KR101813771B1 - 3차원 데이터 처리 및 식별 방법 - Google Patents

3차원 데이터 처리 및 식별 방법 Download PDF

Info

Publication number
KR101813771B1
KR101813771B1 KR1020157020434A KR20157020434A KR101813771B1 KR 101813771 B1 KR101813771 B1 KR 101813771B1 KR 1020157020434 A KR1020157020434 A KR 1020157020434A KR 20157020434 A KR20157020434 A KR 20157020434A KR 101813771 B1 KR101813771 B1 KR 101813771B1
Authority
KR
South Korea
Prior art keywords
interest
point
dimensional data
data processing
plane
Prior art date
Application number
KR1020157020434A
Other languages
English (en)
Other versions
KR20150103160A (ko
Inventor
밍리앙 리
즈치앙 첸
유안징 리
리 장
Original Assignee
눅테크 컴퍼니 리미티드
칭화대학교
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 눅테크 컴퍼니 리미티드, 칭화대학교 filed Critical 눅테크 컴퍼니 리미티드
Publication of KR20150103160A publication Critical patent/KR20150103160A/ko
Application granted granted Critical
Publication of KR101813771B1 publication Critical patent/KR101813771B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06K9/00201—
    • G06K9/00771—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06K2209/09—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/05—Recognition of patterns representing particular kinds of hidden objects, e.g. weapons, explosives, drugs

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Generation (AREA)
  • Image Processing (AREA)

Abstract

본 발명에서는 3차원 데이터 처리 및 식별 방법을 개시하는데, 상기 방법은, 검출 대기 물품에 대해 주사 및 재구성을 진행하여 검출 대기 물품을 식별하기 위한 3차원 데이터를 얻는 단계; 3차원 데이터 중에서 특징이 매칭되는 데이터를 추출하여 추출된 3차원 데이터로 주목대상을 구성하는 단계; 상기 매칭되는 데이터에 대하여, 인접하는 점데이터 점들을 동일한 유형으로 합병함으로써 합병 후의 주목대상의 이미지를 형성하는 단계; 주목대상의 횡단면을 식별하는 단계; 상기 횡단면의 중심점을 지나며 또한 상기 횡단면에 수직되는 적어도 하나의 수직 평면으로 주목대상을 절취하여 하나의 도형을 얻는 단계; 및 상기 도형의 속성에 의해 주목대상의 형상을 식별하는 단계; 를 포함한다.

