KR101930796B1 - 이미지를 이용한 3차원 좌표 계산 장치, 3차원 좌표 계산 방법, 3차원 거리 측정 장치 및 3차원 거리 측정 방법 - Google Patents

이미지를 이용한 3차원 좌표 계산 장치, 3차원 좌표 계산 방법, 3차원 거리 측정 장치 및 3차원 거리 측정 방법 Download PDF

Info

Publication number
KR101930796B1
KR101930796B1 KR1020180071021A KR20180071021A KR101930796B1 KR 101930796 B1 KR101930796 B1 KR 101930796B1 KR 1020180071021 A KR1020180071021 A KR 1020180071021A KR 20180071021 A KR20180071021 A KR 20180071021A KR 101930796 B1 KR101930796 B1 KR 101930796B1
Authority
KR
South Korea
Prior art keywords
measurement point
images
projection
camera
coordinates
Prior art date
Application number
KR1020180071021A
Other languages
English (en)
Inventor
배석훈
Original Assignee
주식회사 큐픽스
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 주식회사 큐픽스 filed Critical 주식회사 큐픽스
Priority to KR1020180071021A priority Critical patent/KR101930796B1/ko
Application granted granted Critical
Publication of KR101930796B1 publication Critical patent/KR101930796B1/ko
Priority to US16/447,665 priority patent/US10825198B2/en

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
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20101—Interactive definition of point of interest, landmark or seed

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

본 발명은 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법에 관한 것으로서, 더욱 상세하게는 복수의 이미지들을 분석하여 그 이미지들에 공통적으로 표시된 점의 3차원 좌표를 계산하는 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법에 관한 것이다.
본 발명은 이미지를 이용한 3차원 좌표 거리 측정 장치 및 3차원 거리 측정 방법에 관한 것으로서, 더욱 상세하게는 복수의 이미지들을 분석하여 그 이미지들에 공통적으로 표시된 점의 3차원 좌표를 계산하고 그 결과를 이용하여 두 점 사이의 거리를 계산하는 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법에 관한 것이다.
본 발명에 의한 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법은 카메라에 의해 촬영된 이미지들을 이용하여 이미지들에 표시된 임의의 점들의 3차원 좌표를 용이하게 계산할 수 있는 효과가 있다.
또한, 본 발명에 의한 이미지를 이용한 3차원 거리 측정 장치 및 3차원 거리 측정 방법은, 카메라에 의해 촬영된 이미지들을 이용하여 이미지들에 표시된 임의의 두 점 사이의 거리를 용이하게 측정할 수 있는 효과가 있다.

