KR102046243B1 - 반사 영상 제거 장치 및 상기 장치의 동작 방법 - Google Patents

반사 영상 제거 장치 및 상기 장치의 동작 방법 Download PDF

Info

Publication number
KR102046243B1
KR102046243B1 KR1020180032106A KR20180032106A KR102046243B1 KR 102046243 B1 KR102046243 B1 KR 102046243B1 KR 1020180032106 A KR1020180032106 A KR 1020180032106A KR 20180032106 A KR20180032106 A KR 20180032106A KR 102046243 B1 KR102046243 B1 KR 102046243B1
Authority
KR
South Korea
Prior art keywords
glass
reflection
patch
area
image
Prior art date
Application number
KR1020180032106A
Other languages
English (en)
Other versions
KR20190110304A (ko
Inventor
심재영
윤재성
Original Assignee
울산과학기술원
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 울산과학기술원 filed Critical 울산과학기술원
Priority to KR1020180032106A priority Critical patent/KR102046243B1/ko
Publication of KR20190110304A publication Critical patent/KR20190110304A/ko
Application granted granted Critical
Publication of KR102046243B1 publication Critical patent/KR102046243B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G06T5/006—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

반사 영상 제거 장치 및 상기 장치의 동작 방법이 제공된다. 일 실시예에 따른 반사 영상 제거 장치는, 3차원 영상에 대하여 유리 영역을 검출하는 유리 영역 검출부; 및 상기 검출한 유리 영역을 이용하여 반사 영상을 제거하는 반사 영상 제거부를 포함할 수 있다.

