• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.256-257
• /
• 2022

본 논문에서는 단일 모바일 디바이스의 움직임을 통해 3차원 특징점을 추출하는 방법에 대해 소개한다. 단안 카메라를 이용해 카메라 움직임에 따라 2D 영상을 획득하고 Baseline을 추정한다. 특징점 기반의 스테레오 매칭을 진행한다. 특징점과 디스크립터를 획득하고 특징점을 매칭한다. 매칭된 특징점을 이용해 디스패리티를 계산하고 깊이값을 생성한다. 3차원 특징점은 카메라 움직임에 따라 업데이트 된다. 마지막으로 장면 전환 검출을 이용하여 장면 전환시 특징점을 리셋한다. 위 과정을 통해 특징점 데이터베이스에 평균 73.5%의 저장공간 추가 확보를 할 수 있다. TUM Dataset의 Depth Ground truth 값과 RGB 영상으로 제안한 알고리즘을 적용하여 3차원 특징점 결과와 비교하여 평균 26.88mm의 거리 차이가 나는것을 확인하였다.

• 로봇학회논문지
• /
• 제11권3호
• /
• pp.115-126
• /
• 2016

This paper suggests the method of the spherical signature description of 3D point clouds taken from the laser range scanner on the ground vehicle. Based on the spherical signature description of each point, the extractor of significant environmental features is learned by the Deep Belief Nets for the urban structure classification. Arbitrary point among the 3D point cloud can represents its signature in its sky surface by using several neighborhood points. The unit spherical surface centered on that point can be considered to accumulate the evidence of each angular tessellation. According to a kind of point area such as wall, ground, tree, car, and so on, the results of spherical signature description look so different each other. These data can be applied into the Deep Belief Nets, which is one of the Deep Neural Networks, for learning the environmental feature extractor. With this learned feature extractor, 3D points can be classified due to its urban structures well. Experimental results prove that the proposed method based on the spherical signature description and the Deep Belief Nets is suitable for the mobile robots in terms of the classification accuracy.

• 한국정밀공학회지
• /
• 제28권3호
• /
• pp.330-338
• /
• 2011

Odometry is the critical factor to estimate the location of the robot. In the mobile robot with wheels, odometry can be performed using the information from the encoder. However, the information of location in the encoder is inaccurate because of the errors caused by the wheel's alignment or slip. In general, visual odometer has been used to compensate for the kinetic errors of robot. In case of using the visual odometry under some robot system, the kinetic analysis is required for compensation of errors, which means that the conventional visual odometry cannot be easily applied to the implementation of the other type of the robot system. In this paper, the novel visual odometry, which employs only the single camera toward the ground, is proposed. The camera is mounted at the center of the bottom of the mobile robot. Feature points of the ground image are extracted by using median filter and color contrast filter. In addition, the linear and angular vectors of the mobile robot are calculated with feature points matching, and the visual odometry is performed by using these linear and angular vectors. The proposed odometry is verified through the experimental results of driving tests using the encoder and the new visual odometry.

• 자동차안전학회지
• /
• 제13권4호
• /
• pp.123-128
• /
• 2021

This paper present box feature estimation from LiDAR point cluster using maximum likelihood Method. Previous LiDAR tracking method for autonomous driving shows high accuracy about velocity and heading of point cluster. However, Assuming the average position of a point cluster as the vehicle position has a lower accuracy than ground truth. Therefore, the box feature estimation algorithm to improve position accuracy of autonomous driving perception consists of two procedures. Firstly, proposed algorithm calculates vehicle candidate position based on relative position of point cluster. Secondly, to reflect the features of the point cluster in estimation, the likelihood of the particle scattered around the candidate position is used. The proposed estimation method has been implemented in robot operating system (ROS) environment, and investigated via simulation and actual vehicle test. The test result show that proposed cluster position estimation enhances perception and path planning performance in autonomous driving.

• 대한원격탐사학회지
• /
• 제22권4호
• /
• pp.265-274
• /
• 2006

지표점의 추출은 DTM 생성을 위한 가장 중요한 과정이다. 기존의 지표점 추출 방법은 대부분 점기반방법으로 분류될 수 있다. 점기반방법은 모든 개별점(point)에 대하여 해당 점이 지표를 구성하는 점인지를 시험하는 방법이다. 이 때 시험의 회수는 점의 개수와 동일하기 때문에, 특히 점의 수가 많은 데이터를 처리할 경우 계산량이 심각하게 늘어나 시험에 보다 정교한 기준과 전략을 사용하는데 어려움이 있었다. 이로 인해 많은 연구에도 불구하고 아직 만족할만한 결과를 제공하는 방법이 개발되지 못하였다. 이에 본 연구는 시험하는 개체의 수를 줄이면서 보다 안정적인 결과를 얻을 수 있도록 점이 아닌 피쳐에 기반한 방법을 제안한다. 여기서, 피쳐란 점을 그룹화하여 얻을 수 있는 개체를 의미한다. 제안된 방법에서는 먼저 점들로부터 표면패치들을 생성하고, 이어서 표면패치들로부터 표면집단들을 구성한다. 구성된 표면집단들로부터 지표에 해당하는 표면집단을 식별한 후 식별된 표면집단에 포함된 모든 점들을 지표점으로 명시한다. 이 방법을 항공 LIDAR 실측데이터에 적용하여 제안된 방법의 뛰어난 성능을 실험적으로 증명하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.360-362
• /
• 2003

This paper presents simple feature-based approaches for full- and/or semi-automatic extraction, selection, and localization (center-determination) of ground control points (GCPs) for radargrammetry using airborne synthetic aperture radar (SAR) images. Test results using airborne NASA/JPL TOPSAR images in Taiwan verify that the registration accuracy is about 0.8${\sim}$1.4 pixels. In c.a. 30 minutes, 1500${\sim}$3000 GCPs are extracted and their point centers in a SAR image of about 512 ${\times}$ 512 pixels are determined on a personal computer.