Description

이미지를 이용한 3차원 좌표 계산 장치, 3차원 좌표 계산 방법, 3차원 거리 측정 장치 및 3차원 거리 측정 방법{3 Dimensional Coordinates Calculating Apparatus, 3 Dimensional Coordinates Calculating Method, 3 Dimensional Distance Measuring Apparatus and 3 Dimensional Distance Measuring Method Using Images}
본 발명은 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법에 관한 것으로서, 더욱 상세하게는 복수의 이미지들을 분석하여 그 이미지들에 공통적으로 표시된 점의 3차원 좌표를 계산하는 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법에 관한 것이다.
본 발명은 이미지를 이용한 3차원 좌표 거리 측정 장치 및 3차원 거리 측정 방법에 관한 것으로서, 더욱 상세하게는 복수의 이미지들을 분석하여 그 이미지들에 공통적으로 표시된 점의 3차원 좌표를 계산하고 그 결과를 이용하여 두 점 사이의 거리를 계산하는 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법에 관한 것이다.
공간상의 두 점 사이의 거리를 실측하기 위해서는 줄자, 레이저 거리 센서 등의 다양한 측정 장치가 사용될 수 있다. 통상적으로 이러한 측정 장치를 사용하여 공간의 두 지점 사이의 거리를 측정하는 경우, 공간의 주요 지점이나 대표가 되는 지점 사이의 거리를 측정하여 기록하는 방법이 사용된다.
작업 환경이나 시간 등의 제약으로 인해 공간의 모든 지점에 대한 3차원 좌표값을 측정하거나 공간의 임의의 두 지점 사이의 거리를 모두 측정하는 것을 현실적으로 어렵다.
공간의 주요 지점에 대한 측량을 완료한 후에도, 시공 작업이나 설계 작업 또는 건물 리모델링 작업을 진행하는 동안에 추가로 공간 내의 두 지점 사이의 거리를 측정할 필요가 빈번하게 발생한다. 이러한 경우마다 현장을 반문하여 측량 또는 거리 측정을 다시 하는 것을 매우 번거롭고 비효율적이며 생산성을 저하시키는 원인이 된다.
3차원 스캐너와 같은 장비를 이용하여 주변 환경의 절대 깊이를 측정할 수도 있으나, 장비의 가격이 매우 높기 때문에 쉽게 사용하기 어려운 문제점이 있다. 또한, 3차원 스캐너를 이용하는 경우에도 장비의 해상도의 한계나 공간의 제약 조건으로 인하여 공간의 모든 지점에 대한 3차원 좌표를 신뢰할 수 있는 수준으로 얻는 것은 쉽지 않다.
3차원 스캐너 같은 고가의 장비를 사용하지 않고, 카메라로 촬영한 이미지를 이용하여 허용 오차 범위 내에서 공간의 임의의 지점에 대한 3차원 좌표를 얻을 수 있다면, 공간 측정에 시간과 노력을 절감하고 생산성을 비약적으로 향상시킬 수 있다. 즉, 매번 현장을 방문하여 필요한 치수를 실측하지 않고 미리 촬영된 이미지들에서 측정이 필요한 두 지점을 선택하는 것만으로도 두 지점 사이의 거리를 계산할 수 있다면, 건축 관련 작업의 생산성을 비약적으로 향상시킬 수 있다.
또한, 이와 같은 형태의 측정이 가능하다면, 건축 공사 과정의 치수상 오류를 검증하는 작업이나 건축물의 안전을 진단할 목적으로 건축물을 측량하는 작업을 매우 효율적으로 수행할 수 있다.
본 발명은 상술한 바와 같은 필요성을 해결하기 위하여 안출된 것으로, 카메라에 의해 촬영된 이미지들을 이용하여 이미지들에 표시된 임의의 점들의 3차원 좌표를 계산할 수 있는 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은 상술한 바와 같은 필요성을 해결하기 위하여 안출된 것으로, 카메라에 의해 촬영된 이미지들을 이용하여 이미지들에 표시된 임의의 점들의 3차원 좌표를 계산하여 두 점 사이의 거리를 측정할 수 있는 이미지를 이용한 3차원 거리 측정 장치 및 3차원 거리 측정 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명에 따른 이미지를 이용한 3차원 좌표 계산 방법은, 카메라에 의해 촬영된 복수의 이미지들을 이용하여 상기 복수의 이미지들에 공통적으로 표시된 측정점의 3차원 좌표를 계산하는 이미지를 이용한 3차원 좌표 계산 방법에 있어서, (a) 이미지 좌표 모듈이 상기 복수의 이미지들에 표시된 상기 측정점의 각 이미지 상의 좌표를 이미지 좌표로서 입력 받는 단계; (b) 카메라 정보 모듈이 상기 복수의 이미지들을 촬영한 방향에 해당하는 카메라 방향과 투영 중심점의 좌표에 해당하는 카메라 위치를 카메라 정보로서 획득하는(achieving) 단계; (c) 투영점 계산 모듈이 상기 복수의 이미지들에 대응하는 카메라 정보에 따라 배치된 카메라의 투영면에 상기 측정점이 표시되는 위치에 해당하는 투영점의 좌표를 상기 이미지 좌표를 이용하여 계산하는 단계; (d) 투영 직선 계산 모듈이 상기 복수의 이미지들의 각 투영점과 상기 카메라 정보의 카메라 위치를 연결하는 투영 직선들을 각각 계산하는 단계; 및 (e) 측정점 계산 모듈이 상기 투영 직선들에 대한 거리가 최소화되는 영역 내의 점의 좌표를 상기 측정점의 3차원 좌표로 결정하는 단계;를 포함하는 점에 특징이 있다.
또한, 본 발명에 따른 이미지를 이용한 3차원 거리 측정 방법은, 카메라에 의해 촬영된 복수의 이미지들을 이용하여 상기 복수의 이미지들에 표시된 측정점들 사이의 거리를 계산하는 이미지를 이용한 3차원 거리 측정 방법에 있어서, (a) 이미지 좌표 모듈이 상기 복수의 이미지들에 표시된 상기 측정점의 각 이미지 상의 좌표를 이미지 좌표로서 입력 받는 단계; (b) 카메라 정보 모듈이 상기 복수의 이미지들을 촬영한 방향에 해당하는 카메라 방향과 투영 중심점의 좌표에 해당하는 카메라 위치를 카메라 정보로서 획득하는(achieving) 단계; (c) 투영점 계산 모듈이 상기 복수의 이미지들에 대응하는 카메라 정보에 따라 배치된 카메라의 투영면에 상기 측정점이 표시되는 위치에 해당하는 투영점의 좌표를 상기 이미지 좌표를 이용하여 계산하는 단계; (d) 투영 직선 계산 모듈이 상기 복수의 이미지들의 각 투영점과 상기 카메라 정보의 카메라 위치를 연결하는 투영 직선들을 각각 계산하는 단계; (e) 측정점 계산 모듈이 상기 투영 직선들에 대한 거리가 최소화되는 영역 내의 점의 좌표를 상기 측정점의 3차원 좌표로 결정하는 단계; (f) (a) 단계 내지 (e) 단계에 의해 제1측정점과 제2측정점의 3차원 좌표를 각각 계산하는 단계; (g) 스케일 모듈이 상대 거리를 절대 거리로 변환할 수 있는 절대 스케일을 획득하는 단계; 및 (h) 거리 계산 모듈이 상기 절대 스케일을 이용하여 상기 제1측정점과 제2측정점 사이의 절대 거리를 계산하는 단계;를 포함하는 점에 특징이 있다.