Description

3차원 데이터 처리 및 식별 방법{METHOD FOR PROCESSING AND IDENTIFYING THREE-DIMENSIONAL DATA}
본 출원은 2012년 12월 27일 제출한 중국출원번호 201210581559.9, 발명의 명칭 “3차원 데이터 처리 및 식별 방법”인 중국특허출원의 우선권을 주장하며, 그 전부 내용을 본 출원에서 인용한다.
본 발명은 3차원 데이터 처리 및 식별 분야에 관한 것으로, 특히는 보안 검사에 있어 CT에 의한 금지물품 또는 핵자기공명 시스템에 의한 검출 대기 물품에 대한 스마트 식별에 관한 것이다.
민용 항공 운수업은 승객 수량이 방대하고, 쉽게 공격 당하며, 사건 발생 후 그 파급 영향이 매우 크다. 따라서 테러 리스트가 테러 활동을 수행할 시 우선적인 목표로 되고 있다.
2001년 9월 11일 테러 발생 후, 미국 정부에서는 추가적 항공보안검사를 실행하기로 결정하였는데, 이 검사에서는 모든 선택된 수화물에 대해 폭파물 검사를 진행하도록 요구하였다. 이미 알려진 폭파물 검출 시스템은 X-레이（투시） 또는 CT 기술을 이용하여 수화물 내용물에 대한 이미지를 얻는다. 미국 정부에서는 2001년 12월부터 모든 선택된 수화물에 대해 반드시 새로 설립된 Transportation Security Agency 에서 인증한 기술로 폭파물 검사를 진행하도록 규정하였다. 그러나 지금까지 TSA에서 인증한 유일한 기술은 CT이다.
현재 주로 사용되는 보안 CT에서는 모두 3차원 CT 데이터를 얻을 수 있다. 공항은 고객 유동량이 커서, 위탁 수화물 및 기내반입 수화물에 대한 폭파물 검출 시스템의 높은 통과율을 요구한다. 따라서 금지물품을 스마트하게 식별할 수 있는 기술 방안이 아주 절실하게 필요한 바, 이는 보안 검사 요원의 노동 강도를 감소시키고 인위적인 요소를 저하시켜 통과율을 높일 수 있다.
이러한 실정에 근거하여, 보안 CT에 사용되는 새로운 3차원 데이터 처리 및 식별 방법을 제공해야 할 필요성이 대두된다.
본 발명은 종래 기술에 존재하는 상술한 문제 및 결함 중의 적어도 하나를 해결하하는데 그 목적이 있다.
본 발명의 일 측면에 따르면, 새로운 3차원 데이터 처리 및 식별 방법을 제공한다. 본 발명의 3차원 데이터 처리 및 식별 방법은, 검출 대기 물품에 대해 주사 및 재구성을 진행하여 검출 대기 물품을 식별하기 위한 3차원 데이터를 얻는 단계; 3차원 데이터 중에서 특징이 매칭되는 데이터를 추출하여, 추출된 3차원 데이터로 주목대상을 구성하는 단계; 상기 매칭되는 데이터에 대하여, 인접하는 데이터 점들을 동일한 유형으로 합병함으로써 합병 후의 주목대상의 이미지를 형성하는 단계; 주목대상의 횡단면을 식별하는 단계; 상기 횡단면의 중심점을 지나며 또한 상기 횡단면에 수직되는 적어도 하나의 수직 평면으로 주목대상을 절취하여 하나의 도형을 얻는 단계; 및 상기 도형의 속성에 의하여 주목대상의 형상을 식별하는 단계; 를 포함한다.
본 발명의 전체적인 기술적 사상은, 주목대상 또는 의심대상（예를 들면 위험물품 또는 금지물품）의 특징 데이터를 이용하여, 보안 CT 시스템의 주사 및 재구성을 통하여 얻은 3차원 데이터에 대해 검색, 추출, 합병, 통계 및 형상 식별을 진행하는 것이다. 종래 기술은 3차원 데이터에 대한 이미지 분할이 여전히 비교적 어려우며, 또한 정확도 및 범용성이 낮은 등 결점이 있으므로, 본 발명에서는 종래 기술과 상이한 측면에서 본 발명의 3차원 데이터 처리 및 식별 방법을 제공하여, 주목대상에 대한 검색, 통계, 및 형상 식별 문제를 해결하기로 한다.
본 발명의 여러 가지 이점들은 아래에 설명되는 도면과 바람직한 실시예를 통하여 더욱 분명해지고 쉽게 이해될 것이다.
도 1은 뿔을 나타내는 도면이다.
도 2는 표면 상에 위치하지 않는 일부 데이터 점들을 제거한 도면이다.
도 3은 주목대상 내의 선택된 좌표 원점을 지나는 횡단면 및 이에 평행되는 횡단면을 나타내는 도면이다.
도 4는 주목대상의 횡단면을 식별한 후 횡단면의 중심점을 지나는 두개의 수직 평면을 나타내는 도면이다.
도 5는 횡단면에 수직되는 평면으로 원기둥과 정육면체의 주목대상을 절취하여 얻은 도면이다.
아래 도면 및 실시예에 대한 설명을 통하여 본 발명의 구체적인 기술방안을 더욱 상세하게 설명하기로 한다. 명세서에 있어서 동일하거나 유사한 도면 부호들은 동일하거나 유사한 요소를 나타낸다. 아래의 도면을 참조하여 본 발명의 실시 형태에 대해 진행한 설명은 본 발명의 전체적인 기술적 사상을 해석하기 위한 것으로, 본 발명을 제한하는 것으로 이해하여서는 안된다.
