KR101284252B1 - Curvature Field-based Corner Detection - Google Patents
Curvature Field-based Corner DetectionInfo
- Publication number
- KR101284252B1 KR101284252B1 KR1020110114460A KR20110114460A KR101284252B1 KR 101284252 B1 KR101284252 B1 KR 101284252B1 KR 1020110114460 A KR1020110114460 A KR 1020110114460A KR 20110114460 A KR20110114460 A KR 20110114460A KR 101284252 B1 KR101284252 B1 KR 101284252B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- curvature
- corner
- extraction process
- extracting
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
Abstract
검출된 코너의 위치가 안정되며 의미있는 코너를 효과적으로 검출하는 것이 가능하도록, 밝기 영상에서 방향정보를 추출하는 방향추출과정과, 상기 방향정보에 따라 인접하는 두개의 영역을 선택하고 방향차를 이용하여 곡률을 추출하는 곡률추출과정과, 상기 곡률의 극대점을 이용하여 최종 코너점을 추출하는 코너추출과정을 포함하는 영상 곡률 공간정보를 이용한 코너검출방법을 제공한다.In order to stabilize the position of the detected corner and to effectively detect a meaningful corner, a direction extraction process of extracting direction information from the brightness image, two adjacent areas are selected according to the direction information, and the direction difference is used. A corner detection method using image curvature spatial information includes a curvature extraction process of extracting a curvature and a corner extraction process of extracting a final corner point using the maximum point of the curvature.
Description
본 발명은 영상 곡률 공간정보를 이용한 코너검출방법에 관한 것으로서, 보다 상세하게는 영상 기반에서 방향정보를 추출하고 여기에서 곡률정보를 직접 추출하여 의미있는 코너점을 추출하는 영상 곡률 공간정보를 이용한 코너검출방법에 관한 것이다.The present invention relates to a corner detection method using image curvature spatial information, and more particularly, corner using image curvature spatial information to extract meaningful corner points by extracting direction information directly from image based curvature information. It relates to a detection method.
대부분의 컴퓨터 비전(vision) 처리는 두 장 이상의 영상을 이용하여 정보를 추출하여 행한다. 예를 들면, 물체 인식은 물체 영상을 데이터베이스(DB)로 하고, 다른 환경에서 촬영한 물체 영상과 정합을 하여 판단한다. 스테레오 정합은 거리 정보를 추출하기 위해 두 장의 영상을 활용한다. 그리고, 파노라마 영상 정합의 경우에는 여러 장의 영상을 활용한다.Most computer vision processing is performed by extracting information using two or more images. For example, object recognition is determined by using an object image as a database DB and matching the object image photographed in another environment. Stereo matching uses two images to extract distance information. In the case of panorama image registration, several images are utilized.
또한 지능형 로봇 주행을 위한 SLAM(Simultaneous Localization and Map making) 기술에서는 여러 장의 영상 정합을 통하여 맵(map) 생성 및 위치추정을 행한다.In addition, in the SLAM (Simultaneous Localization and Map making) technology for intelligent robot driving, map generation and location estimation are performed through multiple image registration.
상기와 같은 응용예에서, 모든 픽셀을 비교하여 정합을 행하는 것은 계산 시간이 많이 소요되며 매우 비효율적이므로, 대부분 영상에서 특징점(Interesting Point)을 추출하여 정합하는 것에 의하여 보다 효율적으로 정합 문제를 해결하고 있다.In this application example, matching by comparing all the pixels is time-consuming and very inefficient. Therefore, the matching problem is solved more efficiently by extracting and matching the interesting points in most images. .
일반적으로 비전 분야에서는 대칭성을 이용한 특징점 또는 코너 특징점 등과 같은 다양한 특징점이 제안되었다. 특히 코너 특징점은 두개 이상의 에지(edge)가 만나는 점으로써, 물체의 경계 또는 물체 내의 파트 경계를 정의한다.In general, various feature points such as a feature point or a corner feature point using symmetry have been proposed in the vision field. In particular, corner feature points are points where two or more edges meet and define the boundary of an object or a part boundary within an object.
우수한 코너점 추출기는 실제로 의미있는 코너는 잘 검출하고, 가짜 코너는 검출하지 않아야 하며, 코너점의 위치 추정이 정확하고, 다양한 영상에서 반복성이 높아야 하고, 영상 잡음에도 강인해야 하며, 계산 속도가 빨라야 한다.A good corner point extractor should actually detect meaningful corners well, not fake corners, accurate position estimation of corner points, high repeatability in various images, robust to image noise, and fast computational speed. do.