또한, 본 발명에 따른 이미지를 이용한 3차원 좌표 계산 장치는, 카메라에 의해 촬영된 복수의 이미지들을 이용하여 상기 복수의 이미지들에 공통적으로 표시된 측정점의 3차원 좌표를 계산하는 이미지를 이용한 3차원 좌표 계산 장치에 있어서, 상기 복수의 이미지들에 표시된 상기 측정점의 각 이미지 상의 좌표를 이미지 좌표로서 입력 받는 이미지 좌표 모듈; 상기 복수의 이미지들을 촬영한 방향에 해당하는 카메라 방향과 투영 중심점의 좌표에 해당하는 카메라 위치를 카메라 정보로서 획득하는(achieving) 카메라 정보 모듈; 상기 복수의 이미지들에 대응하는 카메라 정보에 따라 배치된 카메라의 투영면에 상기 측정점이 표시되는 위치에 해당하는 투영점의 좌표를 상기 이미지 좌표를 이용하여 계산하는 투영점 계산 모듈; 상기 복수의 이미지들의 각 투영점과 상기 카메라 정보의 카메라 위치를 연결하는 투영 직선들을 각각 계산하는 투영 직선 계산 모듈; 및 상기 투영 직선들에 대한 거리가 최소화되는 영역 내의 점의 좌표를 상기 측정점의 3차원 좌표로 결정하는 측정점 계산 모듈;을 포함하는 점에 특징이 있다.
또한, 본 발명에 따른 이미지를 이용한 3차원 거리 측정 장치는, 카메라에 의해 촬영된 복수의 이미지들을 이용하여 상기 복수의 이미지들에 표시된 공통적으로 표시된 측정점들 중 제1측정점과 제2측정점 사이의 거리를 계산하는 이미지를 이용한 3차원 거리 측정 장치에 있어서, 상대 거리를 절대 거리로 변환할 수 있는 절대 스케일을 획득하는 스케일 모듈; 상기 복수의 이미지들에 표시된 상기 측정점의 각 이미지 상의 좌표를 이미지 좌표로서 입력 받는 이미지 좌표 모듈; 상기 복수의 이미지들을 촬영한 방향에 해당하는 카메라 방향과 투영 중심점의 좌표에 해당하는 카메라 위치를 카메라 정보로서 획득하는(achieving) 카메라 정보 모듈; 상기 복수의 이미지들에 대응하는 카메라 정보에 따라 배치된 카메라의 투영면에 상기 측정점이 표시되는 위치에 해당하는 투영점의 좌표를 상기 이미지 좌표를 이용하여 계산하는 투영점 계산 모듈; 상기 복수의 이미지들의 각 투영점과 상기 카메라 정보의 카메라 위치를 연결하는 투영 직선들을 각각 계산하는 투영 직선 계산 모듈; 상기 투영 직선들에 대한 거리가 최소화되는 영역 내의 점의 좌표를 상기 측정점의 3차원 좌표로 결정하는 측정점 계산 모듈; 및 상기 이미지 좌표 모듈, 카메라 정보 모듈, 투영점 계산 모듈, 투영 직선 계산 모듈 및 측정점 계산 모듈에 의해 계산된 상기 제1측정점 및 제2측정점의 3차원 좌표와 상기 스케일 모듈이 획득한 절대 스케일을 이용하여, 상기 제1측정점과 제2측정점 사이의 절대 거리를 계산하는 거리 계산 모듈;을 포함하는 점에 특징이 있다.
본 발명에 의한 이미지를 이용한 3차원 좌표 계산 장치 및 3차원 좌표 계산 방법은 카메라에 의해 촬영된 이미지들을 이용하여 이미지들에 표시된 임의의 점들의 3차원 좌표를 용이하게 계산할 수 있는 효과가 있다.
또한, 본 발명에 의한 이미지를 이용한 3차원 거리 측정 장치 및 3차원 거리 측정 방법은, 카메라에 의해 촬영된 이미지들을 이용하여 이미지들에 표시된 임의의 두 점 사이의 거리를 용이하게 측정할 수 있는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 이미지를 이용한 3차원 좌표 계산 장치의 블록도이다.
도 2는 본 발명의 일실시예에 따른 이미지를 이용한 3차원 거리 측정 장치의 블록도이다.
도 3은 본 발명의 일실시예에 따른 이미지를 이용한 3차원 좌표 계산 방법의 순서도이다.
도 4는 본 발명의 일실시예에 따른 이미지를 이용한 3차원 거리 측정 방법의 순서도이다.
도 5 및 도 6은 본 발명의 작동 설명하기 위한 도면이다.
이하에서는 첨부된 도면을 참조하여, 본 발명의 일실시예에 따른 이미지를 이용한 3차원 좌표 계산 방법 및 이미지를 이용한 3차원 좌표 계산 장치에 대해 설명한다.
도 1은 본 발명의 일실시예에 따른 이미지를 이용한 3차원 좌표 계산 장치의 블록도이고, 도 3은 본 발명의 이미지를 이용한 3차원 좌표 계산 방법에 따른 순서도를 도시한 것이다.
본 발명의 이미지를 이용한 3차원 좌표 계산 장치 및 이미지를 이용한 3차원 좌표 계산 방법은 카메라에 의해 촬영된 복수의 이미지를 이용하여 이미지에 표시된 점의 3차원 좌표를 계산하기 위한 것이다. 본 발명에 의해 복수의 이미지들에 공통적으로 표시된 측정점의 3차원 좌표를 계산하면, 이미지만을 이용하여 그 이미지들에 표시된 점들 사이의 거리를 계산하는 등 다양한 용도로 이용할 수 있다.
도 1을 참조하면 본 실시예의 이미지를 이용한 3차원 좌표 계산 장치는 이미지 좌표 모듈(100)과 카메라 정보 모듈(200)과 투영점 계산 모듈(300)과 투영 직선 계산 모듈(400)과 측정점 계산 모듈(500)을 포함하여 이루어진다.
이미지 좌표 모듈(100)은 3차원 좌표를 계산하고자 하는 측정점이 각 이미지들에 표시된 이미지 상의 좌표를 이미지 좌표로서 입력 받는다((a) 단계; S100). 즉, 이미지 좌표 모듈(100)은 2차원 좌표의 형태로 측정점의 이미지 좌표를 입력 받는다. 이미지 좌표를 입력 받는 도구로는 다양한 형태의 입력 장치가 사용될 수 있다. 예컨대, 컴퓨터의 표시 장치에 표시된 이미지에서 사용자가 마우스를 이용하여 측정점을 클릭하는 방법으로 측정점의 이미지 좌표를 입력 받는 형태의 이미지 좌표 모듈(100)이 사용될 수 있다. 이와 같은 방법으로 사용자가 2장 이상의 이미지에 표시된 동일한 측정점의 좌표를 입력하면, 이미지 좌표 모듈(100)은 각 이미지마다 측정점이 표시된 좌표를 수신하여 저장한다.
카메라 정보 모듈(200)은 측정점이 표시된 이미지들을 촬영한 카메라의 위치와 방향을 카메라 정보로서 획득한다((b) 단계; S200). 이미지를 촬영할 때의 카메라의 위치와 방향을 이하에서 카메라 정보로 정의하여 설명한다. 카메라 정보의 카메라의 위치는 카메라의 투영 중심점의 좌표와 동일한 것이다.
카메라 정보 모듈(200)이 카메라 정보를 획득하는 방법은 여러 가지 방법이 사용될 수 있다.
첫째, 컴퓨터 비전 SfM(Structure from Motion) 방법을 이용하여 카메라 정보 모듈(200)이 카메라 정보를 획득할 수 있다. SfM 방법은 사진의 이미지만을 분석하여 각 사진 촬영 당시의 카메라의 3차원 좌표와 방향을 계산하는 기술이다.
