• 로봇학회논문지
• /
• 제1권1호
• /
• pp.25-35
• /
• 2006

Improving practicality of SLAM requires various sensors to be fused effectively in order to cope with uncertainty induced from both environment and sensors. In this case, combining sonar and vision sensors possesses numerous advantages of economical efficiency and complementary cooperation. Especially, it can remedy false data association and divergence problem of sonar sensors, and overcome low frequency SLAM update caused by computational burden and weakness in illumination changes of vision sensors. In this paper, we propose a SLAM method to join sonar sensors and stereo camera together. It consists of two schemes, extracting robust point and line features from sonar data and recognizing planar visual objects using multi-scale Harris corner detector and its SIFT descriptor from pre-constructed object database. And fusing sonar features and visual objects through EKF-SLAM can give correct data association via object recognition and high frequency update via sonar features. As a result, it can increase robustness and accuracy of SLAM in indoor environment. The performance of the proposed algorithm was verified by experiments in home -like environment.

• 한국통신학회논문지
• /
• 제40권11호
• /
• pp.2291-2297
• /
• 2015

본 연구에서는 레이더 검지 시스템과 통합하여 적용하기 위해 도로 위를 이동하는 자동차의 영상을 입력 받아 자동차를 검출하는 방법을 제안한다. 입력 영상의 제약조건이 있다. 도로 위에서 아래 방향을 비스듬히 내려 보는 고정된 시야를 가져야한다는 점이다. 주어진 영상 중 도로 영역만을 이용하기 위해 도로 영역을 관심영역으로 검출해 적용한다. 서론에서는 도로 영역 내에서 차량 검출을 위해 사용한 모션 히스토리 이미지 추출 방법, SIFT(Scale-Invariant Feature Transform) 알고리즘, 히스토그램 분석 등을 적용한 실험결과와 이에 대한 한계점을 제시했다. 이를 해결하기 위해서 가우시안 혼합 모델(GMM, Gaussian Mixture Model)의 응용을 제안한다. 가우시안 혼합 모델 알고리즘을 응용한 차량 검출 GMM(VDGMM, Vehicle Detection GMM)과 이를 차량 검출에 더 최적화한 차량 검출 GMM 2.0을 설명하고, 차량 검출 GMM 2.0을 적용한 실험결과 및 결론을 제시한다. 도로 영역 검출 없이 GMM을 적용한 결과는 정확율, 재현율, F1이 각각 9%, 53%, 15%이었고, 도로 영역 검출 후 차량 검출 GMM 2.0을 적용한 결과는 각각 85%, 77%, 80%로 많은 차이를 보였다.

• 대한전자공학회논문지SP
• /
• 제46권2호
• /
• pp.89-98
• /
• 2009

컴퓨터 비전 분야에서 영상 모자이킹 (Image Mosaicking)은 제한된 시야각의 카메라를 사용하여 획득한 여러 장의 중첩된 영역을 가지는 영상을 한 장의 영상으로 정합하여 나타내는 기법이다. 최근에는 연속된 영상에서 카메라의 기학학적인 움직임 때문에 발생하는 영상의 왜곡이나 밝기 차에 관계없이 정확한 정합을 수행하기 위해서 특징점을 기반으로 서술자를 구성하는 정합 방법이 많이 연구되고 있다. 그러나 대부분의 특징점 검출 알고리즘들은 영상의 밝기값 기반의 처리 과정을 수행하기 때문에 영상의 칼라 성분은 다르지만 밝기값이 비슷한 경우, 또는 동영상에서 시간의 흐름에 따라 광원이 변화하는 경우에는 광원의 영향에 따라 검출되는 특징점의 수와 각각의 지역 서술자의 특성이 변하여 정확한 대응점을 검출하는데 오류를 유발하게 된다. 이런 문제점을 해결하기 위해서 본 논문은 영상의 칼라 정보를 이용한 특징점 기반의 영상 모자이킹 방법을 제안하였다. 디지털 칼라 카메라로부터 획득한 디지털 값을 좁은 대역을 갖는 가상의 카메라 출력값으로 변환하여 물체의 분광 반사율 기반의 값으로 유도하고 이것을 광원의 변화에 불변하는 칼라 불변 값 (Color-Invariant Value)으로 정의하였다. 제안된 칼라 불변값의 유효성을 검증하기 위해서 시뮬레이션된 광원들과 Macbeth Color-Checker를 이용하여 확인하였으며, 실험결과에서 제안한 방법과 기존의 SIFT 알고리즘을 비교를 통해 제안된 방법의 정합율의 향상을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권5호
• /
• pp.1676-1689
• /
• 2014

At present, the Content-Based Image Retrieval (CBIR) system has become a hot research topic in the computer vision field. In the CBIR system, the accurate extractions of low-level features can reduce the gaps between high-level semantics and improve retrieval precision. This paper puts forward a new retrieval method aiming at the problems of high computational complexities and low precision of global feature extraction algorithms. The establishment of the new retrieval method is on the basis of the SIFT and Harris (APISH) algorithm, and the salient region of interest points (SRIP) algorithm to satisfy users' interests in the specific targets of images. In the first place, by using the IPDSH and SRIP algorithms, we tested stable interest points and found salient regions. The interest points in the salient region were named as salient interest points. Secondary, we extracted the pseudo-Zernike moments of the salient interest points' neighborhood as the feature vectors. Finally, we calculated the similarities between query and database images. Finally, We conducted this experiment based on the Caltech-101 database. By studying the experiment, the results have shown that this new retrieval method can decrease the interference of unstable interest points in the regions of non-interests and improve the ratios of accuracy and recall.

• 한국통신학회논문지
• /
• 제41권11호
• /
• pp.1490-1501
• /
• 2016

본 논문에서는 인메모리(In-memory) 병렬 분산 처리 시스템 Apache Spark(이하 Spark)를 활용하여 사용자에게 실시간 측위 정보를 제공할 수 있는 영상 기반 실내 위치인식 시스템을 제안한다. 제안하는 시스템에서는 사용자에게 실시간 측위 정보를 제공하기 위해서, Spark를 이용한 영상 특징점 추출 알고리즘의 병렬 분산화를 통해 알고리즘 연산 시간을 단축시킨다. 하지만 기존의 Spark 플랫폼에서는 영상 처리를 위한 인터페이스가 존재하지 않아, 영상 처리와 관련된 연산을 수행하는 것이 불가능하였다. 이에 본 논문에서는 Spark 영상 입출력 인터페이스를 구현하여 측위 연산을 위한 영상 처리를 Spark에서 수행 가능하게 하였다. 또한 무손실 압축(lossless compression)기법을 이용하여 특징점 기술자(descriptor)를 압축된 형태로 데이터베이스에 저장하여, 대용량의 실내 지도 데이터를 효율적으로 저장 및 관리하는 방법을 소개한다. 측위 실험은 실제 실내 환경에서 수행하였으며, 싱글 코어(Single-core) 시스템과의 성능 비교를 통해 제안하는 시스템이 최대 약 3.6배 단축된 시간으로 사용자에게 측위 정보를 제공 할 수 있다는 것을 입증하였다.

• 전자공학회논문지CI
• /
• 제45권2호
• /
• pp.48-55
• /
• 2008

본 논문은 영상 분할 기법 및 특징 점 추출 기법을 이용한 객체 추출 방법과 영상 검색 방법을 제안한다. 제안하는 방법은 크게 네 단계의 과정으로 이루어져 있다. 첫 번째 단계에서는 데이터베이스 영상에 대해서 JSEG 알고리즘을 이용하여 영상을 분할한다. 두 번째 단계에서 각 분할된 영역과 질의 영상에서 대표 색상을 추출하고, 색상 히스토그램을 생성한다. 질의 영상과 데이터베이스 영상의 각 영역간의 대표 색상과 색상 히스토그램을 비교한 결과를 종합하여 객체 후보 영역을 추출한다. 영상분할 과정에서 지나치게 분할된 영역을 위해 인접해 있는 후보 영역들을 합병한다. 세 번째 단계에서는 각 후보 영역과 질의 영상에서 DoG(Difference of Gaussian) 피라미드의 극치 점으로부터 영상의 크기 변화에 일관된 중요 특징 점들을 추출한다. 추출된 특징 점들을 정합하여 질의 영상에 해당하는 객체를 검출한다. 마지막 단계에서는 질의 영상과 객체 영역이 추출된 DB 영상과의 유사도 측정을 통한 검색을 수행하며, 유사도 측정은 색상 상관도표(Color correlogram)를 사용한다. 실험 결과를 통하여 본 논문에서 제안하는 영상 검색 방법은 질의 객체 영상에 대해 영상 전체를 비교하는 것이 아니라 객체가 존재하는 영역을 추출한 후 유사도를 측정함으로써, 배경에 의한 오검색률이 감소하고, 검색 성능이 향상됨을 확인하였다.

• Journal of Information Processing Systems
• /
• 제14권5호
• /
• pp.1176-1194
• /
• 2018

The object classification using the images' contents is a big challenge in computer vision. The superpixels' information can be used to detect and classify objects in an image based on locations. In this paper, we proposed a methodology to detect and classify the image's pixels' locations using enhanced bag of words (BOW). It calculates the initial positions of each segment of an image using superpixels and then ranks it according to the region score. Further, this information is used to extract local and global features using a hybrid approach of Scale Invariant Feature Transform (SIFT) and GIST, respectively. To enhance the classification accuracy, the feature fusion technique is applied to combine local and global features vectors through weight parameter. The support vector machine classifier is a supervised algorithm is used for classification in order to analyze the proposed methodology. The Pascal Visual Object Classes Challenge 2007 (VOC2007) dataset is used in the experiment to test the results. The proposed approach gave the results in high-quality class for independent objects' locations with a mean average best overlap (MABO) of 0.833 at 1,500 locations resulting in a better detection rate. The results are compared with previous approaches and it is proved that it gave the better classification results for the non-rigid classes.

• 한국정보통신학회논문지
• /
• 제20권2호
• /
• pp.359-366
• /
• 2016

방사선 치료에 있어서 정상 조직에는 방사선을 최소화 하고 종양 부위에 정확한 방사선을 집중해서 조사하여 국소 종양 제어율(Local Tumor Rate)을 극대화 하는 것이 가장 중요하다. 이를 위해서 초기에는 치료사들이 직접 환자의 움직임을 감지했으나 정확도가 떨어지고 치료사들의 피로가 가중되는 문제점들이 있었다. 또한 웹카메라를 이용하여 기준영상과 갱신되는 영상의 차분값을 계산하여 그 결과가 기준값을 초과하면 움직임이 발생한 것으로 판단하는 시스템을 사용하였다. 그러나 이 시스템은 환자의 움직임을 정량적으로 분석할 수 없고 토모치료기의 치료베드 이동시 변화되는 배경을 환자와 가려낼 수 없었다. 이에 본 논문에서는 이러한 한계점을 해결하고자 지수가중치(${\alpha}$) 필터를 이용하여 환자의 움직임을 정량화 하고 환자와 치료환경의 배경이미지를 분리하여 치료중 환자의 움직임만을 감지하여 환자의 움직임으로 인한 문제를 줄일 수 있었다.

• 한국게임학회 논문지
• /
• 제7권4호
• /
• pp.105-116
• /
• 2007

게임 환경에서의 학습은 다양한 분야에서 유용하게 활용될 수 있다. 그러나, 학습이 게임에서 만족스러운 결과를 산출하기까지는 많은 학습 시간이 요구된다. 이러한 점을 개선하기 위하여 학습시간을 단축시킬 수 있는 방법론들이 필요하다. 본 논문에서는 예측 정보를 이용한 Q-학습의 성능개선 방안을 제안한다. Q-학습 알고리즘에서는 Q-테이블의 각 상태별 선택된 액션을 참조한다. 참조한 값은 예측 모듈의 P-테이블에 저장되고, 이 테이블에서 출연 빈도가 가장 높은 값을 찾아 2차 보상 값을 갱신할 때 활용한다. 본 연구에서 제시한 방법은 상태내의 전이가 가능한 액션의 수가 많을수록 성능이 높아짐을 확인하였다. 또한 실험결과로 실험 중반 이후부터 제안한 방식이 기존 방식보다 평균 9%의 성능 향상을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.256-257
• /
• 2022

본 논문에서는 단일 모바일 디바이스의 움직임을 통해 3차원 특징점을 추출하는 방법에 대해 소개한다. 단안 카메라를 이용해 카메라 움직임에 따라 2D 영상을 획득하고 Baseline을 추정한다. 특징점 기반의 스테레오 매칭을 진행한다. 특징점과 디스크립터를 획득하고 특징점을 매칭한다. 매칭된 특징점을 이용해 디스패리티를 계산하고 깊이값을 생성한다. 3차원 특징점은 카메라 움직임에 따라 업데이트 된다. 마지막으로 장면 전환 검출을 이용하여 장면 전환시 특징점을 리셋한다. 위 과정을 통해 특징점 데이터베이스에 평균 73.5%의 저장공간 추가 확보를 할 수 있다. TUM Dataset의 Depth Ground truth 값과 RGB 영상으로 제안한 알고리즘을 적용하여 3차원 특징점 결과와 비교하여 평균 26.88mm의 거리 차이가 나는것을 확인하였다.