Description

반사 영상 제거 장치 및 상기 장치의 동작 방법{APPARATUS FOR REMOVING REFLECTION IMAGE AND OPERATION METHOD OF THE APPARATUS}
아래 설명은, 반사 영상 제거 장치 및 상기 장치의 동작 방법에 관한 것이다.
최근 건축물 외관, 식물원 등 다양한 목적으로 인하여 유리를 이용한 장식 및 건축 등이 많은 곳에서 사용되고 있으므로, 영상 촬영 시 유리에 의한 반사 영상이 취득될 수 있다.
반사 영상을 제거하기 위해 많은 연구가 진행되고 있다. 3차원 영상에서의 반사는 자율 주행 자동차, 증강 현실 및 가상 현실에 필요한 객체 검출 및 인식 등의 분야에 있어서 성능 저하의 요소가 되므로, 반사 영상 제거에 대한 기술 도입이 필수적이다.
대한민국 등록 특허 공보 10-0838142를 참조하면, 반사 방지 필름, 편광판 및 영상 디스플레이 장치에 관한 기술이 개시되어 있다.
일 실시예에 따른, 반사 영상 제거 장치는, 3차원 영상에 대하여 유리 영역을 검출하는 유리 영역 검출부; 및 상기 검출한 유리 영역을 이용하여 반사 영상을 제거하는 반사 영상 제거부를 포함할 수 있다.
일 실시예에 따른, 유리 영역 검출부는, 상기 3차원 영상을 격자 모양의 패치로 분할하는 패치 분할부; 및 상기 분할된 패치가 반사 패치일 확률을 이용하여 반사 패치를 분리하는 패치 분리부를 포함할 수 있다.
일 실시예에 따른, 상기 유리 영역 검출부는, 상기 유리 영역의 적어도 일부를 포함하는 유리 평면을 추정하고, 상기 반사 영상 제거부는, 상기 추정한 유리 평면을 기초로 반사에 의해 생성된 포인트를 제거할 수 있다.
일 실시예에 따른, 상기 패치 분할부는, 상기 3차원 영상을 위도 또는 경도를 기초로 상기 격자 모양의 패치로 분할할 수 있다.
일 실시예에 따른, 상기 패치 분리부는, 가우시안 혼합 모델을 기초로 사후 확률 값을 계산할 수 있다.
일 실시예에 따른, 상기 유리 영역 검출부는, 상기 유리 평면의 방정식을 추정하고, 추정된 방정식을 이용하여 상기 유리 영역을 검출할 수 있다.
일 실시예에 따른, 상기 반사 영상 제거부는, 비용 함수를 이용하여 상기 반사에 의해 생성된 포인트를 제거할 수 있다.
일 실시예에 따른, 반사 영상 제거 장치의 동작 방법은, 3차원 영상에 대하여 유리 영역을 검출하는 단계; 및 상기 검출한 유리 영역을 이용하여 반사 영상을 제거하는 단계를 포함할 수 있다.
일 실시예에 따른, 상기 검출하는 단계는, 상기 3차원 영상을 격자 모양의 패치로 분할하는 단계; 및 상기 분할된 패치가 반사 패치일 확률을 이용하여 반사 패치를 분리하는 단계를 포함할 수 있다.
일 실시예에 따른, 상기 검출하는 단계는, 상기 유리 영역의 적어도 일부를 포함하는 유리 평면을 추정하고, 상기 제거하는 단계는, 상기 추정한 유리 평면을 기초로 반사에 의해 생성된 포인트를 제거할 수 있다.
일 실시예에 따른, 상기 분할하는 단계는, 상기 3차원 영상을 위도 또는 경도를 기초로 상기 격자 모양의 패치로 분할할 수 있다.
일 실시예에 따른, 상기 분리하는 단계는, 가우시안 혼합 모델을 기초로 사후 확률 값을 계산할 수 있다.
일 실시예에 따른, 상기 검출하는 단계는, 상기 유리 평면의 방정식을 추정하고, 추정된 방정식을 이용하여 유리 영역을 검출할 수 있다.
일 실시예에 따른, 상기 제거하는 단계는, 비용 함수를 이용하여 상기 반사에 의해 생성된 포인트를 제거할 수 있다.
도 1은 일 실시예에 따른 반사 영상 제거 장치를 나타내는 블록도이다.
도 2a는 일 실시예에 따른 입력 영상을 나타내는 도면이다.
도 2b는 일 실시예에 따른 추정한 유리 영역을 나타내는 도면이다.
도 3은 일 실시예에 따른 실제 포인트와 반사 포인트의 대칭을 나타내는 도면이다.
도 4a는 일 실시예에 따른 입력 영상을 나타내는 것이다.
도 4b는 일 실시예에 따른 반사 포인트 제거 결과를 나타내는 것이다.
도 5는 일 실시예에 따른 반사 영상 제거 장치의 동작 방법의 흐름을 나타내는 도면이다.
이하에서, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 권리범위는 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명에서 사용되는 용어는, 연관되는 기술 분야에서 일반적이고 보편적인 것으로 선택되었으나, 기술의 발달 및/또는 변화, 관례, 기술자의 선호 등에 따라 다른 용어가 있을 수 있다. 따라서, 아래 설명에서 사용되는 용어는 기술적 사상을 한정하는 것으로 이해되어서는 안 되며, 실시예들을 설명하기 위한 예시적 용어로 이해되어야 한다.
또한 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.
도 1은 일 실시예에 따른 반사 영상 제거 장치를 나타내는 블록도이다.
