• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권1호
• /
• pp.9-18
• /
• 2018

최근 가상현실 기반의 콘텐츠들이 늘어나면서 이미지 Stitching 기술의 사용이 증가하고 있다. 이미지 Stitching이란 고해상도 이미지 및 넓은 시야(Wide Field of View)의 이미지를 생성하기 위해 다중의 영상을 정합하는 방법이다. 이런 이미지 Stitching은 하나의 카메라로부터 생성되는 영상의 한계를 넘어 다양한 분야에서 활용되고 있다. 이미지 Stitching은 다중의 영상을 정합하기 위해 특징 점 및 대응점을 검출하고 RANSAC 알고리즘을 이용하여 영상간의 변환관계(Homography)를 계산한다. 일반적으로 변환관계 계산을 위해 대응점들이 필요하다. 그러나 대응점들에는 변환관계에 대한 잘못된 가정이나 오류로 인해 발생할 수 있는 다양한 유형의 노이즈(Noise)가 포함되어 있다. 이러한 노이즈는 변환관계를 정확히 예측하는 방해 요인이 된다. 이처럼 일반적으로 사용되는 대응점 매칭(Matching) 방법들은 잘못된 대응점들을 매칭할 수 있는 경우가 발생하기 때문에 모델 파라미터의 예측을 방해하는 대응점(Outlier)로부터 정확한 변환관계를 구축하기 위해 RANSAC 알고리즘을 사용한다. 본 논문에서는 RANSAC 알고리즘에 사용되는 대응점 관계 정보를 이용하여 좀 더 정확한 대응점(Inlier)을 추출하고 정확한 변환관계를 계산하는 알고리즘을 제안한다. 대응점 관계 정보는 이미지 매칭에 사용되는 대응점 간의 거리 비율을 사용하며, 본 논문은 기존 RANSAC 알고리즘과 같은 성능을 유지하면서 처리 시간을 단축시키는데 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권2호
• /
• pp.252-266
• /
• 2006

컴퓨터 비전 분야에서 다루는 많은 문제는 대부분 수학적 모델을 기반으로 하고 있으며 그 모델의 인수를 예측하는 방법을 사용하여 주어진 문제에 대한 최적의 해를 구한다. 그런데 입력 데이타 집합에 보통의 잡음에 비해 상대적으로 크기가 큰 이상치가 포함되어 있다면 이것은 부정확한 결과를 초래한다. 이러한 문제를 해결하기 위해 사용되는 대표적인 방법으로 강건한 예측기법인 RANSAC 알고리즘이 있다. 기존 RANSAC 알고리즘의 가장 큰 문제점은 이상치의 비율과 같은 데이타 분포에 대한 사전지식이 필요하다는 것이다. 본 논문에서는 이러한 문제점을 해결하기 위해 매 반복 수행시 마다 퍼지분류 기법을 이용하여 전체 데이타를 좋은 샘플집합(good sample set)과 나쁜 샘플집합(bad sample set) 그리고 모호한 샘플집합(vague sample set)으로 분류한 뒤 좋은 샘플집합에서만 샘플링을 해나감으로써 이상치에 대한 제거율과 해의 정확도를 향상시키는 FRANSAC 알고리즘을 제안한다. 실험 결과에서는 제안한 알고리즘을 각각 선형회귀 문제와 호모그래피 계산 문제에 대해 적용했을 때의 성능을 보인다.

• 대한원격탐사학회지
• /
• 제21권6호
• /
• pp.505-516
• /
• 2005

2008년도에 발사 예정인 통신해양기상위성은 자동 영상기반 항법을 수행할 예정이다. 자동 영상기반 항법을 위해서는 랜드마크 칩과 영상간의 정합을 수행하는 랜드마크 검출도 자동 수행되어야 한다. 그러기 위해서는 자동 정합의 문제점인 오정합에 대한 해결책이 필요하다. 이런 문제를 해결하기 위해서 우리는 강인추정기법 중 하나인 Random Sample Consensus (RANSAC)를 통한 자동 오정합 판별을 제안한다. 우리는 RANSAC을 이용한 자동 오정합 판별을 실험하기 위해서 GOES-9의 영상과 해안선 데이터베이스에서 추출한 30개의 랜드마크 칩을 이용하여 정합을 수행하였다. 정합수행 후에 RANSAC 추정 기법으로 오정합을 판별해 내었으며, RANSAC에 오차 임계값으로 2.5 픽셀을 설정했을 때, 모든 오정합을 판별할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(B)
• /
• pp.318-320
• /
• 2012

증강현실 콘텐츠를 2D 이미지기반으로 저작할 때, 작성된 증강현실 콘텐츠를 카메라 시점과 일치시켜 합성하기 위해 호모그래피를 이용한다. 이때 증강현실 콘텐츠를 이질감 없이 합성하기위해 정확한 호모그래피 행렬을 추정해야 한다. 그러나 호모그래피 행렬 추정 시 사용되는 특징점들이 선형을 이루거나, 특정 영역에 군집을 이루는 경우 정확한 호모그래피 행렬을 추정하지 못하는 문제가 발생한다. 본 논문에서는 이러한 문제를 해결하기 위해 선형제약, 거리제약을 적용한 CSP 기반의 RANSAC 알고리즘을 제안한다. 실험결과 호모그래피 행렬 추정 시 CSP를 적용한 RANSAC 알고리즘이 기존의 랜덤샘플링 또는 삼각형의 넓이를 이용한 샘플링을 적용한 RANSAC 알고리즘보다 정확도가 향상됨을 보였다.

