• 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%.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2005년도 추계종합학술대회
• /
• pp.1129-1132
• /
• 2005

In this paper, we proposed real-time stereoscopic image conversion algorithm using object segmentation and motion parallax. The proposed algorithm separates objects using luminance of image, extracts moving object among objects of the image using motion parallax and generates depth map. Parallax process is done based on the depth map. The proposed method has been evaluated using visual test and APD(Absolute Parallx Difference) for comparing the stereoscopic image of the proposed method with that of MTD. The proposed method offers realistic stereoscopic conversion effect regardless of the direction and velocity of the 2-D image.

• 대한원격탐사학회지
• /
• 제9권2호
• /
• pp.7-19
• /
• 1993

In stereo vision, when we use two parallel axis images, small portion of object is contained and B/H(Base-line to Height) ratio is limited due to the size of object and depth information is inaccurate. To overcome these difficulities we take a non-parallel axis image which is rotated $\theta$ about y-axis and match other parallel-axis image. Epipolar lines of non-parallel axis image are not same as those of parallel-axis image and we can't match these two images directly. In this paper, we transform the non-parallel axis image geometrically with camera parameters, whose epipolar lines are alingned parallel. NCC(Normalized Cross Correlation) is used as match measure, area-based matching technique is used find correspondence and 9$\times$9 window size is used, which is chosen experimentally. Focal length which is necessary to get depth information of given object is calculated with least-squares method by CCD camera characteristics and lenz property. Finally, we select 30 test points from given object whose elevation is varied to 150 mm, calculate heights and know that height RMS error is 7.9 mm.

• 한국인터넷방송통신학회논문지
• /
• 제18권4호
• /
• pp.37-42
• /
• 2018

디지털 영상 제작 기술의 발전으로 입체 영상 기술의 개발도 활발히 이루어지고 있으며 이에 따라 입체 영상을 탑재하기 위한 첨단 디스플레이의 연구 및 개발도 동일하게 진행되고 있다. 3D 영상 시청 시 발생할 수 있는 다양한 문제점이 제시되고 있는데 시청자는 인위적 방식으로 제공되는 영상의 깊이감을 지각하면서 시각피로를 경험하기에 시각피로와 같은 부정적 휴먼 팩터가 가장 대두되는 이슈 중 하나이며, 3D 영상의 지속적 유지에 영향을 주는 요인이라 할 수 있다. 그러므로 2D 영상에서 제공되는 그래픽 영상 중 깊이감에 영향을 주는 요인을 파악하고 이를 통한 영상 처리 방법을 개발하여 시각 피로감 없는 입체 영상을 재현할 수 있다는 가정 아래 깊이감 관련 실험을 진행하고 이를 분석하였다. 이를 위해 깊이감 관련 요인 중 질감, 색온도, 대비비를 차등적으로 그래픽 영상에 적용하여 깊이감에 가장 큰 요인에 대해 분석하고 아노바 분산분석을 통해 교호작용을 검증하였다. 본 연구에서 진행된 실험결과를 분석하여 깊이감과 관련 있는 요인의 유의미 여부를 정의하고 깊이감 향상을 위한 방안을 제시한다.

• 정보처리학회논문지B
• /
• 제17B권4호
• /
• pp.287-294
• /
• 2010

TOF(Time of Flight) 기술은 물체의 3차원 깊이 정보 추출을 가능케 하는 기술 중의 하나이다. 하지만, TOF의 카메라의 출력인 깊이 영상을 이용한 물체의 3차원 위치 추출은 몸이나 손 등 크기가 큰 물체의 경우에는 비교적 신뢰성 있는 결과를 얻을 수 있는데 비하여 크기가 작은 손 끝의 경우에는 신뢰할 수 있는 값을 얻기 힘들다. 본 논문에서는 TOF 카메라에서 육면체 손 모델을 이용하여 수정된 손의 영상에서의 위치 정보와 팔 모델을 이용하여 손 끝의 3차원 좌표를 추정한다. 제안된 방법으로 실험을 한 결과 TOF 카메라의 깊이 영상만을 사용하여 인식한 손 끝의 3차원 위치정보와 비교하여 훨씬 더 향상된 결과를 얻을 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제15권6호
• /
• pp.201-208
• /
• 2015