본 발명의 실시예에서는 보안 CT 시스템의 주사 및 재구성을 통하여 얻은 CT 이미지 데이터를 예로, 어떤 방식으로 본 발명의 3차원 데이터 처리 및 식별 방법을 통하여 금지물품 또는 위험물품에 대한 식별을 진행하는 지를 설명한다. 여기서 더 설명할 것은, 본 기술분야의 통상적인 기술자라면 본 발명의 3차원 데이터 처리 및 식별 방법은 핵자기공명 시스템 또는 이와 유사한 시스템에 사용되어 주목대상을 식별할 수도 있다는 것을 이해할 수 있을 것이다.
본 발명의 전체적인 기술적 사상은, 주목대상 또는 의심대상（예를 들면 위험물품 또는 금지물품）의 특징 데이터를 이용하여, 보안 CT 시스템이 주사 및 재구성을 통하여 얻은 3차원 데이터에 대해 검색, 추출, 합병, 통계 및 형상 식별을 진행하는 것이다. 종래 기술에 있어서 3차원 데이터에 대한 이미지 분할은 여전히 비교적 어려우며, 또한 정확도 및 범용성이 낮은 등 결점이 있다. 본 발명에서는 종래 기술과 상이한 측면에서 본 발명의 3차원 데이터 처리 및 식별 방법을 제공하여, 주목대상에 대한 검색, 통계, 및 형상 식별의 문제를 해결한다.
아래 도 1-5를 참조함과 동시에 실시예와 결합하여 본 발명의 3차원 데이터 처리 및 식별 방법에 대해 상세히 설명하기로 한다.
본 발명은 주로, 예를 들면, 예리한 위험물품, 날카로운 위험물품, 화살형/날카로운 흉기 등 물품과 같은 원뿔 또는 뿔과 유사한 위험물품을 식별하기 위한 것이다. 또한, 본 발명의 식별 방법은, 예를 들면 총기 등과 같은 원기둥형 물체를 식별하기 위한 경우에도 사용될 수 있다.
우선, 본 발명의 3차원 데이터 처리 및 식별 방법에 대해 더욱 잘 설명하기 위하여, 뿔 또는 기둥의 일부 성질에 대해 상세하게 설명하기로 한다.
도 1에 도시된 바와 같이, 이하 뿔 형상을 예로 설명하기로 한다. 그러나 기둥도 유사한 성질을 가지고 있으므로, 본 발명의 3차원 데이터 처리 및 식별 방법으로 뿔 및/또는 기둥형 물체를 식별할 수 있음을 이해하여야 한다.
도 1 중의 뿔의 축선(AG)을 지나는 평면(π) (도 1에서는 삼각형 ABC로 도시된다)을 얻는다. 평면(π)과 뿔의 횡단면은 교차하고 교선은 EF이며, 이때 EF⊥AG 이다. 평면(π)과 뿔의 경사 단면은 교차하고 교선은 JK이며, 선 LM // 선 JK 이라 가정한다. 점 P는 선분 JK의 중점이고, 선 AP와 선 LM은 점 Q에서 만난다. 3각형의 닮음 성질에 의하면, 점 Q는 선분 LM의 중점이라는 것을 알 수 있다. ∠APK<∠ADK, 또한∠ADK<∠ADF이므로, ∠APK<∠ADF, 즉∠APK<90°이다. 그러므로, 본 발명에서는 뿔의 이러한 성질을 이용하여 뿔형 횡단면을 식별하는 판단 근거로 사용할 수 있다. 구체적인 상기 3차원 데이터 처리 및 식별 방법에 관한 내용은 아래에서 상세하게 서술하기로 한다.
본 발명의 3차원 데이터 처리 및 식별 방법은 주로 크게, 데이터 처리 및 뿔/기둥 형상과 사이즈 식별 이 두 부분을 포함한다.
<데이터 처리>
우선, 보안 CT 시스템으로 검출 대기 물품을 주사하고 재구성하여 CT 이미지 데이터（즉 3차원 데이터）를 얻는다. 다음, 얻은 3차원 데이터에 의하여 금지물품（예를 들면, 칼 등）을 식별할 수 있다.
금지물품의 특징 데이터를 사용하여 얻은 3차원 데이터에 대해 검색, 합병, 및 그것과 매칭되는 3차원 데이터 추출을 진행하여, 추출된 3차원 데이터는 주목대상을 구성하게 된다. 상기 금지물품은 일반적인 위험물품, 예를 들면 칼, 폭파물, 총기 등 일 수 있다. 상기 특징 데이터는 일반적인 위험물품의 구성 재료（예를 들면 철, 동 또는 중금속 등등）의 데이터 일 수 있다. 상기 데이터는 이들의 감쇄 계수 데이터, 밀도 데이터 또는 원자 번호 중의 하나 또는 이들의 임의의 조합일 수 있다. 일반적으로 또는 바람직하게는, 상기 데이터는 밀도 데이터와 원자 번호 데이터를 사용한다.
매칭되는 3차원 데이터에 대하여, 인접하는 데이터 점들 동일한 유형으로 합병한다. 검사원이 확인할 수 있도록, 합병된 3차원 데이터의 이미지를 단독으로 또는 돌출되게 표시할 수 있다.
합병된 3차원 데이터에 대하여, 데이터 점들의 개수를 통하여 금지물품의 사이즈를 추정할 수 있다. 물론, 이때 합병된 3차원 데이터가 위치하는 영역의 질량, 위치, 밀도와 원자 번호의 평균값도 통계하여, 주목대상이 검출 대기 물품 중에서의 위치, 체적, 중량, 물질 종류 등에 관한 보다 구체적인 정보를 얻음으로써, 금지물품을 식별하는데 더 도움될 수도 있다. 밀도와 원자 번호에 의하여 검출 대기 물품이 마약류 또는 폭파물인지 아닌지를 식별할 수 있다는 것을 이해할 수 있을 것이다.
