation, and above-threshold ionization problems in one-dimensional model systems. Although the efficiency of the method is confirmed in one-dimensional systems, it can be easily extended to higher dimensional systems.

• 한국멀티미디어학회논문지
• /
• 제16권6호
• /
• pp.764-781
• /
• 2013

본 논문에서는 시차영상 생성과 레이블링(labeling)을 동시에 수행하는 빌보드 스윕 스테레오 시차정합 알고리즘을 적용하고, 두 단계로 구성된 복합 가설생성(hypothesis generation) 단계를 적용함으로서 거짓알림(false alarm)을 줄이고, 차량 검출의 정확도를 높이는 방법을 제안한다. 먼저 차량의 정면에 장착된 두 대의 카메라를 이용하여 영상을 획득하고, 이 영상을 사용하여 빌보드 스윕 스테레오 시차정합 알고리즘을 수행하여 지면과 배경이 제거된 장애물(obstacle)만이 존재하는 특수한 형태의 시차영상을 생성한다. 이렇게 생성된 지면과 배경이 제거된 레이블링된 시차영상을 이용하여 차량 검출 및 추적을 수행한다. 차량 검출 및 추적단계는 크게 세 단계로 나눠진다. 첫 번째 단계는 학습 단계로서 학습데이터로부터 Gabor필터를 사용해서 특징점을 추출하고, 추출된 특징점을 학습한 뒤 서포트 벡터머신 분류기를 생성하는 단계이다. 두 번째 단계는 스테레오 카메라의 영상 중 주 카메라의 영상으로부터 에지 정보를 추출하고, 지면과 배경이 제거된 시차 영상으로부터 얻어진 시차정보를 이용해서 차량이 존재하는 후보영역을 뽑은 뒤 서포트 벡터머신 분류기를 사용하여 차량을 검출하는 단계이다. 마지막 단계는 차량 추적단계로서 검출이 완료된 차량들은 다음 프레임에서 템플릿 매칭을 수행하여 추적한다. 이는 추적에 성공할 경우 다음 프레임의 차량 검출시 후보영역에서 배제함으로서 전체적인 차량 검출 성능을 향상시킨다.