둘째, 카메라에 의해 이미지 촬영을 할 때, 관성 측정 센서(IMU; Inertial Measurement Unit), 가속도 센서, 지자기 센서, 각변위 센서 등의 다양한 종류의 센서에 의해 측정된 값 또는 시간의 흐름에 따른 측정 값을 변화량을 이용하여 카메라 정보를 계산할 수 있다. 예컨대, 가속도를 두번 적분하면 변위의 변화량를 계산할 수 있으므로, 이와 같은 방법으로 계산된 값을 이용하여 더욱 정확하게 또는 더욱 신속하게 카메라 정보를 계산할 수 있다.
컴퓨터 비전 SfM 방법과 각종 센서의 측정값을 복합적으로 사용하여 카메라 정보를 획득하는 것도 가능하다.
경우에 따라서는 별도의 장치가 각 이미지 촬영시마다 측정한 카메라의 위치와 방향을 저장하고, 카메라 정보 모듈(200)은 이와 같이 저장된 카메라 정보를 이용할 수도 있다.
투영점 계산 모듈(300)은 카메라 정보 모듈(200)에 의해 획득된 카메라 정보에 따라 3차원 공간 상에 배치된 카메라의 투영면에 측정점이 표시된 위치의 3차원 좌표를 계산한다((c) 단계; S300). 카메라의 투영면에 표시되는 측정점을 이하에서 투영점이라 정의하고 설명한다. 카메라의 투영면은 카메라의 필름 또는 이미지 센서에 해당한다. 디지털 카메라의 경우 CMOS 이미지 센서, CCD 이미지 센서 등이 투영면에 해당한다. 카메라의 투영 중심점과 투영면 사이의 상대적 위치와 투영면의 크기는 카메라 고유 파라메터(Camera Intrinsic Parameter)이므로, 그 값은 카메라에 대한 정보로부터 얻을 수 있다. 카메라 정보, 투영면의 크기와 위치 그리고 측정점의 이미지 좌표를 이용하면, 투영점 계산 모듈(300)은 투영점의 3차원 좌표를 계산할 있다.
도 5 및 도 6은 각각 3개의 이미지에 공통적으로 표시된 측정점과 카메라 정보를 이용하여 계산한 투영점(P1, P2, P3)과 투영면(S1, S2, S3)을 함께 도시한 것이다.
도 5 및 도 6에는 사각평면 형태로 형성된 투영면(S1, S2, S3)을 예로 들어 도시하였으나, 경우에 따라서 투영면은 곡면일 수도 있다. 또한, 실제 피사체와 투영면에 투영된 이미지 사이에 왜곡(distortion)이 있을 수도 있어서, 측정점을 투영면(S1, S2, S3)의 투영점(P1, P2, P3)으로 매핑하는 과정에서 오차가 발생할 수도 있다. 투영점 계산 모듈(300)이 투영점(P1, P2, P3)의 좌표를 계산할 때 이와 같은 왜곡을 고려하여 오차를 줄이는 방법으로 투영점(P1, P2, P3)의 좌표를 계산할 수도 있다.
투영 직선 계산 모듈(400)은 투영점들(P1, P2, P3)과 카메라 정보의 카메라 위치(투영 중심점(C1, C2, C3))를 각각 연결하는 투영 직선들(L1, L2, L3)을 계산한다((d) 단계; S400). 카메라 정보 모듈(200)에 의해 카메라의 투영 중심점(C1, C2, C3)을 획득하였고 투영 직선 계산 모듈(400)에 의해 투영점(P1, P2, P3)을 계산한 상태이다. 이와 같은 상태에서 투영 직선 계산 모듈(400)은 3차원 공간의 두 개의 점(카메라 투영 중심점(C1, C2, C3)과 투영점(P1, P2, P3))을 연결하는 투영 직선들(L1, L2, L3)을 각각 계산할 수 있다.
도 5를 참조하면, 투영 직선들(L1, L2, L3)은 이론적으로 한 점(M0)에서 서로 만나게 된다. 즉, 서로 다른 위치에서 촬영된 이미지들에서 선택된 측정점(M0)은 3차원 공간상의 동일 지점이므로, 카메라의 각 위치(투영 중심점(C1, C2, C3))에서 투영점(P1, P2, P3)과 이어지는 직선은 모두 도 5에 도시한 것과 같이 동일한 측정점(M0)을 경유하게 된다.
이와 같은 원리를 이용하여, 측정점 계산 모듈(500)은 투영 직선들(L1, L2, L3)에 대한 거리가 최소화되는 영역 내의 점의 좌표를 측정점의 3차원 좌표로 결정한다((e) 단계; S500). 상술한 바와 같이 투영 직선(L1, L2, L3)은 이론적으로는 모두 측정점(M0)에서 서로 만나게 되어 있다. 도 5에 도시한 것과 같이 투영 직선들(L1, L2, L3)이 교차하는 점이 측정점(M0)이 된다. 이 경우, 측정점 계산 모듈(500)은 투영 직선들(L1, L2, L3)이 서로 교차하는 점의 좌표를 측정점(M0)의 좌표로 결정한다.
실제 카메라에 의해 촬영된 이미지들을 이용하여 투영 직선 계산 모듈(400)에 의해 투영 직선(L1, L2, L3)을 계산하는 경우에는, 도 6에 도시한 것과 같이 투영 직선들(L1, L2, L3)이 서로 교차하지 않는 경우가 빈번하게 발생할 수 있다. 본 실시예의 이미지를 이용한 3차원 좌표 계산 장치는 2차원 이미지들을 이용하여 간접적으로 3차원 좌표를 추정하고자 하는 것이므로, 3차원 좌표를 추정하는 과정에서 여러 가지 오차가 발생할 수 있다. 예를 들어, 이미지 좌표 모듈(100)을 통해 이미지 좌표를 입력 받는 과정에서 오차가 발생할 수 있다. 즉, 각 이미지에 표시된 측정점의 이미지 좌표를 입력 받는 과정에서 측정점의 이미지 좌표 값에 오차가 있을 수 있다. 특히, 상술한 바와 같이 사용자가 마우스와 같은 입력 장치를 이용하여 측정점을 각 이미지들에 클릭하는 과정에서, 이미지 좌표 모듈(100)이 오차가 있는 이미지 좌표를 입력 받을 수 있다. 카메라 정보 모듈(200)이 카메라 정보를 획득하는 과정에 있어서도, 카메라 정보 모듈(200)이 컴퓨터 비전 SfM 방법에 의해 카메라 정보를 계산하거나 각종 센서에 의해 측정된 값을 이용하여 카메라 정보를 계산하는 과정에서 어느 정도의 오차가 발생할 수 있다.
상술한 바와 같은 다양한 원인에 의해 발생하는 오차로 인해, 투영 직선 계산 모듈(400)이 계산한 투영 직선들(L1, L2, L3)은 도 6에 도시한 것과 같이 서로 교차하지 않을 수도 있다.
이와 같은 경우 측정점 계산 모듈(500)은 다양한 수학적 또는 통계적 방법을 이용하여 측정점의 3차원 좌표를 결정한다.
예를 들어, 도 6에 도시한 것과 같이 투영 직선들(L1, L2, L3) 중 2개를 선택하여 최단 거리로 투영 직선(L1, L2, L3)을 연결하는 선분을 결정할 수 있다. 이와 같은 선분을 이등분하는 점(M12, M13, M23)은 각각 대응하는 투영 직선(L1, L2, L3)에 대한 거리가 가장 짧은 점이 된다.
측정점 계산 모듈(500)은 이와 같이 최단 선분의 이등분 점들(M12, M13, M23)의 좌표에 통계적 기준을 적용하여 측정점의 3차원 좌표로 결정할 수 있다. 즉, 평균값, 중간값, 중앙값과 같은 통계적 대표값들 중 하나를 측정점의 3차원 좌표로 결정할 수 있다. 또한, 정규 분포와 표준 편차를 이용하여 허용 오차 범위를 넘어서는 아웃라이어(outlier)를 제외하고 측정점의 좌표를 결정하는 방법을 사용할 수도 있다.