여기서, 상기 추출된 3차원 데이터로 형성되는 주목대상 또는 합병 처리를 진행한 후의 3차원 데이터로 구성되는 주목대상에 대해 형상 및 사이즈를 식별하는 단계 이전에, 3차원 데이터로부터 표면 데이터를 구축하는 단계를 진행할 수 있다.
<3차원 데이터로부터 표면 데이터를 구축>
여기서, 합병 처리를 진행한 후의 3차원 데이터로 구성된 주목대상을 예로, 상술한 "3차원 데이터로부터 표면 데이터를 구축" 하는 단계를 설명하기로 한다. 추출된 3차원 데이터로 구성되는 주목대상에 기초하여, 상술한 "3차원 데이터로부터 표면 데이터를 구축"하는 단계를 진행할 수도 있다는 것을 이해할 수 있을 것이다.
구체적으로, 상술한 합병된 3차원 데이터는 하나의 3차원 대상（즉 주목대상）을 구성한다. 우선, 주목대상 내에서 점 I를 선정한다. 바람직하게는, 합병 후의 3차원 데이터 중의 데이터가 x, y, z 이 세개 방향에서 최대값과 최소값인 데이터를 선정하고, 상기 세개 방향에서의 최대값과 최소값의 중간 값을 각각 계산하여 그 좌표를 점 I의 좌표로 선정한다.
점 I을 좌표 원점으로 구면좌표계를 구축하여, 합병 후의 입체 데이터（3차원 데이터） 중의 매개 점이 구면좌표계에서의 각도（θ, φ)와 매개 점으로부터 점 I까지의 거리를 계산한다. 여기서 0≤θ≤π, 0<φ<2π (물리적 의의에서, θ는 천정각을 표시하고, φ는 방위각을 표시한다）. Δθ와 sinθΔφ를 설정하면, 매개 입체각 sinθΔφΔθ 내에서 점 I로부터 가장 멀리 떨어진 점을 표면 데이터로 한다.
바람직하게는, 표면에 위치하지 않는 일부 데이터를 제거할 수 있다. 바람직한 방식은, 매개 상기에서 얻은 각 표면 데이터에 대해, 그 주위의 점을 선정하고 보간법을 통하여 그 점의 보간점을 얻는다. 보간점으로부터 점 I까지의 거리가 그 점으로부터 점 I까지의 거리보다 클 때, 그 점을 제거한다. 구체적으로 도 2를 참조하면(4개의 점 A, B, C, D가 표시되어 있는데, 이를 표면 데이터 점이라 볼 수 있다）, B점일 경우, A점과 C점에 대해 선형 보간법을 이용하여 얻은 점이 점 I까지의 거리가 B점으로부터 점 I까지의 거리보다 크므로, B점을 제거한다.
상술한 제거 처리를 진행한 후 남은 데이터들은 신뢰성이 있는 표면 데이터라 할 수 있다.
물론, 일부 중공 구조의 3차원 대상 또는 주목대상에 대해, 중공 구조의 3차원 대상의 외표면 데이터를 유의해야 하는 외에, 상기 중공 구조의 주목대상의 내표면 데이터도 유의해야 하는 경우가 있다. 상술한 바와 유사하게, 내표면 데이터를 선정할 때, 매개 입체각 sinθΔφΔθ 내에서 점 I와 가장 가까운 그 점을 내표면 데이터로 선정한다. 상술한 바와 유사하게, 내표면 데이터를 제거하는 단계에 있어서, 보간점으로부터 점 I까지의 거리가 그 점으로부터 점 I까지의 거리보다 작을 경우 그 점을 제거한다.
또한 바람직한 데이터 제거 방법으로는, 보간점으로부터 점 I까지의 거리와 그 점으로부터 점 I까지의 거리의 비의 값이 소정의 역치 범위 내에 있으면（예시적인 예로, 예를 들면 [0.95, 1.05]) 그 점을 보류하고, 아니면 그 점을 제거하는 것이다. 이 방법은 상술한 표면 데이터와 내표면 데이터의 제거에도 사용될 수 있다.
이때, 구축된 표면 데이터를 오퍼레이터에게 표시해 줌으로써 주목대상의 형태를 직관적이고 선명하게 관찰하면서 초기적인 식별（예를 들면 형상）을 진행하도록 할 수 있다.
또 하나의 표면 데이터를 구축하는 방법으로는 아래와 같은 방법이 있다. 주목대상에 대해, 그 주목대상의 매개 3차원 데이터를 분석하여, 3차원 방향(예를 들면 상,하,좌,우,전,후) 에서의 바로 인접하는 위치마다 다른 데이터가 있으면 이를 비표면 데이터로 하고 나머지 3차원 데이터를 표면 데이터로 하는 것이다.
<뿔/기둥 형상 및 사이즈 식별>
뿔/기둥 주목대상으로서 식별되는 것은, 상술한 "데이터 처리"단계에서 얻은 3차원 데이터（즉 합병 처리를 거친 후의 3차원 데이터）로 형성되는 주목대상일 수도 있고, "표면 데이터 구축"단계를 거친 후의 3차원 데이터로 형성되는 주목대상 일 수도 있다.
본 실시예에 있어서, "3차원 데이터로부터 표면 데이터를 구축"하는 단계의 처리를 거친 후 형성되는 주목대상을 예로 식별 처리를 진행한다. "3차원 데이터로부터 표면 데이터를 구축"하는 단계를 거친 후의 주목대상은 그에 포함되는 불필요한 데이터가 더욱 적어 더욱 쉽게 처리할 수 있다는 것을 이해할 수 있을 것이다. 이는 표면 상에 위치하지 않는 일부 데이터 점들을 제거했기 때문이다.
우선 주목대상 내에서 점 I를 선정한다. 그 점 I를 선정하는 하나의 바람직한 방법으로는, x, y, z 세개 방향에서의 데이터의 최대값과 최소값을 선정하여, 이 세개 방향에서의 최대값과 최소값의 중간 값을 각각 계산하고, 그 좌표（x0,y0,z0）를 점 I의 좌표로 선정한다.