먼저, 도 1을 참조하면, 반사 영상 제거 장치(100)는 유리 영역 검출부(110), 반사 영상 제거부(120)를 포함할 수 있다. 또한, 유리 영역 검출부(110)는 패치 분할부, 패치 분리부를 포함할 수 있다.반사 영상 제거 장치(100)는 3차원 단위구를 위도와 경도에 따라 격자 모양의 패치로 분할할 수 있다. 이때, 3차원 단위구는 적어도 3차원 공간일 수 있다. 반사 영상 제거 장치(100)는 각 패치에 투영되는 데이터 포인트의 수를 가우시안 혼합 모델을 이용해 표현하고, 사후 확률을 이용해 일반 패치와 반사 패치로 분할할 수 있다. 또한, 반사 영상 제거 장치(100)는 반사 패치를 이용해 유리 평면을 추정할 수 있다. 한편, 유리 평면은 거울 평면일 수도 있다.
반사 영상 제거 장치(100)는 추정한 유리 평면을 기준으로 대칭 관계를 갖는 포인트를 검출하고, 반사 패치를 활용해 유리 반사에 의해 생성된 포인트를 제거할 수 있다. 반사 영상 제거 장치(100)는 반사 영상을 포함하는 3차원 대용량 포인트 군에 대해 수행될 수 있으며, 반사 영상을 제거할 수 있다.
패치 분할부는 3차원 영상을 격자 모양의 패치로 분할할 수 있다. 이때, 3차원 영상은 3차원 공간에 포함될 수 있다. 패치 분할부는 3차원 영상을 위도 또는 경도를 기초로 격자 모양의 패치로 분할할 수 있다.
패치 분리부는 분할된 패치가 반사 패치일 확률을 이용하여 반사 패치를 분리할 수 있다. 패치 분리부는 가우시안 혼합 모델을 기초로 사후 확률 값을 계산할 수 있다.
유리 영역 검출부(110)는 3차원 영상에 대하여 유리 영역을 검출할 수 있다. 한편, 유리 영역은 거울 영역이거나 거울 영역을 포함할 수도 있다.
유리 영역 검출부(110)는 유리 영역의 적어도 일부를 포함하는 유리 평면을 추정할 수 있다. 한편, 유리 평면은 거울 평면이거나 거울 평면을 포함할 수도 있다. 유리 영역 검출부(110)는 유리 평면의 방정식을 추정하고, 추정된 방정식을 이용하여 유리 영역의 적어도 일부를 포함하거나 적어도 일부의 측면에 배치되는 유리 영역을 검출할 수 있다.
반사 영상 제거부(120)는 검출한 유리 영역을 이용하여 반사 영상을 제거할 수 있다. 반사 영상 제거부(120)는 추정한 유리 평면을 기초로 반사에 의해 생성된 포인트를 제거할 수 있다. 반사 영상 제거부(120)는 비용 함수를 이용하여 반사에 의해 생성된 포인트를 제거할 수 있다.
도 2a는 일 실시예에 따른 입력 영상을 나타내는 도면이다. 또한, 도 2b는 일 실시예에 따른 추정한 유리 영역을 나타내는 도면이다.
3차원 레이저 스캐너는 상하 좌우로 회전하며 레이저 펄스를 방출하고 해당 펄스의 반향이 돌아오기까지 걸린 시간을 측정하여 센서와 객체 사이의 거리를 측정할 수 있다. 취득된 거리 정보와 각 레이저 펄스가 방출된 방향 정보를 이용하여 구면좌표계로 표현되는 데이터 포인트와 그 집합을 3차원 포인트 군을 생성할 수 있다.
각각의 레이저 펄스는 일반적으로 객체에 반사되어 단일 데이터 포인트를 생성할 수 있다. 하지만, 유리가 존재하는 영상에서는 반사와 투과가 동시에 발생할 수 있다. 유리에 의해 반사된 레이저 펄스는 다른 객체에 반사되어 잘못된 위치에 데이터 포인트를 생성하며, 이를 반사 포인트라 정의할 수 있다. 반면, 투과된 레이저 펄스 또한 유리 뒷면의 객체를 취득할 수 있다.
반사 영상 제거 장치는 유리를 향해 방출된 레이저 펄스가 복수의 데이터 포인트를 생성한다는 점을 이용하여 3차원 영상에서 유리가 존재하는 영역을 추정할 수 있다. 반사 영상 제거 장치는 3차원 공간을 위도와 경도에 따라 취득 당시의 각해상도의 3배 크기를 갖는 패치로 분할할 수 있다.
반사 영상 제거 장치는 주어진 포인트 군
Figure 112018027807715-pat00001
에 대해서, 각 데이터 포인트를 그 위도와 경도에 따라 해당하는 패치로 투영시킬 수 있다. 이때, i번째 패치
Figure 112018027807715-pat00002
에 투영된 데이터 포인트의 수는
Figure 112018027807715-pat00003
로 정의될 수 있다. 반사 영상 제거 장치는 유리 영역 검출을 위해, 투영된 데이터 포인트의 수인
Figure 112018027807715-pat00004
를 가우시안 혼합 모델(Gaussian Mixture Model)을 이용하여 하기 수학식 1과 같이 계산할 수 있다.
Figure 112018027807715-pat00005
수학식 1에서
Figure 112018027807715-pat00006
,
Figure 112018027807715-pat00007
,
Figure 112018027807715-pat00008
는 각각 k번째 가우시안 모델의 혼합 계수, 평균 및 표준편차일 수 있다. 반사 영상 제거 장치는 가우시안 혼합 모델에서 2차원 랜덤 이진 확률 변수
Figure 112018027807715-pat00009
를 이용하여, 각 패치가 일반 패치인 경우를
Figure 112018027807715-pat00010
로 정의하고, 반사 패치인 경우를