종래 알려진 코너점을 찾는 방법으로는 크게 영상밝기에 기초한 방법과 에지에 기반한 방법이 있다.Conventionally known methods for finding corner points include methods based on image brightness and methods based on edges.
상기에서 영상밝기에 기초한 방법은 영상정보를 직접 이용하기 때문에 저레벨처리(Low Level Processing) 결과에 둔감한 반면, 의미있는 코너 추출에 약한 면을 보인다.The method based on image brightness is insensitive to low level processing results due to direct use of image information, but weak in extracting meaningful corners.
그리고 에지에 기반한 방법은 에지의 추출 결과에 영향을 많이 받는다는 문제가 있다.In addition, the edge-based method has a problem that is affected by the extraction results of the edge.
본 발명은 상기와 같은 점에 조감하여 이루어진 것으로서, 영상밝기에 기초한 방법과 에지에 기반한 방법의 장점만을 이용하는 새로운 코너 추출방법을 제안하기 위한 것으로, 영상 기반에서 방향정보를 추출하고 여기에서 곡률정보를 직접 추출하여 의미있는 코너점을 추출하는 영상 곡률 공간정보를 이용한 코너검출방법을 제공하는데, 그 목적이 있다.SUMMARY OF THE INVENTION The present invention has been made in view of the above points, and proposes a new corner extraction method using only the advantages of the method based on image brightness and the method based on edge, and extracts the direction information from the image based on the curvature information. SUMMARY OF THE INVENTION An object of the present invention is to provide a corner detection method using image curvature spatial information that directly extracts meaningful corner points.
본 발명의 실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법은 카메라에서 촬영된 영상이 2장 이상 입력되면 밝기 영상에서 방향정보를 추출하는 방향추출과정과, 상기 방향정보에 따라 인접하는 두개의 영역을 선택하고 방향차를 이용하여 곡률을 추출하는 곡률추출과정과, 상기 곡률의 극대점을 이용하여 최종 코너점을 추출하는 코너추출과정을 포함하여 이루어진다.In the corner detection method using the image curvature spatial information according to an embodiment of the present invention, when two or more images captured by the camera are input, a direction extraction process of extracting direction information from a brightness image, and two adjacent directions according to the direction information. A curvature extraction process of selecting a region and extracting curvature using a direction difference, and a corner extraction process of extracting a final corner point using the maximum point of the curvature.
본 발명의 실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법에 의하면, 방향정보를 밝기 영상으로부터 직접 추출하고 이 영상에 대해 곡률을 획득하고 극대점을 이용하여 코너점을 검출하므로, 에지 추출 과정이 생략되기 때문에 에지 추출과정의 오류로 인한 곡률 추정의 어려움이 사라지는 이점이 있으며, 검출된 코너의 위치가 안정되고 의미있는 코너를 효과적으로 검출하는 것이 가능하다.According to the corner detection method using the image curvature spatial information according to an embodiment of the present invention, since the direction information is extracted directly from the brightness image, the curvature is obtained for this image, and the corner point is detected using the maximum point, so that the edge extraction process is performed. Since it is omitted, the difficulty of estimating the curvature due to the error of the edge extraction process disappears, and the position of the detected corner is stable and it is possible to effectively detect a meaningful corner.
도 1은 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법을 나타내는 블럭도이다.
도 2는 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법으로 추출한 테스트 영상의 방향공간영상과 곡률공간영상의 결과를 나타내는 이미지이다.
도 3은 이상적인 곡률 계산법을 나타내는 그래프이다.
도 4는 영상에서 근사화한 곡률 계산법을 나타내는 그래프이다.
도 5는 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법으로 종합 테스트 영상의 곡률공간영상을 추출한 결과를 나타내는 이미지이다.
도 6은 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법과 해리스 기법으로 각각 종합 테스트 영상의 코너점을 추출한 결과를 나타내는 이미지이다.
도 7은 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법과 해리스 기법으로 각각 블록 테스트 영상의 코너점을 추출한 결과를 나타내는 이미지이다.
도 8은 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법과 해리스 기법으로 각각 하우스 테스트 영상의 코너점을 추출한 결과를 나타내는 이미지이다.
도 9는 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법과 해리스 기법으로 각각 블록 테스트 영상에 대한 회전변환 반복성 실험을 행하여 코너점을 추출한 결과를 나타내는 이미지이다.
도 10은 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법과 해리스 기법으로 각각 블록 테스트 영상에 대한 크기변환 반복성 실험을 행하여 코너점을 추출한 결과를 나타내는 이미지이다.
도 11은 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법과 해리스 기법으로 각각 하우스 테스트 영상에 대한 회전변환 반복성 실험을 행하여 코너점을 추출한 결과를 나타내는 이미지이다.
도 12는 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법과 해리스 기법으로 각각 하우스 테스트 영상에 대한 크기변환 반복성 실험을 행하여 코너점을 추출한 결과를 나타내는 이미지이다.1 is a block diagram illustrating a corner detection method using image curvature spatial information according to an embodiment of the present invention.
2 is an image showing a result of a direction spatial image and a curvature spatial image of a test image extracted by a corner detection method using image curvature spatial information according to an embodiment of the present invention.
3 is a graph illustrating an ideal curvature calculation method.
4 is a graph illustrating a method of calculating curvature approximated in an image.
5 is an image illustrating a result of extracting a curvature spatial image of a comprehensive test image by a corner detection method using image curvature spatial information according to an exemplary embodiment of the present invention.
FIG. 6 is an image illustrating a result of extracting corner points of a comprehensive test image by a corner detection method and a Harris method using image curvature spatial information according to an embodiment of the present invention.
FIG. 7 is an image illustrating a result of extracting corner points of a block test image by a corner detection method and a Harris method using image curvature spatial information according to an embodiment of the present invention.
FIG. 8 is an image illustrating a result of extracting corner points of a house test image by a corner detection method and a Harris method using image curvature spatial information according to an embodiment of the present invention.
FIG. 9 is an image showing a result of extracting corner points by performing a rotation transformation repeatability experiment on a block test image using a corner detection method and a Harris method using image curvature spatial information according to an embodiment of the present invention.
FIG. 10 is an image illustrating a result of extracting corner points by performing a size conversion repeatability experiment on a block test image using a corner detection method and a Harris method using image curvature spatial information according to an embodiment of the present invention.
FIG. 11 is an image illustrating a result of extracting corner points by performing rotation transformation repeatability experiments on house test images using a corner detection method and a Harris method using image curvature spatial information according to an embodiment of the present invention.
FIG. 12 is an image illustrating a result of extracting corner points by performing a size conversion repeatability experiment on a house test image using a corner detection method and a Harris method using image curvature spatial information according to an embodiment of the present invention.
다음으로 본 발명에 따른 영상 곡률 공간정보를 이용한 코너검출방법의 바람직한 실시예를 도면을 참조하여 상세하게 설명한다.Next, a preferred embodiment of the corner detection method using the image curvature spatial information according to the present invention will be described in detail with reference to the drawings.
본 발명은 여러가지 다양한 형태로 구현하는 것이 가능하며, 이하에서 설명하는 실시예들에 한정되지 않는다.The present invention can be embodied in various forms and is not limited to the embodiments described below.
이하에서는 본 발명을 명확하게 설명하기 위해서 본 발명과 밀접한 관계가 없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이고, 반복적인 설명은 생략한다.Hereinafter, in order to clearly describe the present invention, parts not closely related to the present invention are omitted, and the same or similar elements are denoted by the same reference numerals throughout the specification, and repeated descriptions are omitted.
먼저 본 발명의 일실시예에 따른 영상 곡률 공간정보를 이용한 코너검출방법은 도 1에 나타낸 바와 같이, 방향추출과정(S10)과, 곡률추출과정(S20)과, 코너추출과정(S30)을 포함하여 이루어진다.First, a corner detection method using image curvature spatial information according to an embodiment of the present invention includes a direction extraction process (S10), a curvature extraction process (S20), and a corner extraction process (S30) as shown in FIG. It is done by
상기 방향추출과정(S10)은 카메라에서 촬영된 영상이 2장 이상 입력되면 밝기 영상에서 방향정보를 추출하는 과정으로 이루어진다.The direction extraction process (S10) consists of extracting direction information from the brightness image when two or more images captured by the camera are input.
상기에서 방향정보의 추출은 미리 설정되어 입력된 기준 영상과 새로 촬영되어 입력된 영상을 대비하여 행하는 것도 가능하고, 앞서 촬영된 영상과 이후 촬영된 영상을 대비하여 행하는 것도 가능하다.The extraction of the direction information may be performed by contrasting a preset preset input image with a newly photographed input image, or may be performed by contrasting a previously photographed image and a later image.