도 3에 도시된 바와 같이, 주목대상의 횡단면을 식별하는데 그 방법은 아래와 같다.
1) 주목대상 내의 점 I를 지나는 평면(α)（그 법선 방향을 구면좌표（θ, φ)방향이라 한다）를 임의로 취하여 주목대상을 절취하여, 평면(α)과 주목대상이 교차하는 점들을 얻는다. 이러한 점들을 분석하여 이들의 중심점(R)을 얻는다.
2) 평면(α) 밖에서 점 I와 근접하는 하나의 점을 취하여, 평면(α)에 평행되는 평면(β)을 형성 및 주목대상을 절취하여, 평면(β)과 주목대상이 교차하는 점들을 얻는다. 이러한 점들을 분석하여 이들의 중심점(S)을 얻는다.
3) 직선(RS)⊥평면(α)이면 평면(α)가 횡단면이고, 직선(RS)이 평면(α)에 수직되지 않으면 평면(α)이 점 I를 지나는 법선 방향（θ, φ)을 바꿔서 주목대상을 다시 절취하여, 직선(RS)⊥평면(α)의 관계를 대체적으로 만족할 때 까지 단계 1) - 3)를 중복하여 진행한다.
상술한 주목대상의 횡단면을 식별하는 방법을 진행할 때, 만일 이 방법의 소요시간이 길다면, 우선 정확도가 낮은 방법으로 횡단면을 검색한 다음 정확도가 높은 방법으로 다시 횡단면을 검색하는 방식을 사용할 수도 있다는 것을 이해할 수 있을 것이다. 물론 일부 알려진 정보를 사용하여 상기 검색을 진행함으로써 검색 속도롤 높일 수도 있다.
상술한 중심점(R 또는 S)을 구하는 일 방법은 아래와 같다. n개 점의 중심 좌표는
Figure 112015072919211-pct00001
,
Figure 112015072919211-pct00002
,
Figure 112015072919211-pct00003
이다. 여기서 Xi, Yi, Zi는 각각 제 i 번째 점의 x, y, 및 z축에서의 좌표값이고, 1≤i≤n, n은 정수이다.
원기둥형, 원뿔형, 원뿔대형을 가지는 대상에 대하여, 횡단면 검색은 아래와 같은 빠른 식별 방법 (물론 상술한 방법도 사용할 수 있으나 계산속도가 조금 느릴 수 있다）을 사용할 수도 있다.
주목대상 내의 점 I를 지나는 평면(α)（그 법선 방향을 구면좌표（θ, φ)방향이라 한다）으로 주목대상을 절취한다. 절취된 도형이 원형이라면 평면(α)이 횡단면이고, 원형이 아니라면 절취된 도형이 원형(즉 횡단면을 획득)이거나 또는 법선 방향（θ, φ)이 모든 방향의 값을 취할 때 까지, 평면(α)（점 I를 지난다）의 법선 방향（θ, φ)을 바꿔서 주목대상을 다시 절취하도록 본 단계를 중복한다.
상술한 검색 단계를 거쳐서 주목대상의 횡단면(α)을 확정하였다. 횡단면(α)의 중심점을 지나며 횡단면(α)에 수직되는 두개의 수직 평면(Φ와 γ)을 취하는데 이 두 평면(Φ와 γ)도 서로 수직된다（알고리즘 시간을 단축시키기 위해서라면 횡단면(α)에 수직되는 하나의 평면만 취할 수도 있다）.
수직되는 평면(Φ 또는 γ)이 주목대상을 절취하여 얻은 도형이 3각형이면, 주목대상이 뿔이라고 판단한다. 뿔각은 이 3각형의 꼭지각이 된다.
수직되는 평면(Φ 또는 γ)이 주목대상을 절취하여 얻은 도형이 사다리꼴이고, 사다리꼴의 4개의 정점(X, Y, U 및 T)(도 4를 참조）이 이루는 선분의 관계가 선분(TU)≥선분(XY)이라면, 선분(TU)과 선분(XY)의 길이의 차를 선분(TU)과 선분(XY)의 길이의 합으로 나눈 비의 값 {(TU-XY) / (TU+XY)}을 계산한다. 비의 값이 역치（예를 들면 0.1)보다 크다면 주목대상이 뿔이라고 판정하고, 비의 값이 역치보다 작다면 주목대상이 기둥체라고 판정한다. 여기서, 정점(X, Y)은 사다리꼴의 위측 정점이고, 정점 (U, T)은 사다리꼴의 아래측 정점이다.
여기서 설명해야 할 것은, 실제로 추는 가공 또는 마모에 의해 원뿔대(또는 각뿔대) 형상을 나타내게 된다. 수직되는 평면(Φ 또는 γ)으로 원뿔대 또는 각뿔대를 절취하여 얻은 도형은 일반적으로 사다리꼴이다. 도 4에 도시된 바와 같이, 수직되는 평면(Φ)으로 주목대상을 절취하여 사다리꼴 (XYTU (또는 3각형 ATU))을 얻을 수 있다. 이때, 선분(XY)의 길이를 뿔의 뾰족 척도로 계산하고, 선분(XT)과 선분(YU)이 이루는 각을 뿔각으로 계산한다.
바람직하게는, 뿔의 꼭지각은 식 2sin-1 ((TU-XY) /2XT) 을 통하여 구할 수 있다. 물론, 이 기술 분야의 공지된 기타 방법으로 뿔의 꼭지각을 구할 수도 있다.
만일 뿔의 뾰족 척도가 역치（예를 들면 8mm)보다 작으며 또한 뿔의 꼭지각이 역치（예를 들면 90°)보다 작으면, 시스템에 경보를 작동하도록 통지할 수 있다. 마찬가지로, 수직되는 평면(γ)이 주목대상을 절취하여 얻어지는 뿔의 뾰족 척도와 추의 꼭지각을 계산하여 동일한 역치에 따라 경보를 작동하도록 할 수 있다.
만일 재질（예를 들면 동）, 뿔의 뾰족 척도 및 뿔의 꼭지각이 탄약의 특징을 만족시킨다면, 탄약이라고 판정할 수 있다.
만일 상기 수직되는 평면(Φ 또는 γ)으로 주목대상을 절취하여 얻은 도형이 직사각형이라면, 주목대상을 기둥형 물체로 판정할 수 있다. 직사각형의 길이와 폭을 계산함으로써, 도 5에 도시된 바와 같이 기둥형 물체의 사이즈를 계산할 수 있다. 도 5에서는 수직평면(Φ)으로 원기둥 또는 정육면체의 주목대상을 절취했을 때, 절취에 의해 얻은 도형이 직사각형인 경우를 도시하고 있다.
만일 상기 주목대상의 수직되는 평면(Φ 또는 γ)이 서로 수직되는 수직 평면(Φ와 γ)이고, 이들이 주목대상을 절취하여 얻은 도형이 사이즈가 동일한 직사각형이며, 상기 횡단면이 원형이라면, 주목대상을 원기둥으로 식별한다.
만일 상기 원기둥이 중공 형상의 원기둥으로 식별되면, 주목대상을 튜브형 물체라고 판정할 수 있다.
만일 상기 튜브형 물체의 내경이 총신의 내경 범위에 부합되며 또한 튜브형 물체의 재료가 금속（예를 들면 동, 철）이라면, 주목대상을 총기라로 판정할 수 있다.
만일 상기 수직 평면(Φ, γ) 및 횡단면을 사용하여 주목대상을 절취하였을 때 얻은 도형이 모두 직사각형이라면, 주목대상을 직육면체라고 판정할 수 있다.
본 방법에 의하면, 추 또는 추와 근사한 형상을 식별 한 다음, 나아가 뿔의 사이즈, 뿔 각, 재료가 금속(또는 고밀도 물질)인지 여부 등에 의하여, 화살, 뾰족한 칼, 스크루 드라이버, 포탄 및 미사일 탄두 등을 식별할 수 있다. 보안 응용에 있어서, 유리 재질의 뿔, 화살도 잠재적인 위험물품에 속한다. 정확도가 높은 이미지에서는 바늘 형상의 물체 등도 식별할 수 있다.
튜브형 물체를 식별한 다음, 만일 재료가 금속이고 또한 사이즈가 해당조건에 부합되면, 미사일（또는 포탄）이 존재한다고 판단할 수 있다. 만일 내포된 충진물이거나 인접하여 놓인 물질이 탄약의 특징（예를 들면 밀도, 또는 원자 번호）에 부합된다면, 위험도가 높은 물품인 미사일（또는 포탄）의 존재를 정확하게 판정할 수 있다.
기둥형 물체에 대한 식별에 의하여, 항공 보안 검사에서 흔히 발생하는 기다란 몽둥이 또는 지팡이 등과 같은 휴대 금지물품을 스마트하게 검사할 수 있다. 이는 검사원의 노동 강도를 저하시킬 수 있다.
본 발명의 방법은 CT 및 핵자기공명 등 3차원 데이터를 생성하는 시스템에 적용된다. 본 명세서에서는 직각 좌표계 및 구면좌표계를 예로 설명하였으나, 기타 좌표계를 사용하거나 또는 본 발명에 대한 간단한 변경은 모두 본 발명의 보호 범위에 속한다.
상술한 바와 같이, 본 발명에서는 특징이 매칭되는 방법을 통하여 3차원 데이터를 추출한 후, 주목대상의 횡단면을 식별하고, 상기 횡단면의 중심점을 지나며 상기 횡단면에 수직되는 적어도 하나의 수직 평면으로 주목대상을 절취하여 하나의 도형을 얻고, 상기 도형의 속성에 따라 주목대상의 형상을 식별함으로써, 뾰족한 형상의 물체 또는 총기 등 금지물품을 식별한다. 각종 CT 시스템에서도 이 방법을 사용하여 위험물품을 식별할 수 있다. 3차원 데이터를 생성하는 기타 시스템, 예를 들면 핵자기공명 시스템 등에서도 이 방법을 사용하여 주목대상을 식별할 수 있다. 즉 주목대상의 특징 데이터를 사용하여 3차원 데이터에 대해 검색, 추출, 합병, 통계, 및 형상 식별을 진행할 수 있다. 3차원 데이터에 대한 이미지 분할이 현재 비교적 어렵고 또한 정확도 및 범용성이 좋지 않기 때문에, 본 방법은 다른 측면으로부터 주목대상에 대한 검색, 통계, 및 형상 식별 문제를 해결하였다.
주의해야 할 것은, 본 발명의 방법은 CT 및 핵자기공명 등 3차원 데이터를 생성하는 시스템에 적용된다. 본 명세서에서는 직각 좌표계 및 구형 좌표계를 예로 본 발명의 3차원 데이터 처리 및 식별 방법에 대해 설명하였으나, 기타 좌표계를 사용하거나 또는 본 발명에 대한 간단한 변경은 모두 본 발명의 보호 범위에 속한다는 것을 이해할 수 있을 것이다.
비록 첨부 도면과 결합하여 본 발명을 설명하였으나, 첨부 도면에 개시된 실시예는 본 발명의 바람직한 실시 형태에 대한 예시적인 설명일 뿐, 본 발명을 제한하는 것으로 이해해서는 안된다.
비록 본 발명의 전체적인 기술 사상의 일부 실시예에 대해 예시 및 설명하였으나, 이 기술분야의 통상의 기술자들은 본 발명의 취지 및 기술적 사상을 벗어나지 않는 범위 내에서 이러한 실시예에 대해 변경을 가할 수 있다는 것을 이해할 수 있을 것이다. 본 발명의 범위는 특허 청구의 범위 및 그 균등물에 의해 한정된다.