Figure 112018027807715-pat00011
로 정의할 수 있다. 두 경우를 동시에 만족할 수 없기 때문에
Figure 112018027807715-pat00012
가 성립될 수 있다. 반사 영상 제거 장치는 가우시안 혼합 모델에서 수학식 2를 이용하여 사후 확률 값을 계산할 수 있다.
Figure 112018027807715-pat00013
Figure 112018027807715-pat00014
가 반사 패치일 확률은
Figure 112018027807715-pat00015
일 수 있다. 한편, 나무 등 복잡한 구조를 갖는 객체는 레이저 펄스의 진행 경로를 완벽히 가리지 못하기 때문에, 뒤에 존재하는 객체 또한 취득되어 높은
Figure 112018027807715-pat00016
값을 갖는다.
반사 영상 제거 장치는 문제를 간소화하기 위해 유리을 평면으로 가정할 수 있다. 유리 평면의 방정식을 추정하고 추정된 방정식을 이용해 유리 영역을 정밀하게 검출할 수 있다.
반사 영상 제거 장치는
Figure 112018027807715-pat00017
에 투영된 데이터 포인트 중 원점과 가장 가까운 포인트 집합을
Figure 112018027807715-pat00018
로 정의하고
Figure 112018027807715-pat00019
를 하기 수학식 3을 이용하여 계산할 수 있다.
Figure 112018027807715-pat00020
반사 영상 제거 장치는
Figure 112018027807715-pat00021
에 대해서 RANSAC(RANdom SAmple Consensus)을 이용하여 평면
Figure 112018027807715-pat00022
를 추정할 수 있다. 반사 영상 제거 장치는 추정한 평면
Figure 112018027807715-pat00023
과
Figure 112018027807715-pat00024
사이의 거리
Figure 112018027807715-pat00025
를 이용해
Figure 112018027807715-pat00026
가 반사 패치일 신뢰도를 하기 수학식 4를 이용하여 계산할 수 있다.
Figure 112018027807715-pat00027
도 2b를 참조하면, 도 2a에서의 반사 패치일 신뢰도
Figure 112018027807715-pat00028
를 나타낸 것을 알 수 있다. 실재로 유리가 존재하는 영역만 높은
Figure 112018027807715-pat00029
값을 갖을 수 있다.
도 3은 일 실시예에 따른 실제 포인트와 반사 포인트의 대칭을 나타내는 도면이다.
도 3을 참조하면, 실제 포인트와 반사 포인트의 대칭 관계를 알 수 있다. 반사 포인트는 센서를 중심으로 유리 뒤에만 존재할 수 있다. 반사 영상 제거 장치는 유리를 기준으로 3차원 공간을 두 반 공간
Figure 112018027807715-pat00030
,
Figure 112018027807715-pat00031
로 분할할 수 있다. 반사 영상 제거 장치는 포인트
Figure 112018027807715-pat00032
를 반사 포인트로 분류하기 위해, 추정한 유리 평면
Figure 112018027807715-pat00033
를 기준으로
Figure 112018027807715-pat00034
와 대칭 관계를 갖는 포인트가 존재할 경우,
Figure 112018027807715-pat00035
를 반사 패치에 투영시킬 수 있다.
반사 영상 제거 장치는 포인트
Figure 112018027807715-pat00036
를 유리 평면
Figure 112018027807715-pat00037
에 대칭 이동한 위치
Figure 112018027807715-pat00038
를 하우스홀더 변환
Figure 112018027807715-pat00039
를 이용해
Figure 112018027807715-pat00040
와 같이 계산할 수 있다. 반사 영상 제거 장치는
Figure 112018027807715-pat00041
에 가장 가까운 포인트
Figure 112018027807715-pat00042
를 찾고 대칭 점수를 하기 수학식 5를 이용하여 계산할 수 있다.
Figure 112018027807715-pat00043
이때,
Figure 112018027807715-pat00044
는
Figure 112018027807715-pat00045
과
Figure 112018027807715-pat00046
사이의 유클리드 거리일 수 있다.
한편, 점
Figure 112018027807715-pat00047
와
Figure 112018027807715-pat00048
가 대칭 관계를 갖더라도, 두 점 사이의 기하학적 특성이 다른 경우 대칭 관계라 보기 어려우므로, 반사 영상 제거 장치는 포인트
Figure 112018027807715-pat00049
와
Figure 112018027807715-pat00050
의 기하학적 유사도를 판단 또는 계산하기 위해, 유사 점수를 하기 수학식 6을 이용하여 계산할 수 있다.
