• 정보처리학회논문지A
• /
• 제10A권4호
• /
• pp.357-368
• /
• 2003

3차원 모델의 형상 유사성 평가는 의학, 기계 공학, 분자 생물학 등의 많은 분야에서 매우 중요하다. 더욱이 3차원 모델이 웹 상에 보편화됨에 따라 3차원 모델들의 분류와 검색에 관한 연구들이 활발하게 이루어지고 있다. 본 논문에서는 3차원 형상 표현 방법들과 유사성 평가에 대한 주요 개념들을 기술하고, 최근의 형상 비교에 관한 연구들을 다해상도, 위상 기하학, 2차원 영상, 통계학 기반 방법들로 분류하여 그 특징들을 분석하였다. 또한 논문에서 채택한 유일성, 강인성, 불변성, 다해상도, 효율성, 비교범위와 같은 기준을 사용하여 그 성능을 비교 평가하였다. 다해상도 기반 방법은 비교를 위한 계산 시간은 감소시킨 반면 전처리 시간은 증가시켰다. 기하 및 위상 정보를 이용한 방법은 보다 다양한 형태의 모델들을 비교할 수 있었고 부분적인 형상 비교에도 강인하였다. 2차원 영상을 이용한 방법들은 시간 및 공간 복잡도가 높게 나타났다. 통계학 기반 방법들은 포즈 정규화 작업 없이 형상 비교가 가능하였고, 어파인 변환 및 잡음에도 강인한 결과를 보였다.

• 천문학회지
• /
• 제42권3호
• /
• pp.61-69
• /
• 2009

Transverse velocity vectors can be determined from a pair of images successively taken with a time interval using an optical flow technique. We have tested the performance of the new technique called NAVE (non-linear affine velocity estimator) recently implemented by Chae & Sakurai using real image data taken by the Narrowband Filter Imager (NFI) of the Solar Optical Telescope (SOT) aboard the Hinode satellite. We have developed two methods of estimating the errors in the determination of velocity vectors, one resulting from the non-linear fitting ${\sigma}_{\upsilon}$ and the other ${\epsilon}_u$ resulting from the statistics of the determined velocity vectors. The real error is expected to be somewhere between ${\sigma}_{\upsilon}$ and ${\epsilon}_u$. We have investigated the dependence of the determined velocity vectors and their errors on the different parameters such as the critical speed for the subsonic filtering, the width of the localizing window, the time interval between two successive images, and the signal-to-noise ratio of the feature. With the choice of $v_{crit}$ = 2 pixel/step for the subsonic filtering, and the window FWHM of 16 pixels, and the time interval of one step (2 minutes), we find that the errors of velocity vectors determined using the NAVE range from around 0.04 pixel/step in high signal-to-noise ratio features (S/N $\sim$ 10), to 0.1 pixel/step in low signa-to-noise ratio features (S/N $\sim$ 3) with the mean of about 0.06 pixel/step where 1 pixel/step corresponds roughly to 1 km/s in our case.

• 전기전자학회논문지
• /
• 제24권1호
• /
• pp.147-153
• /
• 2020

기존의 차선 검출 방법들은 곡률과 날씨 변화가 큰 도로 환경에서 검출률이 낮다. 확률적 허프 변환을 이용한 방법은 에지와 직선의 각도를 이용해서 차선을 검출함으로 곡선과 악천후일 때 검출률이 낮다. 슬라이딩 윈도우 방법은 윈도우로 이미지를 분할해서 검출하기 때문에 곡선 형태의 차선도 검출하지만 어파인 변환을 사용하기 때문에 도로의 경사율에 영향을 받는다. 본 논문에서는 다양한 외부 환경에서도 차선을 강인하게 검출하고 장애물을 회피하기 위한 딥러닝 기반의 주행 보조 시스템을 제안한다. VGG-16기반의 SegNet으로 입력 영상을 의미론적으로 분할해서 차선을 검출한다. 검출한 차선과의 이격거리를 계산하고 안전범위를 산출해서 차량이 차선의 중앙을 주행하도록 제어한다. 또한, 전방의 미확인 물체와 충돌이 예상되면 운전자에게 경보를 주고 Adaptive-MPC로 차량을 제어해서 충돌을 회피하는 알고리즘도 제안한다. CARLA로 시뮬레이션한 결과 제안한 알고리즘은 곡률이 큰 차선과 다양한 환경에서도 강인하게 차선을 검출하고 전방의 안전범위를 계산하여 충돌을 회피하는 것을 볼 수 있다.