Claims (26)

  1. 검출 대기 물품에 대해 주사 및 재구성을 진행하여, 검출 대기 물품을 식별하기 위한 3차원 데이터를 얻는 단계;
    3차원 데이터 중에서 특징이 매칭되는 데이터를 추출하여 추출된 3차원 데이터로 주목대상을 구성하는 단계;
    상기 매칭되는 데이터에 대하여, 인접하는 데이터 점들을 동일한 유형으로 합병함으로써 합병 후의 주목대상의 이미지를 형성하는 단계;
    주목대상의 횡단면을 식별하는 단계;
    상기 횡단면의 중심점을 지나며 또한 상기 횡단면에 수직되는 적어도 하나의 수직 평면으로 주목대상을 절취하여 하나의 도형을 얻는 단계; 및
    상기 도형의 속성에 의하여 주목대상의 형상을 식별하는 단계
    를 포함하고,
    공간 각도 분포를 분석하는 방법을 통하여 주목대상의 표면 데이터를 얻는데, 여기서, 상기 공간 각도 분포를 분석하는 방법은,
    주목대상 내의 임의의 점(I)을 좌표 원점으로 선정하고, 대응되는 구면 좌표계를 구축하고;
    3차원 데이터 중의 매개 점에 대하여 구면 좌표계에서의 천정각(θ)과 방위각(φ), 및 좌표 원점(I)까지의 거리를 계산하고;
    Δθ와 sinθΔφ를 설정하고, 매개 입체각 sinθΔθΔφ 내에서 좌표 원점으로부터 가장 멀리 떨어진 점을 선정하여 표면 데이터로 하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  2. 제1항에 있어서,
    주목대상의 매개 3차원 데이터 점들을 분석하여, 3차원 데이터 점들을 3차원 방향에서 바로 그에 인접하는 개소 마다 또 다른 3차원 데이터 점이 존재하면 비표면 데이터로 판정하고, 그렇지 않으면 표면 데이터로 판정하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  3. 삭제
  4. 제1항에 있어서,
    상기 얻은 매개 표면 데이터 점에 대하여, 그 주위의 점들을 선택하여 보간법을 통하여 보간하여 상기 점의 보간점을 선정하며, 상기 보간점으로부터 점(I)까지의 거리가 상기 점 으로부터 점(I)까지의 거리보다 클 때 상기 점을 제거하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  5. 제1항에 있어서,
    상기 얻은 매개 표면 데이터 점에 대하여, 그 주위의 점들을 보간법을 통하여 보간하여 상기 점의 보간점을 선정하며, 상기 보간점으로부터 점(I)까지의 거리와 상기 점으로부터 점(I)까지의 거리의 비의 값이 소정의 범위 내에 있으면 상기 점을 보류하고, 아니면 상기 점을 제거하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  6. 제1항에 있어서,
    주목대상이 중공 구조인 경우, 상기 공간 각도 분포를 분석하는 방법을 통하여 주목대상의 내표면 데이터를 식별하는데, 매개 입체각 sinθΔθΔφ 내에서 좌표 원점(I)까지의 거리가 가장 가까운 점을 내표면 데이터로 하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  7. 제6항에 있어서,
    상기 얻은 매개 내표면 데이터 점에 대하여, 그 주위의 점들을 보간법을 통하여 보간하여 상기 점의 보간점을 선정하며, 상기 보간점으로부터 점(I)까지의 거리가 상기 점으로부터 점(I)까지의 거리보다 작을 때, 상기 점을 제거하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  8. 제1항, 제2항, 제4항, 제5항, 제6항 및 제7항 중 어느 한 항에 있어서,
    상기 주목대상의 횡단면을 식별하는 방법은,
    1) 주목대상 내의 임의의 점(I)을 지나는 평면(α)을 임의로 취하여 주목대상을 절취하여 평면(α)과 주목대상이 교차하는 점들을 얻는데 이러한 점들을 분석하여 이들의 중심점(R)을 얻고;
    2) 평면(α) 밖에서 점(I)과 근접하는 하나의 점을 취하여 평면(α)에 평행되는 다른 평면(β)을 형성하여 주목대상을 절취하여, 다른 평면(β)과 주목대상이 교차하는 점들을 얻는데 이러한 점들을 분석하여 이들의 중심점(S)을 얻으며;
    3) 직선(RS) ⊥ 평면(α)이면 평면(α)은 횡단면이고, 직선(RS)이 평면(α)에 수직되지 않는다면 평면(α)의 법선 방향을 바꿔서 주목대상을 다시 절취하여, 직선(RS) ⊥ 평면(α)의 관계를 만족할 때까지 단계 1) - 3)을 중복하여 진행하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  9. 제8항에 있어서,
    상기 중심점을 구하는 방법은,
    n개 점의 중심 좌표는
    Figure 112017005285170-pct00012
    ,
    Figure 112017005285170-pct00013
    ,
    Figure 112017005285170-pct00014
    이고,
    여기서 Xi, Yi, Zi는 각각 제 i 번째 점의 x, y, 및 z축에서의 좌표값이고, 1≤i≤n, n은 정수인
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  10. 제1항, 제2항, 제4항, 제5항, 제6항 및 제7항 중 어느 한 항에 있어서,
    주목대상을 절취하여 얻은 상기 도형이 3각형이면, 주목대상이 뿔이라 판정하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  11. 제1항, 제2항, 제4항, 제5항, 제6항 및 제7항 중 어느 한 항에 있어서,
    주목대상을 절취하여 얻은 상기 도형이 사다리꼴이고, 상기 사다리꼴의 위측 정점이 X, Y, 아래측 정점이 U, Τ이며, 상기 사다리꼴의 네개의 정점이 이루는 선분(TU)≥선분(XY)일 경우,
    선분(TU)과 선분(XY)의 길이의 차를 선분(TU)과 선분(XY)의 길이의 합으로 나누어서 그 비의 값을 계산하고;
    상기 비의 값이 소정의 역치보다 크면 주목대상을 뿔이라 판정하고, 상기 비의 값이 소정의 역치보다 작으면 주목대상을 기둥체라 판정하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  12. 제11항에 있어서,
    주목대상이 추인 것으로 판정되었으면, 선분(XY)의 길이를 이용하여 뿔의 뾰족 척도를 계산하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  13. 제12항에 있어서,
    또한, 2sin-1((TU-XY)/2XT)을 이용하여 뿔의 꼭지각을 계산하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  14. 제1항, 제2항, 제4항, 제5항, 제6항 및 제7항 중 어느 한 항에 있어서,
    주목대상을 절취하여 얻은 상기 도형이 직사각형이면, 주목대상을 기둥형 물체라 판정하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  15. 제14항에 있어서,
    직사각형의 길이와 폭을 계산하여 기둥형 물체의 사이즈를 얻는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  16. 제15항에 있어서,
    상기 주목대상의 수직 평면이 두개의 서로 수직되는 수직 평면(Φ와 γ)이고, 이들이 주목대상을 절취하여 얻은 도형이 사이즈가 동일한 직사각형이며 또한 상기 횡단면(α)이 원형이면, 주목대상을 원기둥이라 식별하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  17. 제16항에 있어서,
    상기 원기둥이 중공 형상의 원기둥으로 식별되면, 주목대상을 튜브형 물체로 판정하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  18. 제17항에 있어서,
    상기 튜브형 물체의 내경이 총신의 내경 범위에 부합되고 또한 튜브형 물체의 재료가 금속이면, 주목대상을 총기로 판정하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  19. 제1항, 제2항, 제4항, 제5항, 제6항 및 제7항 중 어느 한 항에 있어서,
    주목대상의 이미지가 원기둥, 원뿔, 원뿔대의 형상에 근사하다면,
    주목대상 내의 임의의 점(I)을 지나는 평면(α)으로 주목대상을 절취하였을 때 평면(α)의 법선 방향이 구면 좌표（θ, φ) 방향이며, 상기 평면(α)이 절취한 도형이 원형일 경우 상기 평면(α)은 횡단면이고; 그렇지 않을 경우, 상기 평면(α)이 절취한 도형이 원형이 되거나 또는 법선 방향（θ, φ)이 모든 방향의 값을 취할 때까지, 상기 평면(α)이 상기 점(I)을 지나는 법선 방향（θ, φ)을 바꿔서 주목대상을 다시 절취하도록 중복하는 방법을 통하여, 고속으로 주목대상의 횡단면을 식별하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  20. 제10항에 있어서,
    상기 식별된 뿔 또는 뿔과 유사한 형상에 대해, 사이즈와 뿔 각에 근거하고, 또한 뿔의 재료가 금속 또는 고밀도 물질일 경우, 주목대상이 화살, 뾰족한 칼, 스크루 드라이버, 포탄 또는 미사일 탄두라 식별하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  21. 제1항에 있어서,
    상기 특징이 매칭되는 데이터는, 상기 3차원 데이터와 통상적인 위험물품 또는 금지물품의 기존 데이터와의 매칭 검색을 통하여 얻어지는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  22. 제21항에 있어서,
    상기 기존 데이터는, 감쇄 계수 데이터, 밀도 데이터, 원자 번호 데이터 중의 하나 또는 이들의 조합인
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  23. 제1항에 있어서,
    합병 후의 데이터에 대해, 그 데이터 점들의 개수를 통하여 검출 대기 물품의 사이즈를 추정하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  24. 제1항에 있어서,
    합병 후의 데이터가 위치하는 영역의 질량 또는 위치하는 영역의 위치, 감쇄 계수, 밀도, 원자 번호 중의 하나 또는 이들 조합의 평균값을 통계하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  25. 제1항에 있어서,
    상기 3차원 데이터는 보안 CT 시스템 또는 핵자기공명 시스템이 검출 대기 물체를 주사 및 재구성하여 얻은 데이터인
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
  26. 제4항 내지 제7항 중 어느 한 항에 있어서,
    상기 3차원 데이터 중의 x, y, 및 z 축 방향에서의 최대치와 최소치의 중간 값을, 상기 주목대상 내의 임의의 한 점(I) 의 좌표 또는 주목대상 내의 한 점의 좌표로 선정하는
    것을 특징으로 하는 3차원 데이터 처리와 식별 방법.
KR1020157020434A 2012-12-27 2013-07-05 3차원 데이터 처리 및 식별 방법 KR101813771B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201210581559.9 2012-12-27
CN201210581559.9A CN103903298B (zh) 2012-12-27 2012-12-27 三维数据处理和识别方法
PCT/CN2013/078884 WO2014101387A1 (zh) 2012-12-27 2013-07-05 三维数据处理和识别方法