또한, 측정점 계산 모듈(500)은 투영 직선들(L1, L2, L3)에 대한 거리가 최소화되는 3차원 공간상의 특정 영역 내의 점들에 대해 다양한 기준을 적용하여 측정점의 3차원 좌표를 결정하는 방법을 사용할 수도 있다.
상술한 바와 같은 이미지를 이용한 3차원 좌표 계산 장치 및 이미지를 이용한 3차원 좌표 계산 방법을 이용하여 두 개의 측정점의 좌표를 계산하면 그 측정점 사이의 거리도 쉽게 계산할 수 있다.
도 2는 본 발명의 일 실시예에 따른 이미지를 이용한 3차원 거리 측정 장치의 블록도를 도시한 것이고, 도 4는 본 발명의 이미지를 이용한 3차원 거리 측정 방법에 따른 순서도를 도시한 것이다.
도 2를 참조하면, 본 실시예의 이미지를 이용한 3차원 거리 측정 장치는 앞에서 도 1을 참조하여 설명한 이미지를 이용한 3차원 좌표 계산 장치(1000)의 이미지 좌표 모듈(100)과 카메라 정보 모듈(200)과 투영점 계산 모듈(300)과 투영 직선 계산 모듈(400)과 측정점 계산 모듈(500)을 동일하게 포함하고, 스케일 모듈(600)과 거리 계산 모듈(700)을 추가로 구비한다.
스케일 모듈(600)은 3차원 공간의 두 점 사이의 상대 거리를 절대 거리로 변환할 수 있는 절대 스케일을 획득한다((g) 단계; s700). 절대 스케일은 절대 거리에 대한 상대 거리의 비율이다. 두 개의 측정점의 상대 거리에 절대 스케일을 곱하면 측정점 사이의 절대 거리를 계산할 수 있다.
스케일 모듈(600)이 절대 스케일을 획득하는 방법은 다양한 방법이 사용될 수 있다.
첫째, 사용자가 입력 장치를 이용하여 입력하는 절대 스케일을 스케일 모듈(600)이 입력 받아 사용하는 방법이 가능하다.
둘째, 절대 거리를 알고 있는 두 점(제3측정점 및 제4측정점) 사이의 거리를 계산하는 방법을 사용할 수 있다. 먼저, 스케일 모듈(600)이 제3측정점과 제4측정점 사이의 절대 거리를 입력 받는다((g-1) 단계; S710). 절대 거리를 알고 있는 제3측정점과 제4측정점의 3차원 좌표를 각각 앞에서 설명한 방법으로 계산한다((g-2) 단계; S720). 스케일 모듈(600)이 계산한 제3측정점과 제4측정점의 3차원 좌표로부터 상대 거리를 계산하고, 계산된 상대 거리와 이미 알고 있는 절대 거리를 이용하면 절대 스케일을 계산할 수 있다((g-3) 단계; S730).
셋째, 둘째 방법과 유사한 방법으로 기준 마크를 이용하는 방법이 있다. 1미터 또는 10센티미터와 같이 단위 절대 거리 간격으로 배치된 기준 마크들을 촬영 현장에 배치한다. 측정하고자 하는 공간이 이미지를 촬영하면서 촬영 현장에 표시된 기준 마크도 같이 촬영한다. 촬영한 이미지들에서 이 기준 마크들을 제3측정점과 제4측정점으로 지정하여 상대 거리를 계산한다. 이때 스케일 모듈(600)이 자동으로 인식 가능한 형태로 기준 마크를 촬영 현장에 표시하여 촬영하면, 스케일 모듈(600)은 이미지에서 기준 마크를 자동으로 인식하여 절대 스케일을 계산할 수 있다.
이와 같이 스케일 모듈(600)에 의해 절대 스케일에 확보되면, 임의의 두 측정점 사이의 절대 거리를 계산할 수 있다. 앞서 설명한 바와 같은 방법으로 이미지 좌표 모듈(100), 카메라 정보 모듈(200), 투영점 계산 모듈(300), 투영 직선 계산 모듈(400) 및 측정점 계산 모듈(500)에 의해 각각 (a) 단계(S100) 내지 (e) 단계(S500)를 수행하여 제1측정점 및 제2측정점의 3차원 좌표를 각각 계산한다((f) 단계; S600). 거리 계산 모듈(700)은 스케일 모듈(600)이 획득한 절대 스케일과 제1측정점 및 제2측정점의 3차원 좌표를 이용하여, 제1측정점과 제2측정점 사이의 절대 거리를 계산한다((h) 단계; S800).
상술한 바와 같은 방법을 사용하면 공간상의 두 점간의 거리를 적절한 수준의 오차범위 내에서 획기적으로 저렴한 비용으로 측정할 수 있다. 즉, 매번 현장을 방문하여 줄자와 같은 측정 장치를 사용하여 측정점 사이의 거리를 측정하는 것이 아니라, 미리 촬영한 복수의 사진만을 이용하여 임의의 지점 사이의 거리를 측정하는 것이 가능하다. 즉, 본 발명은 종래와 같이 측정이 필요할 때마다 현장을 다시 방문할 필요가 없고, 기존에 촬영된 사진만을 이용하여 거리 측정이 가능한 장점이 있다. 또한, 복수의 사진만을 촬영하면 임의의 지점 사이의 거리 측정이 가능하므로, 재방문하지 않고도 프로젝트 진행중에 추가로 필요한 두 점간의 거리를 측정할 수 있는 장점이 있다.
이와 같이 본 발명은 건축 설계, 리모델링 등의 작업 진행에 있어서 시간과 노력을 비약적으로 절감할 수 있고 결과적으로 생산성을 향상시키는 효과가 있다.
또한, 본 발명은 건축 공사 과정의 오류를 검증하는 용도로도 매우 유용하게 이용될 수 있다. 건축 공사 진행과정에서 공사 현장의 사진들을 반복적으로 촬영하여 보관하면, 본 발명에 의해 공사 진행과정에 따른 공사 현장의 치수 변화를 파악할 수 있다. 건축 공사 준공 후에 문제가 발생하였을 때 공사 과정에서 치수상 오류가 있었는지 여부를 당시 촬영한 사진들만을 이용하여 용이하게 검증 가능하다.
이상 본 발명에 대해 바람직한 예를 들어 설명하였으나 본 발명의 범위가 앞에서 설명하고 도시한 형태로 한정되는 것은 아니다.
예를 들어, 앞에서 본 발명은 카메라에 의해 촬영된 이미지들을 이용하는 것으로 설명하였으나, 이미지들을 획득하는 수단은 일반적인 디지털 카메라에 한정되는 것은 아니다. 3차원 스캐너에 의해 촬영된 이미지들을 이용하여 본 발명을 실시하는 것도 가능하다. 3차원 스캐너는 디지털 카메라와 마찬가지로 촬영 대상물의 이미지를 얻고, 해당 이미지의 픽셀마다 해당 지점의 깊이(depth)를 측정하는 방법으로 3차원 대상물의 형상 정보를 확보한다. 이와 같이 3차원 스캐너에 의해 측정된 3차원 정보의 경우 면과 면이 만나는 모서리 부분 등에서 형상이 뭉개진 형태로 구성되므로, 거리 측정이 어렵거나 정확하지 않을 수 있다. 이때, 3차원 스캐너에 의해 확보된 이미지 정보에 대해 본 발명을 적용하면 효과적으로 측정점의 좌표나 측정점 사이의 거리를 계산하는 것이 가능하다. 즉, 본 발명은 3차원 스캐너의 결과물에 대해 보조적으로 또는 대안적으로 사용되어 거리 측정의 성능을 더욱 향상시킬 수 있다.
100: 이미지 좌표 모듈 200: 카메라 정보 모듈
300: 투영점 계산 모듈 400: 투영 직선 계산 모듈
500: 측정점 계산 모듈 600: 스케일 모듈
700: 거리 계산 모듈

Claims (16)

  1. 카메라에 의해 촬영된 복수의 이미지들을 이용하여 상기 복수의 이미지들에 공통적으로 표시된 측정점의 3차원 좌표를 계산하는 이미지를 이용한 3차원 좌표 계산 방법에 있어서,
    (a) 이미지 좌표 모듈이 상기 복수의 이미지들에 표시된 상기 측정점의 각 이미지 상의 좌표를 이미지 좌표로서 입력 받는 단계;
    (b) 카메라 정보 모듈이 상기 복수의 이미지들을 촬영한 방향에 해당하는 카메라 방향과 투영 중심점의 좌표에 해당하는 카메라 위치를 카메라 정보로서 획득하는(achieving) 단계;
    (c) 투영점 계산 모듈이 상기 복수의 이미지들에 대응하는 카메라 정보에 따라 배치된 카메라의 투영면에 상기 측정점이 표시되는 위치에 해당하는 투영점의 좌표를 상기 이미지 좌표를 이용하여 계산하는 단계;
    (d) 투영 직선 계산 모듈이 상기 복수의 이미지들의 각 투영점과 상기 카메라 정보의 카메라 위치를 연결하는 투영 직선들을 각각 계산하는 단계; 및
    (e) 측정점 계산 모듈이 상기 투영 직선들에 대한 거리가 최소화되는 영역 내의 점의 좌표를 상기 측정점의 3차원 좌표로 결정하는 단계;를 포함하는 이미지를 이용한 3차원 좌표 계산 방법.
  2. 제1항에 있어서,
    상기 (b) 단계는,
    상기 카메라 정보 모듈이 컴퓨터 비전 SfM(Structure from Motion) 방법을 이용하여 상기 복수의 이미지들에 대응하는 상기 카메라 정보를 계산하는 이미지를 이용한 3차원 좌표 계산 방법.
  3. 제1항에 있어서,
    상기 (b) 단계는,
    상기 카메라 정보 모듈이 상기 복수의 이미지들 촬영시에 함께 저장된 관성 측정 센서(IMU; Inertial Measurement Unit)의 측정값을 이용하여 상기 복수의 이미지들에 대응하는 상기 카메라 정보를 계산하는 이미지를 이용한 3차원 좌표 계산 방법.
  4. 제1항에 있어서,
    상기 (e) 단계는,
    측정점 계산 모듈이, 상기 투영 직선들 중에서 2개씩 선택된 투영 직선에 대한 거리가 각각 같으면서 각 투영 직선에 대한 거리가 최소가 되는 점들의 좌표를 이용하여 통계적 기준에 따라 상기 측정점의 3차원 좌표로 결정하는 이미지를 이용한 3차원 좌표 계산 방법.
  5. 제4항에 있어서,
    상기 (e) 단계는,
    측정점 계산 모듈이, 상기 투영 직선들 중에서 2개씩 선택된 투영 직선에 대한 거리가 각각 같으면서 각 투영 직선에 대한 거리가 최소가 되는 점들의 좌표의 평균값을 상기 측정점의 3차원 좌표로 결정하는 이미지를 이용한 3차원 좌표 계산 방법.
  6. 카메라에 의해 촬영된 복수의 이미지들을 이용하여 상기 복수의 이미지들에 표시된 측정점들 사이의 거리를 계산하는 이미지를 이용한 3차원 거리 측정 방법에 있어서,
    (a) 이미지 좌표 모듈이 상기 복수의 이미지들에 표시된 상기 측정점의 각 이미지 상의 좌표를 이미지 좌표로서 입력 받는 단계;
    (b) 카메라 정보 모듈이 상기 복수의 이미지들을 촬영한 방향에 해당하는 카메라 방향과 투영 중심점의 좌표에 해당하는 카메라 위치를 카메라 정보로서 획득하는(achieving) 단계;
    (c) 투영점 계산 모듈이 상기 복수의 이미지들에 대응하는 카메라 정보에 따라 배치된 카메라의 투영면에 상기 측정점이 표시되는 위치에 해당하는 투영점의 좌표를 상기 이미지 좌표를 이용하여 계산하는 단계;
    (d) 투영 직선 계산 모듈이 상기 복수의 이미지들의 각 투영점과 상기 카메라 정보의 카메라 위치를 연결하는 투영 직선들을 각각 계산하는 단계;
    (e) 측정점 계산 모듈이 상기 투영 직선들에 대한 거리가 최소화되는 영역 내의 점의 좌표를 상기 측정점의 3차원 좌표로 결정하는 단계;
    (f) (a) 단계 내지 (e) 단계에 의해 제1측정점과 제2측정점의 3차원 좌표를 각각 계산하는 단계;
    (g) 스케일 모듈이 상대 거리를 절대 거리로 변환할 수 있는 절대 스케일을 획득하는 단계; 및
    (h) 거리 계산 모듈이 상기 절대 스케일을 이용하여 상기 제1측정점과 제2측정점 사이의 절대 거리를 계산하는 단계;를 포함하는 이미지를 이용한 3차원 거리 측정 방법.
  7. 제6항에 있어서,
    상기 (g) 단계는,
    (g-1) 상기 스케일 모듈이 제3측정점과 제4측정점 사이의 절대 거리를 입력 받는 단계;
    (g-2) (a) 단계 내지 (e) 단계에 의해 상기 제3측정점과 제4측정점의 3차원 좌표를 각각 계산하는 단계; 및
    (g-3) 상기 스케일 모듈이 상기 제3측정점과 제4측정점 사이의 상대 거리를 계산하고 상기 제3측정점과 제4측정점 사이의 절대 거리를 이용하여 상기 절대 스케일을 계산하는 단계;를 포함하는 이미지를 이용한 3차원 거리 측정 방법.
  8. 제7항에 있어서,
    상기 (g) 단계는,
    단위 절대 거리 간격으로 배치된 기준 마크들을 촬영한 이미지들을 이용하여 상기 기준 마크들을 각각 제3측정점과 제4측정점으로 인식하여 수행하고,
    상기 (g-1) 단계는, 상기 단위 절대 거리를 상기 제3측정점과 제4측정점 사이의 절대 거리로 인식하는 이미지를 이용한 3차원 거리 측정 방법.
  9. 카메라에 의해 촬영된 복수의 이미지들을 이용하여 상기 복수의 이미지들에 공통적으로 표시된 측정점의 3차원 좌표를 계산하는 이미지를 이용한 3차원 좌표 계산 장치에 있어서,
    상기 복수의 이미지들에 표시된 상기 측정점의 각 이미지 상의 좌표를 이미지 좌표로서 입력 받는 이미지 좌표 모듈;
    상기 복수의 이미지들을 촬영한 방향에 해당하는 카메라 방향과 투영 중심점의 좌표에 해당하는 카메라 위치를 카메라 정보로서 획득하는(achieving) 카메라 정보 모듈;
    상기 복수의 이미지들에 대응하는 카메라 정보에 따라 배치된 카메라의 투영면에 상기 측정점이 표시되는 위치에 해당하는 투영점의 좌표를 상기 이미지 좌표를 이용하여 계산하는 투영점 계산 모듈;
    상기 복수의 이미지들의 각 투영점과 상기 카메라 정보의 카메라 위치를 연결하는 투영 직선들을 각각 계산하는 투영 직선 계산 모듈; 및
    상기 투영 직선들에 대한 거리가 최소화되는 영역 내의 점의 좌표를 상기 측정점의 3차원 좌표로 결정하는 측정점 계산 모듈;을 포함하는 이미지를 이용한 3차원 좌표 계산 장치.
  10. 제9항에 있어서,
    상기 카메라 정보 모듈은, 컴퓨터 비전 SfM(Structure from Motion) 방법을 이용하여 상기 복수의 이미지들에 대응하는 상기 카메라 정보를 계산하는 이미지를 이용한 3차원 좌표 계산 장치.
  11. 제9항에 있어서,
    상기 카메라 정보 모듈은, 상기 복수의 이미지들 촬영시에 함께 저장된 관성 측정 센서(IMU; Inertial Measurement Unit)의 측정값을 이용하여 상기 복수의 이미지들에 대응하는 상기 카메라 정보를 계산하는 이미지를 이용한 3차원 좌표 계산 장치.
  12. 제9항에 있어서,
    측정점 계산 모듈은, 상기 투영 직선들 중에서 2개씩 선택된 투영 직선에 대한 거리가 각각 같으면서 각 투영 직선에 대한 거리가 최소가 되는 점들의 좌표를 이용하여 통계적 기준에 따라 상기 측정점의 3차원 좌표로 결정하는 이미지를 이용한 3차원 좌표 계산 장치.
  13. 제12항에 있어서,
    측정점 계산 모듈은, 상기 투영 직선들 중에서 2개씩 선택된 투영 직선에 대한 거리가 각각 같으면서 각 투영 직선에 대한 거리가 최소가 되는 점들의 좌표의 평균값을 상기 측정점의 3차원 좌표로 결정하는 이미지를 이용한 3차원 좌표 계산 장치.
  14. 카메라에 의해 촬영된 복수의 이미지들을 이용하여 상기 복수의 이미지들에 표시된 공통적으로 표시된 측정점들 중 제1측정점과 제2측정점 사이의 거리를 계산하는 이미지를 이용한 3차원 거리 측정 장치에 있어서,
    상대 거리를 절대 거리로 변환할 수 있는 절대 스케일을 획득하는 스케일 모듈;
    상기 복수의 이미지들에 표시된 상기 측정점의 각 이미지 상의 좌표를 이미지 좌표로서 입력 받는 이미지 좌표 모듈;
    상기 복수의 이미지들을 촬영한 방향에 해당하는 카메라 방향과 투영 중심점의 좌표에 해당하는 카메라 위치를 카메라 정보로서 획득하는(achieving) 카메라 정보 모듈;
    상기 복수의 이미지들에 대응하는 카메라 정보에 따라 배치된 카메라의 투영면에 상기 측정점이 표시되는 위치에 해당하는 투영점의 좌표를 상기 이미지 좌표를 이용하여 계산하는 투영점 계산 모듈;
    상기 복수의 이미지들의 각 투영점과 상기 카메라 정보의 카메라 위치를 연결하는 투영 직선들을 각각 계산하는 투영 직선 계산 모듈;
    상기 투영 직선들에 대한 거리가 최소화되는 영역 내의 점의 좌표를 상기 측정점의 3차원 좌표로 결정하는 측정점 계산 모듈; 및
    상기 이미지 좌표 모듈, 카메라 정보 모듈, 투영점 계산 모듈, 투영 직선 계산 모듈 및 측정점 계산 모듈에 의해 계산된 상기 제1측정점 및 제2측정점의 3차원 좌표와 상기 스케일 모듈이 획득한 절대 스케일을 이용하여, 상기 제1측정점과 제2측정점 사이의 절대 거리를 계산하는 거리 계산 모듈;을 포함하는 이미지를 이용한 3차원 거리 측정 장치.
  15. 제14항에 있어서,
    상기 스케일 모듈은,
    입력 받은 제3측정점과 제4측정점 사이의 절대 거리와,
    상기 이미지 좌표 모듈, 카메라 정보 모듈, 투영점 계산 모듈, 투영 직선 계산 모듈 및 측정점 계산 모듈에 의해 계산된 상기 제3측정점 및 제4측정점의 3차원 좌표를 이용하여 계산한 상기 제3측정점과 제4측정점 사이의 상대 거리
    를 이용하여 상기 절대 스케일을 계산하는 이미지를 이용한 3차원 거리 측정 장치.
  16. 제15항에 있어서,
    상기 스케일 모듈은, 단위 절대 거리 간격으로 배치된 기준 마크들을 촬영한 이미지들을 이용하여 상기 기준 마크들을 각각 제3측정점과 제4측정점으로 인식하고, 상기 제3측정점과 제4측정점 사이의 상대 거리와 상기 단위 절대 거리를 이용하여 상기 절대 스케일을 계산하는 이미지를 이용한 3차원 거리 측정 장치.
KR1020180071021A 2018-06-20 2018-06-20 이미지를 이용한 3차원 좌표 계산 장치, 3차원 좌표 계산 방법, 3차원 거리 측정 장치 및 3차원 거리 측정 방법 KR101930796B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180071021A KR101930796B1 (ko) 2018-06-20 2018-06-20 이미지를 이용한 3차원 좌표 계산 장치, 3차원 좌표 계산 방법, 3차원 거리 측정 장치 및 3차원 거리 측정 방법
US16/447,665 US10825198B2 (en) 2018-06-20 2019-06-20 3 dimensional coordinates calculating apparatus, 3 dimensional coordinates calculating method, 3 dimensional distance measuring apparatus and 3 dimensional distance measuring method using images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180071021A KR101930796B1 (ko) 2018-06-20 2018-06-20 이미지를 이용한 3차원 좌표 계산 장치, 3차원 좌표 계산 방법, 3차원 거리 측정 장치 및 3차원 거리 측정 방법

Publications (1)

Publication Number Publication Date
KR101930796B1 true KR101930796B1 (ko) 2018-12-19

Family

ID=65009199

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180071021A KR101930796B1 (ko) 2018-06-20 2018-06-20 이미지를 이용한 3차원 좌표 계산 장치, 3차원 좌표 계산 방법, 3차원 거리 측정 장치 및 3차원 거리 측정 방법

Country Status (2)

Country Link
US (1) US10825198B2 (ko)
KR (1) KR101930796B1 (ko)

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10530997B2 (en) 2017-07-13 2020-01-07 Zillow Group, Inc. Connecting and using building interior data acquired from mobile devices
US10643386B2 (en) 2018-04-11 2020-05-05 Zillow Group, Inc. Presenting image transition sequences between viewing locations
KR102129206B1 (ko) * 2019-06-14 2020-07-01 주식회사 큐픽스 사진 이미지를 이용한 3차원 좌표 계산 방법 및 3차원 좌표 계산 장치
US10708507B1 (en) 2018-10-11 2020-07-07 Zillow Group, Inc. Automated control of image acquisition via use of acquisition device sensors
KR102138222B1 (ko) * 2019-04-11 2020-07-27 주식회사 제이에스티앤랩 배출가스 입자 측정 장치
US10809066B2 (en) 2018-10-11 2020-10-20 Zillow Group, Inc. Automated mapping information generation from inter-connected images
US10825247B1 (en) 2019-11-12 2020-11-03 Zillow Group, Inc. Presenting integrated building information using three-dimensional building models
KR20210052016A (ko) * 2019-10-31 2021-05-10 한국전력공사 위치 측정 단말기의 제어방법
US11057561B2 (en) 2017-07-13 2021-07-06 Zillow, Inc. Capture, analysis and use of building data from mobile devices
US11164368B2 (en) 2019-10-07 2021-11-02 Zillow, Inc. Providing simulated lighting information for three-dimensional building models
US11164361B2 (en) 2019-10-28 2021-11-02 Zillow, Inc. Generating floor maps for buildings from automated analysis of visual data of the buildings' interiors
US11243656B2 (en) 2019-08-28 2022-02-08 Zillow, Inc. Automated tools for generating mapping information for buildings
US11252329B1 (en) 2021-01-08 2022-02-15 Zillow, Inc. Automated determination of image acquisition locations in building interiors using multiple data capture devices
US11405549B2 (en) 2020-06-05 2022-08-02 Zillow, Inc. Automated generation on mobile devices of panorama images for building locations and subsequent use
US11480433B2 (en) 2018-10-11 2022-10-25 Zillow, Inc. Use of automated mapping information from inter-connected images
US11481925B1 (en) 2020-11-23 2022-10-25 Zillow, Inc. Automated determination of image acquisition locations in building interiors using determined room shapes
US11501492B1 (en) 2021-07-27 2022-11-15 Zillow, Inc. Automated room shape determination using visual data of multiple captured in-room images
US11514674B2 (en) 2020-09-04 2022-11-29 Zillow, Inc. Automated analysis of image contents to determine the acquisition location of the image
US11592969B2 (en) 2020-10-13 2023-02-28 MFTB Holdco, Inc. Automated tools for generating building mapping information
US11632602B2 (en) 2021-01-08 2023-04-18 MFIB Holdco, Inc. Automated determination of image acquisition locations in building interiors using multiple data capture devices
KR20230074067A (ko) 2021-11-19 2023-05-26 주식회사 큐픽스 동영상 이미지 프레임을 이용한 선명 사진 서비스 제공 방법
KR20230076741A (ko) 2021-11-24 2023-05-31 한국기계연구원 이동량 추정을 위한 이미지 처리 시스템 및 그 방법
US11676344B2 (en) 2019-11-12 2023-06-13 MFTB Holdco, Inc. Presenting building information using building models
US11790648B2 (en) 2021-02-25 2023-10-17 MFTB Holdco, Inc. Automated usability assessment of buildings using visual data of captured in-room images
US11830135B1 (en) 2022-07-13 2023-11-28 MFTB Holdco, Inc. Automated building identification using floor plans and acquired building images
US11836973B2 (en) 2021-02-25 2023-12-05 MFTB Holdco, Inc. Automated direction of capturing in-room information for use in usability assessment of buildings
US11842464B2 (en) 2021-09-22 2023-12-12 MFTB Holdco, Inc. Automated exchange and use of attribute information between building images of multiple types
US12014120B2 (en) 2019-08-28 2024-06-18 MFTB Holdco, Inc. Automated tools for generating mapping information for buildings

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018131165A1 (ja) * 2017-01-16 2018-07-19 富士通株式会社 情報処理プログラム、情報処理方法および情報処理装置
JP2020197497A (ja) * 2019-06-05 2020-12-10 株式会社ソニー・インタラクティブエンタテインメント 三次元計測装置、三次元計測方法およびプログラム
US11405543B2 (en) * 2019-09-14 2022-08-02 Constru Ltd Exploring construction site images by construction stages
US11461917B1 (en) * 2021-08-20 2022-10-04 Omniscient Neurotechnology Pty Limited Measuring 3-dimensional distances in medical imaging data

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017191022A (ja) * 2016-04-14 2017-10-19 有限会社ネットライズ 三次元点群データに実寸法を付与する方法とそれを用いた管路等の位置測定

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5990900A (en) * 1997-12-24 1999-11-23 Be There Now, Inc. Two-dimensional to three-dimensional image converting system
US6278460B1 (en) * 1998-12-15 2001-08-21 Point Cloud, Inc. Creating a three-dimensional model from two-dimensional images
US6980690B1 (en) * 2000-01-20 2005-12-27 Canon Kabushiki Kaisha Image processing apparatus
US9558584B1 (en) * 2013-07-29 2017-01-31 Google Inc. 3D position estimation of objects from a monocular camera using a set of known 3D points on an underlying surface
JP6573361B2 (ja) * 2015-03-16 2019-09-11 キヤノン株式会社 画像処理装置、画像処理システム、画像処理方法及びコンピュータプログラム
KR101854366B1 (ko) 2016-06-17 2018-05-03 무진기공주식회사 3차원 형상 측정방법
US10282913B2 (en) * 2017-07-24 2019-05-07 Visom Technology, Inc. Markerless augmented reality (AR) system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017191022A (ja) * 2016-04-14 2017-10-19 有限会社ネットライズ 三次元点群データに実寸法を付与する方法とそれを用いた管路等の位置測定