Figure 112018027807715-pat00051
이때,
Figure 112018027807715-pat00052
는 두 점
Figure 112018027807715-pat00053
와
Figure 112018027807715-pat00054
사이의 기하학적 특징 기술자 FPFH(Fast Point Feature Histogram)
Figure 112018027807715-pat00055
의 힐링거 거리일 수 있다. 반사 영상 제거 장치는 대칭 점수와 유사 점수를 이용하여 하기 수학식 7을 이용하여 최종 점수를 계산할 수 있다.
Figure 112018027807715-pat00056
반사 포인트
Figure 112018027807715-pat00057
은 그에 대응되는 실제 포인트가 다른 객체에 가려져 취득되지 않아 높은
Figure 112018027807715-pat00058
값을 갖아 반사 포인트로 분류되지 않을 수 있으므로, 반사 영상 제거 장치는, 이러한 문제를 해결하기 위해, 마르코프 임의장 (Markov Random Fields)을 이용해 하기 수학식 8을 기초로 비용 함수를 계산할 수 있다.
Figure 112018027807715-pat00059
이때,
Figure 112018027807715-pat00060
은
Figure 112018027807715-pat00061
의 이진 라벨 집합으로
Figure 112018027807715-pat00062
가 반사 포인트인 경우,
Figure 112018027807715-pat00063
의 값을 갖을 수 있다.
반사 영상 제거 장치는 데이터 비용(Data cost)을 반사 신뢰도와 대칭 신뢰도를 이용하여 하기 수학식 9를 기초로 계산할 수 있다.
Figure 112018027807715-pat00064
반사 영상 제거 장치는 두 이웃 포인트
Figure 112018027807715-pat00065
와
Figure 112018027807715-pat00066
의 라벨에 따라 평탄화 비용(Smoothness cost)을 하기 수학식 10을 이용하여 계산할 수 있다.
Figure 112018027807715-pat00067
반사 영상 제거 장치는 ICM(Iterated Conditional Modes)을 이용하여 비용
Figure 112018027807715-pat00068
을 최소화하는 라벨을 찾을 수 있다.
도 4a는 일 실시예에 따른 입력 영상을 나타내는 것이다. 또한, 도 4b는 일 실시예에 따른 반사 포인트 제거 결과를 나타내는 것이다.
도 4a, 도 4b를 참조하면, 반사 영상 제거 장치가 입력 포인트 군에 대해서 반사 포인트를 찾고 찾은 반사 포인트를 제거한 결과를 알 수 있다. 영상 좌측에 건물과 나무가 존재하며, 영상 중앙에 유리 벽면으로 이루어진 식물원이 있다. 영상 우측과 식물원 내부에 각각 건물과 나무가 반사되어 취득된 것을 알 수 있다. 결과적으로 건물과 나무가 잘 제거된 것을 알 수 있다.
반사 영상 제거 장치는 레이저 펄스의 특성을 이용하여 유리 영역을 검출하고, 유리에 의해 발생하는 반사 영상의 기하학적 특성을 이용해 3차원 대용량 포인트 군에서 반사 영상을 제거할 수 있다. 반사 영상 제거 장치의 수행 결과로서 반사 영상이 잘 제거됨을 알 수 있다.
도 5는 일 실시예에 따른 반사 영상 제거 장치의 동작 방법의 흐름을 나타내는 도면이다.
도 5를 참조하면, 반사 영상 제거 장치가 수행하는 반사 영상 제거 장치의 동작 방법은 하기와 같은 단계를 포함할 수 있다. 반사 영상 제거 장치는 반사 영상 제거 장치가 포함하는 구성 중 적어도 하나를 이용하여 반사 영상 제거 장치의 동작 방법을 수행할 수 있다.
단계(510)에서, 반사 영상 제거 장치는 3차원 영상에 대하여 유리 영역을 검출할 수 있다. 반사 영상 제거 장치는 3차원 영상을 격자 모양의 패치로 분할할 수 있다. 이때, 3차원 영상은 3차원 공간에 포함될 수 있다. 반사 영상 제거 장치는 3차원 영상을 위도 또는 경도를 기초로 격자 모양의 패치로 분할할 수 있다.
반사 영상 제거 장치는 분할된 패치가 반사 패치일 확률을 이용하여 반사 패치를 분리할 수 있다. 반사 영상 제거 장치는 가우시안 혼합 모델을 기초로 사후 확률 값을 계산할 수 있다.
반사 영상 제거 장치는 유리 영역의 적어도 일부를 포함하는 유리 평면을 추정할 수 있다. 반사 영상 제거 장치는 유리 평면의 방정식을 추정하고, 추정된 방정식을 이용하여 유리 영역을 검출할 수 있다.
단계(520)에서, 반사 영상 제거 장치는 검출한 유리 영역을 이용하여 반사 영상을 제거할 수 있다. 반사 영상 제거 장치는 추정한 유리 평면을 기초로 반사에 의해 생성된 포인트를 제거할 수 있다. 반사 영상 제거 장치는 비용 함수를 이용하여 반사에 의해 생성된 포인트를 제거할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (14)