• 방송공학회논문지
• /
• 제27권1호
• /
• pp.20-30
• /
• 2022

최근 VR (Virtual Reality) 기술이 주목받기 시작하면서 생동감 넘치는 VR 컨텐츠를 볼 수 있는 360° 파노라마 영상이 많은 관심을 받고 있다. 이미지 스티칭 기술은 360° 파노라마 영상을 제작하는데 주요한 기술로서 많은 연구가 활발하게 이루어지고 있다. 일반적인 스티칭 알고리즘은 특징점 기반 이미지 스티칭을 기반으로 한다. 하지만 기존의 특징점 기반 이미지 스티칭 방법들은 특징점에 크게 영향을 받는다는 문제가 존재한다. 이러한 문제를 해결하기 위해서 최근에는 딥러닝 기반의 이미지 스티칭 기술들이 연구되고 있지만 이미지 간의 겹치는 영역이 거의 없거나 큰 시차가 존재할 때 여전히 많은 문제점이 존재한다. 또한 실제 환경에서는 라벨링 된 정답 파노라마 영상을 얻을 수 없으므로 완전한 지도학습에 한계가 존재한다. 따라서 자율주행분야에 많이 이용되는 칼라(Carla) 시뮬레이터를 통해 카메라 센터가 다른 3개의 fisheye 이미지와 그에 대응되는 정답 영상을 제작하였다. 우리는 제작한 fisheye 영상으로360° 파노라마 영상을 만드는 이미지 스티칭 모델을 제안한다. 최종 실험 결과로는 실제 환경과 비슷하게 구성한 가상의 데이터 세트로 다양한 환경과 큰 시차에도 강인한 스티칭 결과를 검증한다.

• 대한원격탐사학회지
• /
• 제5권2호
• /
• pp.133-145
• /
• 1989

This paper describes an implementation of linear feature extraction algorithms for satellite images and a method of automatic GCP(Ground Control Point) filing using the extracted linear feature. We propose a new linear feature extraction algorithm which uses magnitude and direction information of edges. The result of applying the proposed algorithm to satellite images are presented and compared with those of the other algorithms. By using the proposed algorithm, automatic GCP filing was successfully performed.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2007년도 정기 학술대회 논문집
• /
• pp.199-204
• /
• 2007

This research aimed at to develop a quantitative assesment technique which uses the measured displacements at the excavated plane during tunnel construction. Tunnel structure has a feature with long extents comparing to the excavated section so that the tunnel safety assesment is more effective by using the measured data of displacements. Tunnel structures show different structural behaviors due to the mechanical characteristics of ground and supports themselves, excavation methods and construction methods of supports, etc. From this point of view, it has very important meanings on the practical aspects that the measured data from the construction cite represent the features of the interaction effects between ground and supports as they are. In this study, both the stress state and the properties of surrounding ground are analyzed by newly incorporated feedback analysis technique which can use the measured displacements directly. Then, the stress state and the properties of ground will be used to obtain the strain distribution of surrounding ground. Finally the tunnel safety can be assessed by comparing the estimated strain through the analysis to the allowable strain of ground quantitatively.

• 방송공학회논문지
• /
• 제24권2호
• /
• pp.234-242
• /
• 2019

본 논문에서는 일정 크기로 자른 영상의 가운데 픽셀이 SIFT 특징점인지를 판별함으로써 SIFT 특징점을 추출하는 딥 뉴럴 네트워크(Deep Neural Network)를 제안한다. 이 네트워크의 데이터 세트는 DIV2K 데이터 세트를 $33{\times}33$ 크기로 잘라서 구성하고, 흑백 영상으로 판별하는 SIFT와는 달리 RGB 영상을 사용한다. 그라운드 트루스(ground truth)는 옥타브(scale, octave)를 0, 시그마(sigma)는 1.6, 간격(intervals)은 3으로 설정하여 추출한 RobHess SIFT 특징들로 구성한다. VGG-16을 기반으로 컨볼루션 층을 13개에서 23개와 33개로 점점 깊은 네트워크를 구성하고, 영상의 스케일을 증가시키는 방법을 바꿔가며 실험을 수행한다. 출력 층의 활성화 함수로 시그모이드(sigmoid) 함수를 사용한 결과와 소프트맥스(softmax) 함수를 사용한 결과를 비교하여 분석한다. 실험결과 제안한 네트워크가 99% 이상의 추출 정확도를 가질 뿐 아니라 왜곡된 영상에 대해서도 높은 추출 반복성을 가진다는 것을 보인다.