• 한국컴퓨터정보학회논문지
• /
• 제18권9호
• /
• pp.53-62
• /
• 2013

본 논문에서는 입력된 자연영상으로부터 도로 영역을 검출하기 위한 소실점 자동 예측 방법을 제안한다. 제안하는 방법에서는 도로 환경에서 안정적으로 소실점을 검출하기 위해 영상의 주방향성을 분석하여 영상 특징성분들이 집중되는 곳을 소실점으로 예측한다. 이를 위해 첫번째 단계에서는, 영상을 일정크기의 서브블록으로 분할하고 분할된 서브블록 내에서 임의의 에지 샘플을 선택하고 RANSAC을 적용하여 직선 모델을 예측함으로서 각 서브블록의 주방향성을 분석한다. 모든 블록에 대하여 주방향성을 검출한 후, 두 번째 단계에서 임의의 직선 샘플을 선택하고 RANSAC을 적용하여 교점 모델을 예측함으로서 각 직선들로 인한 교점 모델의 비용값을 측정하고 가장 높은 비용값의 교점 모델에 의한 평균점으로 소실점을 예측한다. 마지막으로 성능 검증을 위해 다양한 상황에 따른 정량적, 정성적 분석을 통해 제안하는 소실점 검출 알고리즘의 타당성과 효율성을 입증한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 학술대회 논문집 정보 및 제어부문
• /
• pp.517-519
• /
• 2004

This paper describes an approach to estimate a robot pose with an image. The algorithm of pose estimation with an image can be broken down into three stages : extracting scale-invariant features, matching these features and calculating affine invariant. In the first step, the robot mounted mono camera captures environment image. Then feature extraction is executed in a captured image. These extracted features are recorded in a database. In the matching stage, a Random Sample Consensus(RANSAC) method is employed to match these features. After matching these features, the robot pose is estimated with positions of features by calculating affine invariant. This algorithm is implemented and demonstrated by Matlab program.

• 대한임베디드공학회논문지
• /
• 제11권3호
• /
• pp.163-171
• /
• 2016

Lane detection is a widely researched topic. Although simple road detection is easily achieved by previous methods, lane detection becomes very difficult in several complex cases involving noisy edges. To address this, we use a Convolution neural network (CNN) for image enhancement. CNN is a deep learning method that has been very successfully applied in object detection and recognition. In this paper, we introduce a robust lane detection method based on a CNN combined with random sample consensus (RANSAC) algorithm. Initially, we calculate edges in an image using a hat shaped kernel, then we detect lanes using the CNN combined with the RANSAC. In the training process of the CNN, input data consists of edge images and target data is images that have real white color lanes on an otherwise black background. The CNN structure consists of 8 layers with 3 convolutional layers, 2 subsampling layers and multi-layer perceptron (MLP) of 3 fully-connected layers. Convolutional and subsampling layers are hierarchically arranged to form a deep structure. Our proposed lane detection algorithm successfully eliminates noise lines and was found to perform better than other formal line detection algorithms such as RANSAC

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.103-107
• /
• 2013

본 논문에서는 차선 이탈 경고 장치 시스템에서 사용되는 실시간 차선 추적 방법을 제안한다. 먼저 입력 영상의 원근효과를 제거하기 위해 역투영 변환을 이용하여 조감도 영상을 생성한다. 그 다음 차선의 사전 정보를 이용하여 차선 검출에 적합한 특징들을 추출한다. 블록단위의 관심영역에 해당하는 차선 특징과 RANSAC(RANdom Sample Consensus) 알고리즘을 사용하여 차선 후보군을 검출하고 클러스터링 과정을 수행하여 주행 차선을 결정한다. 마지막으로 칼만 필터를 사용하여 현재 검출된 주행 차선을 추적한다. 제안하는 알고리즘을 주간, 야간 등의 다양한 고속도로 환경에서 실험한 결과 실시간 환경에서 사용가능한 30ms 이내의 처리 속도와 90% 가량의 추적률을 얻을 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 추계종합학술대회
• /
• pp.226-230
• /
• 2002

본 논문은 영상 모자이킹을 위한 사영 변환 행렬의 정밀도를 개선하는 방법을 제안한다. Shift Theorem을 이용하여 영상간의 전역 이동 성분을 추출하고 구해진 이동 성분을 이용하여 영상간의 일치점을 찾음으로서 기존의 일치점 검출의 문제점을 해결하였다. 일치점 집합을 RANSAC 알고리즘을 적용하여 신뢰도가 높은 일치점을 추출함으로서 잡음의 영향에 강인하도록 하였으며 일치점의 좌표를 정규화 하여 사영변환 행렬의 정밀도를 개선하였다.

• 융합신호처리학회논문지
• /
• 제12권1호
• /
• pp.26-32
• /
• 2011

This paper proposes a new method to process panoramic image stitching using SURF(Speeded Up Robust Features). Panoramic image stitching is considered a problem of the correspondence matching. In computer vision, it is difficult to find corresponding points in variable environment where a scale, rotation, view point and illumination are changed. However, SURF algorithm have been widely used to solve the problem of the correspondence matching because it is faster than SIFT(Scale Invariant Feature Transform). In this work, we also describe an efficient approach to decreasing computation time through the homography estimation using RANSAC(random sample consensus). RANSAC is a robust estimation procedure that uses a minimal set of randomly sampled correspondences to estimate image transformation parameters. Experimental results show that our method is robust to rotation, zoom, Gaussian noise and illumination change of the input images and computation time is greatly reduced.

• 제어로봇시스템학회논문지
• /
• 제21권1호
• /
• pp.21-27
• /
• 2015

A conventional fire detection has been developed based on images captured from a fixed camera. However, It is difficult to apply current algorithms to a flying Quad-rotor to detect fire. To solve this problem, we propose that the fire detection algorithm can be modified for Quad-rotor using Ego-motion compensation. The proposed fire detection algorithm consists of color detection, motion detection, and fire determination using a randomness test. Color detection and randomness test are adapted similarly from an existing algorithm. However, Ego-motion compensation is adapted on motion detection for compensating the degree of Quad-rotor's motion using Planar Projective Transformation based on Optical Flow, RANSAC Algorithm, and Homography. By adapting Ego-motion compensation on the motion detection step, it has been proven that the proposed algorithm has been able to detect fires 83% of the time in hovering mode.

• 전자공학회논문지
• /
• 제51권4호
• /
• pp.144-159
• /
• 2014

다중의 영상을 이용하여 하나의 파노라마 영상을 제작하는 기법은 컴퓨터 비전, 컴퓨터 그래픽스 등과 같은 여러 분야에서 널리 연구되고 있다. 파노라마 영상은 하나의 카메라에서 얻을 수 있는 영상의 한계, 즉 예를 들어 화각, 화질, 정보량 등의 한계를 극복할 수 있는 좋은 방법으로서 가상현실, 로봇비전 등과 같이 광각의 영상이 요구되는 다양한 분야에서 응용될 수 있다. 파노라마 영상은 단일 영상과 비교하여 보다 큰 몰입감을 제공한다는 점에서 큰 의미를 갖는다. 현재 다양한 파노라마 영상 제작 기법들이 존재하지만, 대부분의 기법들이 공통적으로 파노라마 영상을 구성할 때 각 영상에 존재하는 특징점 및 대응점을 검출하는 방식을 사용하고 있다. 또한, 대응점을 이용한 RANSAC(RANdom SAmple Consensus) 알고리즘을 사용, Homography Matrix를 구하여 영상을 변환하는 방법을 사용한다. 본 논문에서 사용한 SURF(Speeded Up Robust Features) 알고리즘은 영상의 특징점을 검출할 때 영상의 흑백정보와 지역 공간 정보를 활용하는데, 영상의 크기 변화와 시점 검출에 강하며 SIFT(Scale Invariant Features Transform) 알고리즘에 비해 속도가 빠르다는 장점이 있어서 널리 사용되고 있다. SURF 알고리즘은 대응점 검출 시 잘못된 대응점을 검출하는 경우가 생긴다는 단점이 존재하는데 이는 RANSAC 알고리즘의 수행속도를 늦추며, 그로인해 CPU 사용 점유율을 높이기도 한다. 대응점 검출 오류는 파노라마 영상의 정확성 및 선명성을 떨어뜨리는 핵심 요인이 된다. 본 논문에서는 이러한 대응점 검출의 오류를 최소화하기 위하여 대응점 좌표 주변 $3{\times}3$ 영역의 RGB값을 사용하여 잘못된 대응점들을 제거하는 중간 필터링 과정을 수행하고, 문제해결을 시도하는 동시에 파노라마 이미지구성 처리 속도 및 CPU 사용 점유율 등의 성능 향상 결과와 추출된 대응점 감소율, 정확도 등과 관련한 분석 및 평가 결과를 제시하였다.

• 대한원격탐사학회지
• /
• 제30권6호
• /
• pp.787-795
• /
• 2014

본 논문에서는 정합된 특징점 가운데 과대 오차를 포함한 정합점을 제거한 후에 삼각망 기반 지역 변환(Triangulation-based Local Transformation, TLT)을 이용한 영상 등록 방법을 제안한다. 기하 평균 기반의 코너 검출기를 통해 검출된 코너점에 대해 Pearson's correlation coefficient를 이용한 코너 정합을 수행하고 임계값 이상의 유사도를 가지는 코너 가운데 좌우 일관성 검사(Left-Right Consistency, LRC)를 통과한 코너를 1차 정합쌍으로 선정한다. 1차 정합쌍 가운데 RANSAC 기반 글로벌 변환(RANSAC-based Global Transformation, RGT) 오차가 이상치 임계값보다 작은 정합쌍을 최종 정합쌍으로 결정한다. 최종 정합쌍 코너를 이용해서 기준 영상과 관측 영상에서 Delaunay Triangulated Irregular Networks(TINs)을 각각 구성한 후에 서로 대응되는 각 삼각형마다 어파인 변환을 수행하고 각 삼각형 내부의 모든 화소들을 기준 영상 좌표로 변환한다. 제안한 알고리즘을 KOMPSAT-2 영상에 적용하여 RANSAC 기반 글로벌 변환보다 우수한 영상 등록 성능을 보임을 확인하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume II
• /
• pp.594-597
• /
• 2006

Image co-registration is the process of overlaying two images of the same scene. One of which is a reference image, while the other (sensed image) is geometrically transformed to the one. Numerous methods were developed for the automated image co-registration and it is known as a time-consuming and/or computation-intensive procedure. In order to improve efficiency and effectiveness of the co-registration of satellite imagery, this paper proposes a pre-qualified area matching, which is composed of feature extraction with Laplacian filter and area matching algorithm using correlation coefficient. Moreover, to improve the accuracy of co-registration, the outliers in the initial matching point should be removed. For this, two outlier detection techniques of studentized residual and modified RANSAC algorithm are used in this study. Three pairs of Landsat images were used for performance test, and the results were compared and evaluated in terms of robustness and efficiency.