3차원 입체 방송을 가능하게 하기 위해서는 실세계에 존재하는 한 사물에 대한 깊이 정보를 획득하여야 한다. 따라서 본 논문에서는 네트워크 알고리즘인 신뢰확산(belief propagation) 알고리즘을 다해상도 영역에서 적용하여 3차원 정보의 근간이 되는 변이(disparity) 영상이나 깊이(depth)영상을 정확하면서도 빠르게 생성하는 것을 목적으로 한다. 신뢰확산 알고리즘은 기본적으로 여러 번의 반복을 통하여 변이정보를 보다 정확하게 갱신하게 되어 많은 연산량과 넓은 탐색영역으로 인하여 성능의 수렴까지 오랜 시간이 걸린다. 다해상도 변환은 공간영역과 주파수영역 모두에서 우수한 해상도를 갖기 때문에 이를 이용하여 스테레오 정합의 연산 속도를 증가시키고 성능을 향상시키는 것을 보여주었다.

• 대한전자공학회논문지SD
• /
• 제43권10호
• /
• pp.22-27
• /
• 2006

본 논문에서는 능동형 센서와 연결된 카메라에서 얻어진 깊이 정보와 칼라 영상으로부터 컴퓨터형성 홀로그램을 제작하는 방법을 제안하였다. CGH 생성을 위해 컴퓨터그래픽 모델을 사용하는 기존의 홀로그래픽 디스플레이 시스템과는 달리, 카메라로 획득되는 각 물체의 칼라 정보 뿐 아니라 깊이 정보를 포함하는 카메라의 실사 영상을 사용하였다. 이 과정은 실사 물체로부터 깊이가 포함된 영상정보를 획득하는 단계와 깊이 정보로부터 추출된 3D 정보를 이용하여 CGH를 생성하는 두 가지 단계로 구성되어 있다. 또한, 홀로그래픽 디스플레이 시스템을 구성하여 제작된 CGH를 디스플레이 하였다. 실험 시스템에서는 1408X1050의 해상도와 10.4um의 픽셀 크기를 갖는 반사형 LCD 패널을 사용하여 CGH로부터 영상을 재생하였다.

• 인터넷정보학회논문지
• /
• 제19권5호
• /
• pp.43-54
• /
• 2018

연무가 있는 상황에서 촬영된 영상은 낮은 대비로 인해 시인성이 낮아지는 문제가 있다. 이렇게 연무로 인해 흐릿한 영상에서 연무의 효과를 제거하는 과정을 연무제거라고 한다. 연무제거에서 가장 중요한 문제 중 하나는 전달지도 (transmission map) 또는 깊이지도 (depth map)를 정확하게 추정하는 것이다. 본 논문에서는 정확한 깊이지도 추정을 위해 생성적 대립쌍 신경망 (Generative Adversarial Network: GAN)을 이용한 정확한 깊이 영상 추정 방법을 제안한다. 제안된 GAN 모델은 흐릿한 입력영상과 이에 상응하는 깊이지도 간의 비선형 매핑을 학습한다. 그리고 연무제거단계에서는 훈련된 모델을 사용하여 입력영상의 깊이지도를 추정하고 이것을 전달지도를 계산하는데 사용한다. 이어서 guided filter를 사용하여 전달지도를 다듬는다. 마지막으로 대기 산란 모델을 기반으로 연무가 제거된 영상을 복원한다. 제안된 GAN 모델은 합성실내영상으로 훈련되었다. 하지만 실제 연무영상에 대해서도 적용할 수 있다. 이를 실험을 통해 증명하였다. 또한 실험에서 제안된 방법이 이전에 연구된 방법에 비해 시각적 및 정량적 측면에서 우수한 결과를 나타냈다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.541-541
• /
• 2000

This paper Presents the method of 3D reconstruction of the depth information from the endoscopic stereo scopic images. After camera modeling to find camera parameters, we peformed feature-point based stereo matching to find depth information. Acquired some depth information is finally 3D reconstructed using the NURBS(Non Uniform Rational B-Spline) algorithm. The final result image is helpful for the understanding of depth information visually.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.1173-1174
• /
• 2008

In this paper, we propose a front-mounted single camera based depth estimation and robot localization method. The advantage of front-mounted camera is reduction of redundancy when the robot move. The robot computes depth information of captured image, moving around. And the robot location is corrected by depth information.