• 융합신호처리학회논문지
• /
• 제16권1호
• /
• pp.9-14
• /
• 2015

Outlier detection and removal is a crucial step needed for various image processing applications such as image registration. Random Sample Consensus (RANSAC) is known to be the best algorithm so far for the outlier detection and removal. However RANSAC requires a cosiderable computation time. To drastically reduce the computation time while preserving the comparable quality, a outlier detection and removal method based on modified K-means is proposed. The original K-means was conducted first for matching point pairs and then cluster merging and member exclusion step are performed in the modification step. We applied the methods to various images with highly repetitive patterns under several geometric distortions and obtained successful results. We compared the proposed method with RANSAC and showed that the proposed method runs 3~10 times faster than RANSAC.

• 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.

• 대한전자공학회논문지SP
• /
• 제44권4호통권316호
• /
• pp.44-50
• /
• 2007

본 논문에서는 영상으로부터 획득된 대응점을 추출하기 위한 새로운 알고리듬을 제안한다. 제안하는 EMSAC 알고리듬은 EM과 RANSAC에 기반을 두고 있다. RANSAC 과정에서는 N개의 대응점들이 랜덤하게 선택되어진다. 랜덤으로 N개의 대응점을 선택하는 과정은 최대 반복횟수 내에서 적절한 파라미터가 추정될 때까지 반복된다. 이는 시간이 오래 걸리고 때로는 적절한 파라미터에 수렴하지 않는 경우도 발생한다. 그러므로 본 연구에서는 RANSAC 알고리듬에서 N개 대응점을 임의로 선택하는 대신 최적의 해가 존재할 확률이 높은 영역에서 대응점을 선택하는 EMSAC 알고리듬을 사용하였다. EMSAC 알고리듬은 반복적인 선택을 줄여 안정적이고 처리 속도가 빠른 대응점들을 추출할 수 있다.

• 융합신호처리학회논문지
• /
• 제11권4호
• /
• pp.345-353
• /
• 2010

로봇의 대역적 자기 위치 추정에서의 일반적인 해법은 로봇의 자기 위치에서 복수의 가설을 생성하고, 관측된 랜드마크의 특정을 기초로 각 가설을 평가하여 가장 확실한 자기 위치를 구하는 것이다. 기존의 대표적인 방법인 ML이나 MCL은 랜드마크의 특징과 생성된 가설의 모든 조합을 평가하는 방법으로서 충분한 계산 자원에서는 최적의 방법이라 할 수 있다. 그러나, 일반적으로 계산량은 평가할 조합의 수에 비례하므로 다수의 조합이 존재하는 넓은 환경에서는 이러한 방법은 계산량이 아주 많아진다. 이러한 문제를 해결하기 위하여 본 논문에서는 확실하고 유망한 조합을 우선적으로 선택 평가하는 것으로, 계산시간을 효율적으로 이용하는 새로운 추정방법을 제안한다. 그 기본이 되는 방법으로는 RANSAC 알고리즘과 RANSAC 알고리즘의 효율화 방법인 Preemption scheme을 이용한다. 제안된 방법은 로봇이 관측할 때마다 계산량을 일정치 이하로 억제할 수가 있고, 또한 검증 실험에서 높은 추정 성능을 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 춘계학술대회
• /
• pp.427-429
• /
• 2017

본 논문에서는 실시간으로 주행 중인 차량의 영상을 대상으로 ROI 영역을 추출하고 추출된 ROI 영역에 Warping 기법과 RANSAC 알고리즘을 적용하여 곡선 차선을 검출하는 방법을 제안한다. 제안된 방법은 실시간 영상에서 관심 영역을 ROI 영역으로 설정하고 영상의 원근감을 제거하기 위하여 Warping을 적용한다. Warping이 적용된 영상에서 차선의 밝기는 도로의 밝기보다 높다는 특징을 이용하여 노란색과 흰색 차선의 영역을 추출한다. 추출된 차선의 영역에서 곡선을 검출하기 위하여 RANSAC 알고리즘을 적용하여 곡선을 검출하기 위한 기준점을 설정한 후, 스플라인 기법을 적용하여 곡선을 검출한다. 실시간적으로 주행 중인 차량에서 촬영한 동영상을 대상으로 실험한 결과, 곡선 차선이 효과적으로 검출되었다. 따라서 제안된 방법이 자율 주행에 효율적으로 적용될 수 있는 가능성을 확인하였다.

• 정보처리학회논문지B
• /
• 제13B권7호
• /
• pp.671-678
• /
• 2006

본 논문에서는 두 영상간의 대응관계로부터 퍼지 분류기법을 이용한 강건한 카메라 동작 추정 방법을 제안한다. 제안한 방법에서는 이상치가 존재할 때 정확한 카메라 동작을 추정하기 위하여 대표적인 강건 예측기법인 RANSAC 알고리즘을 사용한다. 그런데 RANSAC은 사전에 결정되는 이상치의 비율에 따라 정확도가 좌우되는 샘플링 문제점을 가지고 있다. 이러한 문제점을 개선하기 위해 샘플링 시에 퍼지 분류기법을 이용하여 전체 샘플을 좋은, 모호한, 나쁜 샘플로 분류한다. 그런 후에 좋은 데이터에 대해서만 샘플링을 수행함으로써 이상치 제거에 대한 정확도를 향상시킨다. 실험에서는 호모그래피 계산에 대한 성능을 비교함으로써 제안한 방법의 우수함을 보인다.