Publications (2)

Publication Number Publication Date
KR20150103160A KR20150103160A (ko) 2015-09-09
KR101813771B1 true KR101813771B1 (ko) 2017-12-29

Family

ID=50115667

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157020434A KR101813771B1 (ko) 2012-12-27 2013-07-05 3차원 데이터 처리 및 식별 방법

Country Status (7)

Country Link
US (1) US9111128B2 (ko)
EP (1) EP2750078B1 (ko)
JP (1) JP6013621B2 (ko)
KR (1) KR101813771B1 (ko)
CN (1) CN103903298B (ko)
PL (1) PL2750078T3 (ko)
WO (1) WO2014101387A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903297B (zh) 2012-12-27 2016-12-28 同方威视技术股份有限公司 三维数据处理和识别方法
CN103900503B (zh) 2012-12-27 2016-12-28 清华大学 提取形状特征的方法、安全检查方法以及设备
CA2961455C (en) * 2014-09-29 2019-09-24 Ihi Corporation Image analysis apparatus, image analysis method, and program
CN106296797A (zh) * 2015-06-10 2017-01-04 西安蒜泥电子科技有限责任公司 一种三维扫描仪特征点建模数据处理方法
CN113128346B (zh) * 2021-03-23 2024-02-02 广州大学 起重机施工现场的目标识别方法、系统、装置及存储介质
CN114608450B (zh) * 2022-03-10 2023-09-26 西安应用光学研究所 机载光电系统对远距离海面目标三维尺寸测算方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003516517A (ja) * 1999-01-12 2003-05-13 アナロジック コーポレーション 物体投影を用いたコンピュータ断層撮影データを使って物体を処理する装置及び方法
JP2009063571A (ja) * 2007-09-05 2009-03-26 Tongfang Nuctech Co Ltd 航空貨物コンテナにおける密輸品を調査する装置及びその方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4687933A (en) * 1976-12-14 1987-08-18 Telecommunications Radioelectriques Et Telephoniques, Trt Optical and mechanical scanning device
US5006299A (en) * 1987-05-26 1991-04-09 Science Applications International Corporation Explosive detection system
US5114662A (en) * 1987-05-26 1992-05-19 Science Applications International Corporation Explosive detection system
JP3378401B2 (ja) * 1994-08-30 2003-02-17 株式会社日立メディコ Ｘ線装置
US6148095A (en) * 1997-09-08 2000-11-14 University Of Iowa Research Foundation Apparatus and method for determining three-dimensional representations of tortuous vessels
US6539330B2 (en) * 2000-07-19 2003-03-25 Pentax Corporation Method and apparatus for measuring 3-D information
CN1993710A (zh) * 2004-06-01 2007-07-04 美国西门子医疗解决公司 改进使用切割平面检测球状和椭圆状对象的分水岭分割
US7813540B1 (en) * 2005-01-13 2010-10-12 Oro Grande Technologies Llc System and method for detecting nuclear material in shipping containers
JP4632891B2 (ja) * 2005-07-22 2011-02-16 株式会社モリタ製作所 Ｘ線ｃｔ撮影装置およびｘ線ｃｔ撮影方法
EP1971850A2 (en) * 2005-12-12 2008-09-24 Reveal Imaging Techologies Displaced-ray ct inspection
US20080303810A1 (en) * 2007-06-07 2008-12-11 Seockhoon Bae System and method for calculating loft surfaces using 3d scan data
CN101499177A (zh) * 2008-01-28 2009-08-05 上海西门子医疗器械有限公司 一种三维模型的建立方法和系统
JP5536669B2 (ja) * 2008-12-05 2014-07-02 株式会社日立メディコ 医用画像表示装置及び医用画像表示方法
CN103903297B (zh) 2012-12-27 2016-12-28 同方威视技术股份有限公司 三维数据处理和识别方法
CN103900503B (zh) 2012-12-27 2016-12-28 清华大学 提取形状特征的方法、安全检查方法以及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003516517A (ja) * 1999-01-12 2003-05-13 アナロジック コーポレーション 物体投影を用いたコンピュータ断層撮影データを使って物体を処理する装置及び方法
JP2009063571A (ja) * 2007-09-05 2009-03-26 Tongfang Nuctech Co Ltd 航空貨物コンテナにおける密輸品を調査する装置及びその方法

Also Published As

Publication number Publication date
US9111128B2 (en) 2015-08-18
WO2014101387A1 (zh) 2014-07-03
EP2750078A3 (en) 2016-06-01
JP6013621B2 (ja) 2016-10-25
EP2750078A2 (en) 2014-07-02
KR20150103160A (ko) 2015-09-09
CN103903298A (zh) 2014-07-02
JP2016505976A (ja) 2016-02-25
PL2750078T3 (pl) 2019-02-28
EP2750078B1 (en) 2018-09-12
CN103903298B (zh) 2017-03-01
US20140185874A1 (en) 2014-07-03

Similar Documents

Publication Publication Date Title
KR101813771B1 (ko) 3차원 데이터 처리 및 식별 방법
JP6195938B2 (ja) ３次元データの処理及び識別方法
AU2013370770A1 (en) Method for processing and identifying three-dimensional data
Fry Random point distributions and strain measurement in rocks
Moser et al. In situ flash X-ray high-speed computed tomography for the quantitative analysis of highly dynamic processes
CN108845358B (zh) 断层及构造异常体识别方法及装置
Han et al. An effective approach for rock mass discontinuity extraction based on terrestrial LiDAR scanning 3D point clouds
Ahmad et al. FPN-GAN: multi-class small object detection in remote sensing images
Lopez et al. A Big Ring on the Sky
Ponce et al. Seeking for toroidal event horizons from initially stationary BH configurations
CN108415093B (zh) 一种目标探测与识别方法
Grönwall et al. Spatial filtering for detection of partly occluded targets
Wu et al. Occluder Generation for Buildings in Digital Games
Moeller et al. Wire detection by GPR using the Hough transform
Cho et al. Extracting building boundary from aerial LiDAR points data using extended χ algorithm
Chen et al. Epipolar multitarget velocity probability data association algorithm based on the movement characteristics of blasting fragments
Daghigh et al. A computationally efficient approach to automatically extract rock mass discontinuities from 3D point cloud data
Lin et al. Enhancing SAR Multipath Ghost Image Suppression for Complex Structures through Multi-Aspect Observation
Dobbins et al. A layer tracking approach to buried surface detection
Chen et al. A graph-theoretic approach to building layout reconstruction from radar measurements
Chen et al. Cloud–cloud collision in S235: triggered the formation of high-mass stars and young star clusters
Lualdi et al. Testing a safe acquisition procedure for an effective application of GPR to security operations
Tachihara et al. Internal 1000 AU-scale Structures of the R CrA Cluster-forming Cloud--I: Filamentary Structures
Sun et al. DINOray: A Tightly Integrated De-occlusion Model for the Detection of Prohibited Items
CN108921837A (zh) 一种建筑物损毁状态检测方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant