Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Automatic Registration Method for Multiple 3D Range Data Sets

다중 3차원 거리정보 데이타의 자동 정합 방법

  • 김상훈 (중앙대학교 첨단영상대학원 영상공학과) ;
  • 조청운 (중앙대학교 첨단영상대학원) ;
  • 홍현기 (중앙대학교 첨단영상대학원 영상공학과)
  • Published : 2003.12.01
Download PDF
⟨ Previous Next ⟩

Abstract

Registration is the process aligning the range data sets from different views in a common coordinate system. In order to achieve a complete 3D model, we need to refine the data sets after coarse registration. One of the most popular refinery techniques is the iterative closest point (ICP) algorithm, which starts with pre-estimated overlapping regions. This paper presents an improved ICP algorithm that can automatically register multiple 3D data sets from unknown viewpoints. The sensor projection that represents the mapping of the 3D data into its associated range image is used to determine the overlapping region of two range data sets. By combining ICP algorithm with the sensor projection constraint, we can make an automatic registration of multiple 3D sets without pre-procedures that are prone to errors and any mechanical positioning device or manual assistance. The experimental results showed better performance of the proposed method on a couple of 3D data sets than previous methods.

대상 물체의 3차원 모델을 구축하기 위해서는 여러 시점에서 측정된 거리정보 데이타들을 하나의 좌표계로 통합하는 정합(registration) 과정이 필수적이다. 3차원 데이타의 정합을 위해 가장 널리 사용되는 ICP(Iterative Closest Point) 알고리즘은 거리정보 데이타 간에 겹치는 영역 또는 일치점 등에 대한 사전 정보가 필요하다. 본 논문에서는 임의의 시점에서 측정된 데이타를 반복적인 방법에 의해 자동으로 정합하는 개선된 ICP 방법이 제안된다. 3차원 데이타가 거리정보 영상으로 맺히는 관계를 나타내는 센서 사영조건(projection constraint), 데이타의 공분산(covariance) 행렬, 교차(cross) 사영 등을 이용하여 정합과정을 자동화하였으며, 유저의 개입이나 3차원 기계 보조 장치 등을 사용하는 별도의 초기값 측정 없이 3차원 모델을 정확하게 구성할 수 있다. 다양한 거리정보 데이타에 대한 실험을 통해 제안된 방법의 우수한 성능을 확인하였다.

Keywords

References

  1. M. Levey, K. Puli, et. al., 'The digital Michelangelo project: 3D scanning of large statues,' Proc. ACM SIGGRAPH, Vol.27, pp. 131-144, 2000 https://doi.org/10.1145/344779.344849
  2. L. Nyland, D. McAllister, V. Popescu, C. McCue, and A. Lastra, 'The impact of dense range data on computer graphics,' Proc. IEEE Workshop on Multi-View Modeling and Analysis of Visual Scenes, pp. 3-10, 1999 https://doi.org/10.1109/MVIEW.1999.781077
  3. P. J. Besl and N. D. Mckay, 'A method for registration of 3-D shapes,' IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.14, No.2, pp. 239-256, Feb. 1992 https://doi.org/10.1109/34.121791
  4. Z. Zhang, 'Iterative point matching for registration of free-form curves and surfaces,' International Journal of Computer Vision, Vol.10, No.3, pp. 145-155, April 1992 https://doi.org/10.1016/0262-8856(92)90066-C
  5. B. K. P. Hom, 'Closed-form solution of absolute orientation using unit quaternions,' Journal of the Optical Society of America. A, Vol.4, No.4, pp. 629-642, April 1987 https://doi.org/10.1364/JOSAA.4.000629
  6. P. Neugebauer, 'Geometrical cloning of 3D objects via simultaneous registration of multiple range images,' Proc. International Conference on Shape Modeling and Applications, pp. 130-139, Mar. 1997 https://doi.org/10.1109/SMA.1997.634890
  7. A. Johnson and M. Herbert, 'Using spin images for efficient object recognition in cluttered 3D scenes,' IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.21 , No.5, pp, 433-49, May 1999 https://doi.org/10.1109/34.765655
  8. R. Hartley and A. Zisserman, Multiple View Geometry in Computer Vision, Cambridge Univ. Press, 2000
  9. D. F. Huber and M. Hebert, 'Fully automatic registration of multiple 3D data sets,' Proc. IEEE Computer Society Workshop on Computer Vision Beyond the Visible Spectrum, Dec. 2001