• 대한토목학회논문집
• /
• 제32권5D호
• /
• pp.527-532
• /
• 2012

지상라이다는 시간과 인력의 소모를 절감하면서도 고밀도의 포인트 클라우드를 생성할 수 있으므로 3차원 지적, 문화재보호, 건설관리 등에 활용되고 있다. 본 연구에서는 포인트 클라우드를 기반으로 한 실내 3차원 모델 구축 기법을 제시하였다. 제시한 방안은 세그먼테이션 단계와 외곽선 추출 단계로 이루어진다. 세그먼테이션 단계에서는 RANSAC과 정제격자를 이용하여 포인트 클라우드를 동일 평면에 따라 분할한다. 외곽선 추출단계에서는 외곽선 추출 격자를 이용하여 3차원 모델의 경계선을 추출한다. 또한 모델링에 사용되지 않은 포인트들을 메쉬자료화여 실내 공간의 세부 묘사를 위한 자료로 활용하였다. 제시한 모델링 기법은 메쉬자료를 이용하여 3차원 모델 구축을 하던 작업과정을 크게 개선하였다. 하지만 실내 공간의 환경 특성에 따라 RANSAC 경계값, 정제격자와 외곽선 추출 격자 크기의 조정이 필요하며 원형 또한 곡선 형태를 지닌 실내 구조물의 외곽선 추출을 위한 알고리즘의 개선이 필요하다.

• 한국멀티미디어학회논문지
• /
• 제24권8호
• /
• pp.979-987
• /
• 2021

Multiple Sclerosis (MS) can be early diagnosed by detecting lesions in brain magnetic resonance images (MRI). Unsupervised anomaly detection methods based on autoencoder have been recently proposed for automated detection of MS lesions. However, these autoencoder-based methods were developed only for 2D images (e.g. 2D cross-sectional slices) of MRI, so do not utilize the full 3D information of MRI. In this paper, therefore, we propose a novel 3D autoencoder-based framework for detection of the lesion volume of MS in MRI. We first define a 3D convolutional neural network (CNN) for full MRI volumes, and build each encoder and decoder layer of the 3D autoencoder based on 3D CNN. We also add a skip connection between the encoder and decoder layer for effective data reconstruction. In the experimental results, we compare the 3D autoencoder-based method with the 2D autoencoder models using the training datasets of 80 healthy subjects from the Human Connectome Project (HCP) and the testing datasets of 25 MS patients from the Longitudinal multiple sclerosis lesion segmentation challenge, and show that the proposed method achieves superior performance in prediction of MS lesion by up to 15%.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권9호
• /
• pp.401-410
• /
• 2016

3차원 정합이란 다시점에서 획득한 3차원 점군들을 정렬하는 기술로써 지난 수십 년간 많은 연구가 진행되고 있는 분야이다. 이러한 3차원 정합은 ICP(Iterative Closest Point) 알고리즘을 시작으로 많은 변형 ICP가 소개되고 있다. 하지만 ICP 계열의 알고리즘들은 최근접점을 대응점으로 간주하여 알고리즘을 수행한다. 그렇기 때문에 3차원 점군의 초기 오차가 큰 경우 정확한 대응점 탐색에 실패할 수 있다. 이런 문제점을 해결하기 위해 본 논문에서는 색상과 3차원 거리가 융합된 6차원 거리와 색상분포 유사도를 이용한다. 더 나아가 색상 분할 기반 적응형 샘플링을 이용하여 알고리즘 연산 속도를 감소시키고 성능을 향상시키는 것을 목표로 한다. 마지막으로 실험을 통해 기존의 방법과 본 논문에서 제안하는 방법의 성능을 비교한다.

• 정보처리학회논문지D
• /
• 제17D권6호
• /
• pp.463-470
• /
• 2010

본 논문에서는 DCT 데이터에서 영상 데이터로의 해독 및 이진화 과정을 생략하고 컬러 영상의 DCT 관련 원자료를 사용하는 방법에 기반을 둔 매우 빠르고 안정적인 문자열 구간 분리 모형을 제안하였다. DCT 블록에 저장된 DC 및 3개의 주요 AC 변수들을 조합하여 축소된 저해상도 회색 영상을 만들고 횡렬 및 종렬 투영법을 통해 얻어진 픽셀 값의 히스토그램을 분석하여 문자 열 구간 사이에 존재하는 백색의 띠 공간을 찾아내었다. 이 과정 중 탐색되지 않은 문자 열 구간은 마코프 모델을 사용하여 숨겨진 주기를 찾아내어 복원하였다. 본 논문에 실험 결과를 제시하였으며 기존의 방법보다 약 40 - 100배 빠른 방법임을 입증하였다.

• 로봇학회논문지
• /
• 제13권1호
• /
• pp.8-15
• /
• 2018

This paper proposes a convolutional neural network model for distinguishing areas occupied by obstacles from a LiDAR image converted from a 3D point cloud. The channels of a LiDAR image used as input consist of the distances to 3D points, the reflectivities of 3D points, and the heights of 3D points from the ground. The proposed model uses a LiDAR image as an input and outputs a result of a segmented LiDAR image. The proposed model adopts refinement modules with skip connections to segment a LiDAR image. The refinement modules with skip connections in the proposed model make it possible to construct a complex structure with a small number of parameters than a convolutional neural network model with a linear structure. Using the proposed model, it is possible to distinguish areas in a LiDAR image occupied by obstacles such as vehicles, pedestrians, and bicyclists. The proposed model can be applied to recognize surrounding obstacles and to search for safe paths.

• Korean Journal of Radiology
• /
• 제22권3호
• /
• pp.435-441
• /
• 2021

Objective: To evaluate the usefulness of the ventricular volume percentage quantified using three-dimensional (3D) brain computed tomography (CT) data for interpreting serial changes in hydrocephalus. Materials and Methods: Intracranial and ventricular volumes were quantified using the semiautomatic 3D threshold-based segmentation approach for 113 brain CT examinations (age at brain CT examination ≤ 18 years) in 38 patients with hydrocephalus. Changes in ventricular volume percentage were calculated using 75 serial brain CT pairs (time interval 173.6 ± 234.9 days) and compared with the conventional assessment of changes in hydrocephalus (increased, unchanged, or decreased). A cut-off value for the diagnosis of no change in hydrocephalus was calculated using receiver operating characteristic curve analysis. The reproducibility of the volumetric measurements was assessed using the intraclass correlation coefficient on a subset of 20 brain CT examinations. Results: Mean intracranial volume, ventricular volume, and ventricular volume percentage were 1284.6 ± 297.1 cm³, 249.0 ± 150.8 cm³, and 19.9 ± 12.8%, respectively. The volumetric measurements were highly reproducible (intraclass correlation coefficient = 1.0). Serial changes (0.8 ± 0.6%) in ventricular volume percentage in the unchanged group (n = 28) were significantly smaller than those in the increased and decreased groups (6.8 ± 4.3% and 5.6 ± 4.2%, respectively; p = 0.001 and p < 0.001, respectively; n = 11 and n = 36, respectively). The ventricular volume percentage was an excellent parameter for evaluating the degree of hydrocephalus (area under the receiver operating characteristic curve = 0.975; 95% confidence interval, 0.948-1.000; p < 0.001). With a cut-off value of 2.4%, the diagnosis of unchanged hydrocephalus could be made with 83.0% sensitivity and 100.0% specificity. Conclusion: The ventricular volume percentage quantified using 3D brain CT data is useful for interpreting serial changes in hydrocephalus.

• International Journal of Advanced Culture Technology
• /
• 제9권4호
• /
• pp.385-391
• /
• 2021

3D modeling of the human body is an integral part of computer graphics. Among them, several studies have been conducted on hair modeling, but there are generally few studies that effectively implement hair and face modeling simultaneously. This study has the originality of providing users with customized face modeling and hair modeling that is different from previous studies. For realistic hair styling, We design and realize hair segmentation using FCN, and we select the most appropriate model through comparing PSPNet, DeepLab V3+, and MobileNet. In this study, we use the open dataset named Figaro1k. Through the analysis of iteration and epoch parameters, we reach the optimized values of them. In addition, we experiment external parameters about the location of the camera, the color of the lighting, and the presence or absence of accessories. And the environmental analysis factors of the avatar maker were set and solutions to problems derived during the analysis process were presented.

• 대한전자공학회논문지SP
• /
• 제38권2호
• /
• pp.199-207
• /
• 2001

본 논문에서는 곡률을 이용한 3차원 영상의 에지 기반 표면 분할 알고리즘을 제안한다. 제안한 방법은 표면 분할의 중요한 특징 요소인 에지 검출의 과정에서 3차원 영상의 깊이 정보를 스캔라인별로 2차 곡선으로 근사화하고, 각 곡선의 구분점에 대하여 곡률 계산을 적용하여 에지를 결정한 후, 영역을 그룹화 한다. 기존의 알고리즘은 jump 에지와 crease 에지로 구분하는 다른 처리 과정으로 에지를 검출하고, 특히 crease 에지에 대해서 면 방향의 불연속정도를 결정하는데 어려움이 많았다. 제안한 알고리즘은 기하학적인 접근방법으로 근사화된 곡률 계산을 이용한 단일 처리 과정의 적용과 곡률의 불연속정도를 결정하는데 보다 용이한 방법을 제시한다. 이러한 효율적인 에지 검출을 기반으로 여러 가지 3차원 영상에 대한 실험을 통하여 제안한 방법의 성능이 기존의 방법보다 우수함을 확인하였다.

• 한국음향학회지
• /
• 제8권4호
• /
• pp.65-73
• /
• 1989

본 연구에서는, VQ(vector quantization)와 모음 인식에 기초한 화자 인식 알고리즘을 제안하고, 기존의 VQ를 사용한 화자 인식 알고리즘과 성능을 비교하였다. 제안된 화자 인식 알고리즘은 모음 분리, 모음 인식 그리고 평균 distortion양을 계산하는 3개의 과정으로 구성되며, 이때 주어진 음성 신호로부터 모음 부분을 분리하기 위해 RMS 에너지, BTR(Back-to-Total cavity volume Ratio) 그리고 SFBR(Signed-Front-to-Back maximum area Ratio)이 라는 3개 의 Parameter를 사용하였다. 입력 음성 신호의 SNR이 20 dB이고 정확한 모음 분리가 수행되었을 때, 제안된 화자 인식 알고리즘의 성능이 기존의VQ를 사용한 화자 인식 알고리즘의 성능보다 대체로 좋았으며, 입력 신호가 전화선을 통과한 신호이고 잡음이 있는 경우에도 유사한 결과를 얻을 수 있었다

• 스마트미디어저널
• /
• 제11권11호
• /
• pp.40-48
• /
• 2022

본 논문에서는 인공지능교육의 어려움을 해결하기 위하여 인공지능 교육에 활용이 가능한 교육용 키트를 개발하였다. 이를 통하여 이론 중심에서 실무 위주의 경험을 학습하기 위한 CNN과 OpenCV를 이용하여 컴퓨터 비전 기술을 이용한 사람 인식(Object Detection and Person Detection in Computer Vision)과 특정 오브젝트를 학습시키고 인식시키는 사용자 이미지인식(Your Own Image Recognition), 사용자 객체 분류(Segmentation) 및 세분화(Classification Datasets), 학습된 타켓을 공격하는 IoT하드웨어 제어와 인공지능보드인 Jetson Nano GPIO를 제어함으로써 효과적인 인공지능 학습에 도움이 되는 교재를 개발하여 활용할 수 있도록 하였다.