상기 방향추출과정(S10)에서는 영상에서 방향정보(θ(i,j))를 추출하기 위하여 다음의 수학식 1에 나타낸 바와 같은 지문인식에 사용하는 방향추출기를 사용하는 것도 가능하다.In the direction extraction process S10, in order to extract direction information θ (i, j) from an image, it is also possible to use a direction extractor used for fingerprint recognition as shown in
상기 수학식 1에서, W는 블록영상의 크기를 의미하는 것으로써, 영상 구조의 크기에 따라 조정하는 것이 가능하다. 또 상기 수학식 1에서, Gx는 가로 미분 영상을 의미하고, Gy는 세로 미분 영상을 의미한다.In
상기와 같은 방향추출과정(S10)을 통하여 도 2의 상단에 나타낸 종합 테스트 영상의 중앙에 위치한 이미지에 대한 방향공간영상을 추출한 결과를 도 2의 하단 왼쪽에 나타낸다.The result of extracting the direction spatial image of the image located in the center of the comprehensive test image shown in the upper part of FIG. 2 through the direction extraction process S10 as described above is shown in the lower left of FIG.
상기 곡률추출과정(S20)은 상기 방향추출과정(S10)에서 얻어진 방향정보에 따라 인접하는 두개의 영역을 선택하고 방향차를 이용하여 곡률(curvature)을 추출하는 과정으로 이루어진다.The curvature extraction process (S20) consists of selecting two adjacent regions according to the direction information obtained in the direction extraction process (S10) and extracting curvature using a direction difference.
일반적으로 곡률(curvature)은 도 3 및 다음의 수학식 2에 나타낸 바와 같이, 곡선상에서 단위 길이(ΔS)당 각도변화(Δθ)로 정의된다.In general, the curvature is defined as an angle change Δθ per unit length ΔS on a curve, as shown in FIG. 3 and the
그러나 도 3에 나타낸 바와 같은 실제 곡선의 추출은 어렵기 때문에, 도 4에 나타낸 바와 같이, 근사화된 곡률 계산법을 사용한다. 예를 들면, (i,j)가 곡률을 구하고자 하는 관심 영역일 때, 이 영역의 상기 방향추출과정(S10)에서 얻어진 방향정보에 따라 인접하는 두개의 영역(forward, backward)을 선택한 후, 다음의 수학식 3과 같이, 두개의 영역 사이의 방향차(θfwd-θbwd)를 이용하여 곡률(k)을 계산한다.However, since the extraction of the actual curve as shown in FIG. 3 is difficult, an approximate curvature calculation method is used as shown in FIG. For example, when (i, j) is a region of interest for which curvature is to be obtained, two adjacent regions (forward, backward) are selected according to the direction information obtained in the direction extraction process (S10) of this region, As shown in Equation 3 below, the curvature k is calculated using the direction difference θ fwd -θ bwd between two regions.
그리고, 최종 곡률공간영상(CF)은 다음의 수학식 4와 같이, 코사인(cosine) 함수와 영상미분 크기(Mfwd, Mbwd)를 이용하여 구한다.The final curvature spatial image CF is obtained by using a cosine function and image differential sizes M fwd and M bwd as shown in Equation 4 below.
상기와 같은 곡률추출과정(S20)을 통하여 도 2의 하단 왼쪽에 나타낸 방향공간영상에 대하여 곡률공간영상을 추출한 결과를 도 2의 하단 오른쪽에 나타낸다.The result of extracting the curvature space image with respect to the directional space image shown on the bottom left of FIG. 2 through the curvature extraction process S20 is shown on the bottom right of FIG.
상기 코너추출과정(S30)은 상기 곡률추출과정(S20)에서 얻어진 곡률(k)의 극대점(Local Max)을 이용하여 최종 코너점을 추출하는 과정으로 이루어진다.The corner extraction process (S30) consists of a process of extracting the final corner point using the local maximum (Current Max) of the curvature k obtained in the curvature extraction process (S20).
상기 코너추출과정(S30)에서는 곡률 크기에 대한 문턱치(T)를 이용한다.In the corner extraction process (S30) uses a threshold value (T) for the curvature size.
따라서, 곡률기반 코너 검출을 위하여, 방향 추정에 이용되는 블록영상의 크기(W)와 곡률 크기에 대한 문턱치(T)를 제어 변수를 사용한다.Therefore, for curvature-based corner detection, a control variable is used for the size W of the block image used for the direction estimation and the threshold value T for the curvature size.
예를 들면, 정교한 코너 검출이 필요할 경우에는 W=1로 설정하여 매 픽셀마다 방향을 찾도록 할 수 있으며, 일반 영상에서는 W=2로 설정하여 큰 구조에서 코너를 찾을 수 있도록 하는 것이 가능하다.For example, when sophisticated corner detection is required, it is possible to set the direction to every pixel by setting W = 1 and to set the corner to W = 2 in a general image so that corners can be found in a large structure.
도 5에는 다양한 도형 형상의 이미지가 배열되어 있는 종합 테스트 영상(도 5의 왼쪽 이미지)에 대해 본 발명의 실시예를 적용하여 곡률공간영상을 추출한 결과(도 5의 오른쪽 이미지)를 나타낸다.FIG. 5 shows a result of extracting a curvature spatial image (right image of FIG. 5) by applying an embodiment of the present invention to a comprehensive test image (left image of FIG. 5) in which images of various shapes are arranged.