Cited By (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10834317B2 (en) 2017-07-13 2020-11-10 Zillow Group, Inc. Connecting and using building data acquired from mobile devices
US11165959B2 (en) 2017-07-13 2021-11-02 Zillow, Inc. Connecting and using building data acquired from mobile devices
US10530997B2 (en) 2017-07-13 2020-01-07 Zillow Group, Inc. Connecting and using building interior data acquired from mobile devices
US11632516B2 (en) 2017-07-13 2023-04-18 MFIB Holdco, Inc. Capture, analysis and use of building data from mobile devices
US11057561B2 (en) 2017-07-13 2021-07-06 Zillow, Inc. Capture, analysis and use of building data from mobile devices
US10643386B2 (en) 2018-04-11 2020-05-05 Zillow Group, Inc. Presenting image transition sequences between viewing locations
US11217019B2 (en) 2018-04-11 2022-01-04 Zillow, Inc. Presenting image transition sequences between viewing locations
US11638069B2 (en) 2018-10-11 2023-04-25 MFTB Holdco, Inc. Automated control of image acquisition via use of mobile device user interface
US11405558B2 (en) 2018-10-11 2022-08-02 Zillow, Inc. Automated control of image acquisition via use of hardware sensors and camera content
US10809066B2 (en) 2018-10-11 2020-10-20 Zillow Group, Inc. Automated mapping information generation from inter-connected images
US10708507B1 (en) 2018-10-11 2020-07-07 Zillow Group, Inc. Automated control of image acquisition via use of acquisition device sensors
US11627387B2 (en) 2018-10-11 2023-04-11 MFTB Holdco, Inc. Automated control of image acquisition via use of mobile device interface
US11480433B2 (en) 2018-10-11 2022-10-25 Zillow, Inc. Use of automated mapping information from inter-connected images
US11408738B2 (en) 2018-10-11 2022-08-09 Zillow, Inc. Automated mapping information generation from inter-connected images
US11284006B2 (en) 2018-10-11 2022-03-22 Zillow, Inc. Automated control of image acquisition via acquisition location determination
KR102138222B1 (ko) * 2019-04-11 2020-07-27 주식회사 제이에스티앤랩 배출가스 입자 측정 장치
KR102129206B1 (ko) * 2019-06-14 2020-07-01 주식회사 큐픽스 사진 이미지를 이용한 3차원 좌표 계산 방법 및 3차원 좌표 계산 장치
US12014120B2 (en) 2019-08-28 2024-06-18 MFTB Holdco, Inc. Automated tools for generating mapping information for buildings
US11243656B2 (en) 2019-08-28 2022-02-08 Zillow, Inc. Automated tools for generating mapping information for buildings
US11164368B2 (en) 2019-10-07 2021-11-02 Zillow, Inc. Providing simulated lighting information for three-dimensional building models
US11823325B2 (en) 2019-10-07 2023-11-21 MFTB Holdco, Inc. Providing simulated lighting information for building models
US11494973B2 (en) 2019-10-28 2022-11-08 Zillow, Inc. Generating floor maps for buildings from automated analysis of visual data of the buildings' interiors
US11164361B2 (en) 2019-10-28 2021-11-02 Zillow, Inc. Generating floor maps for buildings from automated analysis of visual data of the buildings' interiors
KR20210052016A (ko) * 2019-10-31 2021-05-10 한국전력공사 위치 측정 단말기의 제어방법
KR102316994B1 (ko) 2019-10-31 2021-10-27 한국전력공사 위치 측정 단말기의 제어방법
US10825247B1 (en) 2019-11-12 2020-11-03 Zillow Group, Inc. Presenting integrated building information using three-dimensional building models
US11238652B2 (en) 2019-11-12 2022-02-01 Zillow, Inc. Presenting integrated building information using building models
US11935196B2 (en) 2019-11-12 2024-03-19 MFTB Holdco, Inc. Presenting building information using building models
US11676344B2 (en) 2019-11-12 2023-06-13 MFTB Holdco, Inc. Presenting building information using building models
US11405549B2 (en) 2020-06-05 2022-08-02 Zillow, Inc. Automated generation on mobile devices of panorama images for building locations and subsequent use
US11514674B2 (en) 2020-09-04 2022-11-29 Zillow, Inc. Automated analysis of image contents to determine the acquisition location of the image
US11797159B2 (en) 2020-10-13 2023-10-24 MFTB Holdco, Inc. Automated tools for generating building mapping information
US11592969B2 (en) 2020-10-13 2023-02-28 MFTB Holdco, Inc. Automated tools for generating building mapping information
US11645781B2 (en) 2020-11-23 2023-05-09 MFTB Holdco, Inc. Automated determination of acquisition locations of acquired building images based on determined surrounding room data
US11481925B1 (en) 2020-11-23 2022-10-25 Zillow, Inc. Automated determination of image acquisition locations in building interiors using determined room shapes
US11252329B1 (en) 2021-01-08 2022-02-15 Zillow, Inc. Automated determination of image acquisition locations in building interiors using multiple data capture devices
US11632602B2 (en) 2021-01-08 2023-04-18 MFIB Holdco, Inc. Automated determination of image acquisition locations in building interiors using multiple data capture devices
US11836973B2 (en) 2021-02-25 2023-12-05 MFTB Holdco, Inc. Automated direction of capturing in-room information for use in usability assessment of buildings
US11790648B2 (en) 2021-02-25 2023-10-17 MFTB Holdco, Inc. Automated usability assessment of buildings using visual data of captured in-room images
US11501492B1 (en) 2021-07-27 2022-11-15 Zillow, Inc. Automated room shape determination using visual data of multiple captured in-room images
US11842464B2 (en) 2021-09-22 2023-12-12 MFTB Holdco, Inc. Automated exchange and use of attribute information between building images of multiple types
KR20230074067A (ko) 2021-11-19 2023-05-26 주식회사 큐픽스 동영상 이미지 프레임을 이용한 선명 사진 서비스 제공 방법
KR20230076741A (ko) 2021-11-24 2023-05-31 한국기계연구원 이동량 추정을 위한 이미지 처리 시스템 및 그 방법
US11830135B1 (en) 2022-07-13 2023-11-28 MFTB Holdco, Inc. Automated building identification using floor plans and acquired building images

Also Published As

Publication number Publication date
US10825198B2 (en) 2020-11-03
US20190392609A1 (en) 2019-12-26

Similar Documents

Publication Publication Date Title
KR101930796B1 (ko) 이미지를 이용한 3차원 좌표 계산 장치, 3차원 좌표 계산 방법, 3차원 거리 측정 장치 및 3차원 거리 측정 방법
JP5097765B2 (ja) 計測方法および計測プログラムならびに計測装置
KR101988372B1 (ko) 사진 이미지를 이용한 3차원 건축물 모델 역설계 장치 및 방법
KR102129206B1 (ko) 사진 이미지를 이용한 3차원 좌표 계산 방법 및 3차원 좌표 계산 장치
JP5864950B2 (ja) 三次元計測装置、三次元計測方法およびプログラム
US10373337B2 (en) Methods and computer program products for calibrating stereo imaging systems by using a planar mirror
US9482515B2 (en) Stereoscopic measurement system and method
US7015951B1 (en) Picture generating apparatus and picture generating method
JP3728900B2 (ja) キャリブレーション方法及び装置、並びにキャリブレーション用データ生成方法
US20150317780A1 (en) Apparatus and method for three dimensional surface measurement
US20130083995A1 (en) Stereoscopic measurement system and method
KR101926953B1 (ko) 4카메라 그룹 평면 어레이의 특징점의 매칭 방법 및 그에 기초한 측정 방법
US8249332B2 (en) Stereoscopic measurement system and method
JP2007147522A (ja) 写真計測方法及び写真計測プログラム
EP2310799B1 (en) Stereoscopic measurement system and method
JP2005322128A (ja) ステレオ３次元計測用キャリブレーション方法及び３次元位置算出方法
JPH05303629A (ja) 形状合成方法
JP3842988B2 (ja) 両眼立体視によって物体の３次元情報を計測する画像処理装置およびその方法又は計測のプログラムを記録した記録媒体
JP3696336B2 (ja) カメラのキャリブレーション方法
JP2018009927A (ja) 画像処理装置、画像処理方法及びプログラム
Yang et al. Effect of field of view on the accuracy of camera calibration
JP4006296B2 (ja) 写真測量による変位計測方法及び変位計測装置
JPS6256814A (ja) ３次元位置計測カメラ較正方式
AU2009249003B2 (en) Stereoscopic measurement system and method
CA2828598C (en) Stereoscopic measurement system and method

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant