리프로젝션 이미지를 이용한 3차원 포인트 클라우드 정합
- 주제(키워드) 3차원 스캐닝 , 리프로젝션 , 정합 , 포인트 클라우드 , ICP
- 발행기관 고려대학교 대학원
- 지도교수 장민호
- 발행년도 2015
- 학위수여년월 2015. 2
- 학위구분 석사
- 학과 일반대학원 기계공학과
- 세부전공 기계공학전공
- 원문페이지 59 p
- 실제URI http://www.dcollection.net/handler/korea/000000057390
- 본문언어 한국어
- 제출원본 000045827058
초록/요약
카메라를 이용한 고 정밀 3차원 스캐너가 많이 개발되고 있고, 이를 활용하는 분야가 점차 늘어가고 있다. 3차원 스캐닝으로 얻은 3차원 데이터는 포인트 클라우드(Point cloud)의 형태로 얻어진다. 하나의 완전한 3차원 모델을 만들기 위해서는 물체를 여러 위치에서 스캔한 후, 각 스캔위치에서 얻은 포인트 클라우드를 하나의 좌표계로 모으는 정합 과정이 필요하다. 가장 널리 사용되는 3차원 데이터 정합 알고리즘인 ICP(Iterative closest point)[1][2][3]는 두 포인트 클라우드 사이에서 가장 가까이에 있는 점들을 대응점(corresponding point)로 정의하고 대응점 사이의 거리의 합을 최소화하는 과정을 반복한다. ICP 알고리즘은 정밀한 정합 결과를 보여주지만, 두 포인트 클라우드의 초기 위치가 좋지 않을 경우 국소 최저치(Local minima)에 빠져 정확하게 수렴하지 않을 수 있다. 일반적으로 ICP알고리즘의 좋은 초기 위치를 얻으려면 사용자가 직접 데이터를 개략적으로 이동시키거나 턴테이블 등의 자동화된 3차원 스캔 보조 장비를 사용하여 스캔 데이터 간의 트랜스포메이션(Transformation)을 얻는다. 하지만 스캔 횟수가 많아질수록 사용자가 직접 데이터를 움직이는데 어려움이 있으며, 스캔 보조장비가 없거나 스캔하고자 하는 대상에 따라 스캔 보조장비를 사용할 수 없는 경우가 발생한다. 글로벌 데이터 정합[4][5]은 트랜스포메이션이 주어지지 않은 두 3차원 데이터간의 트랜스포메이션을 찾는 과정이다. 하지만 이 과정만으로 정확한 관계를 찾기가 힘들기 때문에, 실제로는 ICP알고리즘을 수행하기에 좋은 초기 위치까지의 트랜스포메이션을 구하는데 목표를 둔다. 기존 글로벌 3차원 정합은 3차원 공간에서 데이터를 분석하고 특징점을 정의한 후 특징점 간의 대응관계를 찾기 때문에 시간이 많이 소요된다. 따라서 ICP알고리즘을 적용하기 좋은 초기조건을 찾으면서 소요시간이 짧은 3차원 데이터 정합에 대한 연구가 필요하다. 본 논문에서는 3차원 정합에 필요한 데이터간의 대응점을 3차원 데이터가 아닌 2차원 이미지에서 찾는다. 이미지 정합을 통하여 대응점을 찾고 3차원 데이터를 반복적으로 정합하는 방법을 소개하고, 이를 실험을 통하여 검증한다.
more목차
국문요약......................................................................................................... i
목 차........................................................................................................ iii
그림목차........................................................................................................ v
표 목 차...................................................................................................... viii
제 1장 서론.................................................................................................... 1
1.1 연구 배경..................................................................................................................... 1
1.2 연구 목적 및 내용..................................................................................................... 3
제 2장 이미지 기반 3차원 포인트 클라우드의 정합......................... 4
2.1 이미지 정합................................................................................................................. 4
2.2 이미지와 포인트 클라우드의 관계........................................................................ 7
2.3 이미지 정합을 이용한 포인트 클라우드의 정렬.............................................. 10
2.4 이미지 리프로젝션과 포인트 클라우드 재 정렬.............................................. 13
2.5 USR-detection 과 USR-filling............................................................................. 16
제 3장 실험 결과 및 평가....................................................................... 21
3.1 뷰포인트 각도 차이에 따른 정합 정확도 실험................................................ 22
3.2 뷰포인트 위치 차이에 따른 정합 정확도 실험................................................ 28
3.3 뷰포인트의 각도와 위치의 복합적 변화에 따른 정합 정확도...................... 35
3.4 USR-filling 여부에 따른 정합 정확도 실험..................................................... 40
제 4장 결론.................................................................................................. 44
참고문헌........................................................................................................ 45