도 5로부터 확인되는 바와 같이, 본 발명의 실시예를 적용하는 경우 의미있는 코너에서 강한 반응 결과를 얻을 수 있음을 알 수 있다.As can be seen from Figure 5, it can be seen that when applying the embodiment of the present invention, a strong reaction result can be obtained at a meaningful corner.
도 6에는 종합 테스트 영상에 대하여 본 발명의 실시예를 적용하여 추출한 코너점의 결과(도 6의 왼쪽 이미지)과, 현재 가장 많이 사용되는 해리스(Harris) 코너 검출기를 적용하여 추출한 코너점의 결과(도 6의 오른쪽 이미지)를 대비하여 나타낸다.6 shows the result of the corner point extracted by applying the embodiment of the present invention to the composite test image (left image of FIG. 6), and the result of the corner point extracted by applying the Harris corner detector which is most used at present ( It is shown contrasting the right image of FIG.
상기에서 W=1로 설정하고, 해리스 코너 검출기는 에지에서 코너점이 나오지 않도록 k=0.06으로 설정하였다. 참고로 k=0.04로 설정하는 경우에는 에지에서 매우 많은 코너점들이 검출되었다.In the above, W = 1 was set, and the Harris corner detector was set at k = 0.06 so that no corner point came out at the edge. For reference, when k = 0.04, very many corner points were detected at the edge.
도 6으로부터 확인되는 바와 같이, 본 발명의 실시예를 적용한 경우에는 의미있는 코너를 성공적으로 검출하였지만, 해리스 코너 검출기의 경우에는 적색으로 표시한 영역에서 알 수 있듯이 코너점의 위치가 5 픽셀 정도 이동되어 검출된다.As can be seen from FIG. 6, in the case of applying the embodiment of the present invention, a meaningful corner was successfully detected, but in the case of the Harris corner detector, the position of the corner point is shifted by about 5 pixels as can be seen in the area indicated in red. And detected.
따라서 코너점의 위치 정확도가 중요할 경우에는 본 발명의 실시예를 적용하는 경우가 해리스 코너 검출기에 비하여 상대적으로 더 안정적인 것을 알 수 있다.Therefore, when the position accuracy of the corner point is important, it can be seen that the embodiment of the present invention is relatively more stable than the Harris corner detector.
도 7에는 블록(Blocks) 테스트 영상에 대한 코너점을 본 발명의 실시예와 해리스 코너 검출기를 각각 적용하여 추출한 결과를 나타낸다. 도 7에서 왼쪽 이미지는 본 발명의 실시예를 적용한 경우이고, 오른쪽 이미지는 해리스 코너 검출기를 적용한 경우이다.FIG. 7 illustrates a result of extracting corner points of blocks test images by applying an embodiment of the present invention and a Harris corner detector, respectively. In FIG. 7, the left image is the case where the embodiment of the present invention is applied, and the right image is the case where the Harris corner detector is applied.
본 발명의 실시예에서는 W=2로 설정하였으며, 바닥면에서 일부 코너가 검출된 것은 바닥면의 나무무늬 방향과 블록의 에지 방향과의 변화차 때문으로 추정된다.In the embodiment of the present invention, W = 2 is set, and it is estimated that some corners are detected at the bottom surface due to the difference in the difference between the wood pattern direction of the floor surface and the edge direction of the block.
한편 해리스 코너 검출기는 화살표로 표시한 바와 같이, 의미있는 코너가 다수 미검출된 것을 알 수 있다. 해리스 코너 검출기의 경우에 문턱치를 낮게 하는 경우에는 잘못된 코너만 더 많이 검출되었다. 해리스 코너 검출기의 경우 미검출된 코너는 대부분 90도 이상의 둔각 코너 부근임을 알 수 있다.The Harris corner detector, on the other hand, can be seen that many significant corners have not been detected, as indicated by the arrows. In the case of the Harris corner detector, if the threshold was lowered, only more false corners were detected. In the case of the Harris corner detector, most of the undetected corners are near an obtuse corner of 90 degrees or more.
도 7로부터 확인되는 바와 같이, 해리스 코너 검출기에 비하여 본 발명의 실시예를 적용한 경우에 보다 정확하게 코너점을 검출할 수 있음을 알 수 있다.As can be seen from FIG. 7, it can be seen that the corner point can be detected more accurately when the embodiment of the present invention is applied as compared to the Harris corner detector.
도 8에는 하우스(House) 테스트 영상에 대한 코너점을 본 발명의 실시예와 해리스 코너 검출기를 각각 적용하여 추출한 결과를 나타낸다. 도 8에서 왼쪽 이미지는 본 발명의 실시예를 적용한 경우이고, 오른쪽 이미지는 해리스 코너 검출기를 적용한 경우이다.8 shows a result of extracting corner points of a house test image by applying an embodiment of the present invention and a Harris corner detector, respectively. In FIG. 8, the left image corresponds to an embodiment of the present invention, and the right image corresponds to a Harris corner detector.
본 발명의 실시예에서는 W=2로 설정하였으며, 의미있는 코너에 대해 적절하게 찾아내는 것을 알 수 있다. 반면에, 해리스 코너 검출기는 화살표로 나타낸 바와 같이 의미있는 코너를 미검출하는 것을 알 수 있다.In the embodiment of the present invention, it is set to W = 2, and it can be seen that a suitable corner is found. On the other hand, it can be seen that the Harris corner detector does not detect meaningful corners as indicated by the arrows.
도 9 내지 도 12에는 블록 테스트 영상 및 하우스 테스트 영상에 대하여 영상의 변화에 대하여 동일한 코너점을 추출하는지의 여부를 실험한 결과를 나타낸다.9 to 12 show results of experiments on whether the same corner point is extracted with respect to the change of the image in the block test image and the house test image.
우수한 코너 검출기일수록 영상의 변화에 대해 동일한 코너점을 추출해야 한다.Better corner detectors need to extract the same corner point for changes in the image.
반복성(Repeatability)은 기준 영상에서 검출된 코너점이 회전된 영상이나 크기가 변화된 영상에 대해 얼마만큼 같은 점을 검출하는지 확인하는 것이다.Repeatability is to determine how much the same corner point detected in the reference image detects the same point for the rotated image or the image whose size is changed.
본 실험에 있어서, 코너점의 정합여부 판단은 변환된 영상에서 추출한 코너점과 기준 영상의 코너점을 호모그래피(Homography)로 변환한 코너점과의 거리가 3 픽셀 이내인 것으로 정의한다.In this experiment, the determination of whether the corner points are matched is defined as the distance between the corner points extracted from the converted image and the corner points obtained by converting the corner points of the reference image to homoography within 3 pixels.
도 9의 상단에는 블록 테스트 영상에 대하여 회전변환(0~90도, 5도 간격)에 따른 반복성 실험을 행한 결과의 그래프를 나타낸다.9 shows a graph of the results of repeatability experiments performed according to rotational transformations (0 to 90 degrees, 5 degrees intervals) on the block test image.
도 9 내지 도 12의 상단에 나타낸 그래프에 있어서, 적색선은 본 발명의 실시예를 적용한 경우를 나타내고, 청색선은 해리스 코너 검출기를 적용한 경우를 나타낸다. In the graphs shown at the top of FIGS. 9 to 12, the red line represents the case where the embodiment of the present invention is applied and the blue line represents the case where the Harris corner detector is applied.
도 9의 상단 그래프로부터 알 수 있는 바와 같이, 본 발명의 실시예를 적용한 경우의 평균 반복성이 96.6%로 해리스 코너 검출기를 적용한 경우의 평균 반복성에 비하여 4.9% 정도 우수한 것을 확인할 수 있다.As can be seen from the upper graph of FIG. 9, it can be seen that the average repeatability when the embodiment of the present invention is applied is 96.6%, which is about 4.9% superior to the average repeatability when the Harris corner detector is applied.
도 9의 하단에는 45도 회전변환 영상에 대해 적용한 코너점 검출결과를 나타내며, 왼쪽에는 본 발명의 실시예를 적용한 경우를 나타내고, 오른쪽에는 해리스 코너 검출기를 적용한 경우를 나타낸다.9 shows a corner point detection result applied to a 45 degree rotation conversion image, a left side shows a case of applying an embodiment of the present invention, and a right side shows a case of applying a Harris corner detector.
도 9 내지 도 12의 하단에 나타낸 영상 이미지에 있어서, 녹색 사각형은 검출된 코너, 청색 사각형은 정합된 코너, 적색 사각형은 미정합된 코너를 각각 의미한다.In the video images shown at the bottom of FIGS. 9 to 12, green squares indicate detected corners, blue squares matched corners, and red squares mean unmatched corners, respectively.
도 10의 상단에는 블록 테스트 영상에 대하여 크기변환(1~2배, 0.01배 간격)에 따른 반복성 실험을 행한 결과의 그래프를 나타낸다.The upper part of FIG. 10 shows a graph of the results of repeatability experiments according to the size conversion (1-2 times, 0.01 times interval) for the block test image.
도 10의 상단 그래프로부터 알 수 있는 바와 같이, 본 발명의 실시예를 적용한 경우에 해리스 코너 검출기를 적용한 경우에 비하여 보다 안정적으로 코너를 검출하는 것을 확인할 수 있다.As can be seen from the upper graph of FIG. 10, it can be confirmed that the corner is detected more stably than when the Harris corner detector is applied when the embodiment of the present invention is applied.
도 10의 하단에는 2배 확대한 영상에 대해 적용한 코너점 검출결과를 나타내며, 왼쪽에는 본 발명의 실시예를 적용한 경우를 나타내고, 오른쪽에는 해리스 코너 검출기를 적용한 경우를 나타낸다.10 shows a corner point detection result applied to a 2x magnified image, a left side shows a case where an embodiment of the present invention is applied, and a right side shows a case where a Harris corner detector is applied.
도 11은 하우스 테스트 영상에 대하여 회전변환한 경우를 나타내는 도 9에 대응하는 도면이고, 도 12는 하우스 테스트 영상에 대하여 크기변환한 경우를 나타내는 도 10에 대응하는 도면이다.FIG. 11 is a diagram corresponding to FIG. 9 illustrating a case where a rotation conversion is performed on a house test image, and FIG. 12 is a diagram corresponding to FIG. 10 illustrating a case where a size conversion is performed on a house test image.
도 11 및 도 12로부터 알 수 있는 바와 같이, 본 발명의 실시예를 적용한 경우가 해리스 코너 검출기를 적용한 경우에 비하여 반복성 측면에서 우위에 있는 것임을 확인할 수 있다.As can be seen from Figures 11 and 12, it can be seen that the case of applying the embodiment of the present invention is superior in repeatability compared to the case of applying the Harris corner detector.
상기에서는 본 발명에 따른 영상 곡률 공간정보를 이용한 코너검출방법의 바람직한 실시예에 대하여 설명하였지만, 본 발명은 이에 한정되는 것이 아니고 특허청구범와 명세서 및 첨부한 도면의 범위 안에서 여러가지로 변형하여 실시하는 것이 가능하고, 이 또한 본 발명의 범위에 속한다.In the above, a preferred embodiment of a corner detection method using image curvature spatial information according to the present invention has been described. However, the present invention is not limited thereto, and various modifications can be made within the scope of the claims, the specification, and the accompanying drawings. This also belongs to the scope of the present invention.
S10 - 방향추출과정, S20 - 곡률추출과정, S30 - 코너추출과정S10-direction extraction process, S20-curvature extraction process, S30-corner extraction process
Claims (5)
상기 방향정보에 따라 인접하는 두개의 영역을 선택하고 방향차를 이용하여 곡률을 추출하는 곡률추출과정과,
상기 곡률의 극대점을 이용하여 최종 코너점을 추출하는 코너추출과정을 포함하며,
상기 방향추출과정에서는 영상에서 방향정보
(여기에서, W는 블록영상의 크기를 의미하고, Gx는 가로 미분 영상을 의미하며, Gy는 세로 미분 영상을 의미한다.)A direction extraction process of extracting direction information in the image by comparing brightness of the images when two or more images captured by the camera are input;
A curvature extraction process of selecting two adjacent areas according to the direction information and extracting curvature using a direction difference;
A corner extraction process for extracting a final corner point using the maximum point of curvature,
Direction information in the image in the direction extraction process
(W denotes the size of the block image, Gx denotes the horizontal differential image, and Gy denotes the vertical differential image.)
상기 곡률추출과정에서는 (i,j)가 곡률을 구하고자 하는 관심 영역일 때, 이 영역의 상기 방향추출과정(S10)에서 얻어진 방향정보에 따라 인접하는 두개의 영역(forward, backward)을 선택한 후, 수학식
최종 곡률공간영상(CF)은 수학식
In the curvature extraction process, when (i, j) is a region of interest for which curvature is to be obtained, two adjacent regions (forward, backward) are selected according to the direction information obtained in the direction extraction process (S10) of this region. , Equation
The final curvature spatial image CF is
상기 방향추출과정에서는 블록영상의 크기(W)를 제어변수로 사용하고,
상기 코너추출과정에서는 곡률 크기에 대한 문턱치를 제어변수로 사용하는 영상 곡률 공간정보를 이용한 코너검출방법.The method according to claim 1,
In the direction extraction process, the size (W) of the block image is used as a control variable,
And a corner detection method using image curvature spatial information using a threshold for curvature magnitude as a control variable.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110114460A KR101284252B1 (en) | 2011-11-04 | 2011-11-04 | Curvature Field-based Corner Detection |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110114460A KR101284252B1 (en) | 2011-11-04 | 2011-11-04 | Curvature Field-based Corner Detection |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130049436A KR20130049436A (en) | 2013-05-14 |
| KR101284252B1 true KR101284252B1 (en) | 2013-07-09 |
Family
ID=48660186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110114460A KR101284252B1 (en) | 2011-11-04 | 2011-11-04 | Curvature Field-based Corner Detection |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101284252B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230144751A (en) | 2022-04-08 | 2023-10-17 | 충남대학교산학협력단 | Endoscopy image and ct image registration method and apparatus using anatomical structures |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109410274B (en) * | 2018-10-08 | 2022-03-15 | 武汉工程大学 | Method for positioning typical non-cooperative target key points in real time under high frame frequency condition |
| KR20200074384A (en) | 2018-12-16 | 2020-06-25 | 안희태 | Hearing loss communication method and device through wearable IoT device |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050007504A (en) * | 2003-07-08 | 2005-01-19 | 대한민국(서울대학교 총장) | Method for matching a point of interest and assuming fundamental matrix |
| KR20050090840A (en) * | 2004-03-10 | 2005-09-14 | 엘지전자 주식회사 | Fingerprint recognition method |
| KR100691855B1 (en) | 2005-12-29 | 2007-03-12 | 고려대학교 산학협력단 | Apparatus for extracting features from image information |
| KR20080035163A (en) * | 2006-10-18 | 2008-04-23 | 주식회사 메디슨 | Ultrasound diagnostic apparatus and method for measuring size of target object |
-
2011
- 2011-11-04 KR KR1020110114460A patent/KR101284252B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050007504A (en) * | 2003-07-08 | 2005-01-19 | 대한민국(서울대학교 총장) | Method for matching a point of interest and assuming fundamental matrix |
| KR20050090840A (en) * | 2004-03-10 | 2005-09-14 | 엘지전자 주식회사 | Fingerprint recognition method |
| KR100691855B1 (en) | 2005-12-29 | 2007-03-12 | 고려대학교 산학협력단 | Apparatus for extracting features from image information |
| KR20080035163A (en) * | 2006-10-18 | 2008-04-23 | 주식회사 메디슨 | Ultrasound diagnostic apparatus and method for measuring size of target object |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230144751A (en) | 2022-04-08 | 2023-10-17 | 충남대학교산학협력단 | Endoscopy image and ct image registration method and apparatus using anatomical structures |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20130049436A (en) | 2013-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210191524A1 (en) | Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data | |
| JP5699788B2 (en) | Screen area detection method and system | |
| CN104200461B (en) | The remote sensing image registration method of block and sift features is selected based on mutual information image | |
| US8498472B2 (en) | Image-based localization feature point registration apparatus, method and computer-readable medium | |
| CN108470356B (en) | Target object rapid ranging method based on binocular vision | |
| CN109086724B (en) | Accelerated human face detection method and storage medium | |
| Kim et al. | Simultaneous line matching and epipolar geometry estimation based on the intersection context of coplanar line pairs | |
| JP6397354B2 (en) | Human area detection apparatus, method and program | |
| CN110033484B (en) | High canopy density forest sample plot tree height extraction method combining UAV image and TLS point cloud | |
| CN109685827B (en) | Target detection and tracking method based on DSP | |
| CN106327464A (en) | Edge detection method | |
| KR20180098945A (en) | Method and apparatus for measuring speed of vehicle by using fixed single camera | |
| KR101284252B1 (en) | Curvature Field-based Corner Detection | |
| Novikov et al. | Contour Analysis in the tasks of real and virtual images superimposition | |
| KR101620580B1 (en) | Method and system for dectecting run | |
| JP3659426B2 (en) | Edge detection method and edge detection apparatus | |
| KR101733028B1 (en) | Method For Estimating Edge Displacement Againt Brightness | |
| CN105243661A (en) | Corner detection method based on SUSAN operator | |
| CN106021610B (en) | A kind of method for extracting video fingerprints based on marking area | |
| CN104424653A (en) | Image edge detection method based on wavelet transformation | |
| JP6326622B2 (en) | Human detection device | |
| US10580208B2 (en) | Ceiling map building method, ceiling map building device, and ceiling map building program | |
| JP5217917B2 (en) | Object detection and tracking device, object detection and tracking method, and object detection and tracking program | |
| Dryanovski et al. | Real-time pose estimation with RGB-D camera | |
| KR101714131B1 (en) | Device and method for recognizing parking stall |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160627 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20170707 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20180702 Year of fee payment: 6 |