  1. 반사 영상 제거 장치에 있어서,
    3차원 모델에서 유리 영역을 검출하는 유리 영역 검출부; 및
    상기 검출한 유리 영역을 이용하여 반사 영상을 제거하는 반사 영상 제거부
    를 포함하고,
    상기 유리 영역 검출부는 단위 면적당 반사되어 돌아오는 펄스 데이터의 수를 이용하여 상기 3차원 모델에서 상기 유리 영역이 존재하는 영역을 검출하는 장치.
  2. 제1항에 있어서,
    상기 유리 영역 검출부는,
    상기 3차원 모델을 격자 모양의 패치로 분할하는 패치 분할부; 및
    상기 분할된 패치가 반사 패치일 확률을 이용하여 반사 패치를 분리하는 패치 분리부
    를 포함하는 장치.
  3. 제2항에 있어서,
    상기 유리 영역 검출부는,상기 유리 영역의 적어도 일부를 포함하는 유리 평면을 추정하고,
    상기 반사 영상 제거부는,
    상기 추정한 유리 평면을 기초로 반사에 의해 생성된 포인트를 제거하는 장치.
  4. 제2항에 있어서,
    상기 패치 분할부는,
    상기 3차원 모델을 위도 또는 경도를 기초로 상기 격자 모양의 패치로 분할하는 장치.
  5. 제2항에 있어서,
    상기 패치 분리부는,
    가우시안 혼합 모델을 기초로 사후 확률 값을 계산하는 장치.
  6. 제3항에 있어서,
    상기 유리 영역 검출부는,
    상기 유리 평면의 방정식을 추정하고, 추정된 방정식을 이용하여 상기 유리 영역을 검출하는 장치.
  7. 제3항에 있어서,
    상기 반사 영상 제거부는,
    비용 함수를 이용하여 상기 반사에 의해 생성된 포인트를 제거하는 장치.
  8. 반사 영상 제거 장치의 동작 방법에 있어서,
    3차원 모델에서 유리 영역을 검출하는 단계; 및
    상기 검출한 유리 영역을 이용하여 반사 영상을 제거하는 단계
    를 포함하고,
    상기 유리 영역 검출부는 단위 면적당 반사되어 돌아오는 펄스 데이터의 수를 이용하여 상기 3차원 모델에서 상기 유리 영역이 존재하는 영역을 검출하는방법.
  9. 제8항에 있어서,
    상기 검출하는 단계는,
    상기 3차원 모델을 격자 모양의 패치로 분할하는 단계; 및
    상기 분할된 패치가 반사 패치일 확률을 이용하여 반사 패치를 분리하는 단계
    를 포함하는 방법.
  10. 제9항에 있어서,상기 검출하는 단계는,
    상기 유리 영역의 적어도 일부를 포함하는 유리 평면을 추정하고,
    상기 제거하는 단계는,
    상기 추정한 유리 평면을 기초로 반사에 의해 생성된 포인트를 제거하는 방법.
  11. 제9항에 있어서,
    상기 분할하는 단계는,
    상기 3차원 모델을 위도 또는 경도를 기초로 상기 격자 모양의 패치로 분할하는 방법.
  12. 제9항에 있어서,
    상기 분리하는 단계는,
    가우시안 혼합 모델을 기초로 사후 확률 값을 계산하는 방법.
  13. 제10항에 있어서,
    상기 검출하는 단계는,
    상기 유리 평면의 방정식을 추정하고, 추정된 방정식을 이용하여 상기 유리 영역을 검출하는 방법.
  14. 제10항에 있어서,
    상기 제거하는 단계는,
    비용 함수를 이용하여 상기 반사에 의해 생성된 포인트를 제거하는 방법.
KR1020180032106A 2018-03-20 2018-03-20 반사 영상 제거 장치 및 상기 장치의 동작 방법 KR102046243B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180032106A KR102046243B1 (ko) 2018-03-20 2018-03-20 반사 영상 제거 장치 및 상기 장치의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180032106A KR102046243B1 (ko) 2018-03-20 2018-03-20 반사 영상 제거 장치 및 상기 장치의 동작 방법

Publications (2)

Publication Number Publication Date
KR20190110304A KR20190110304A (ko) 2019-09-30
KR102046243B1 true KR102046243B1 (ko) 2019-11-18

Family

ID=68098606

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180032106A KR102046243B1 (ko) 2018-03-20 2018-03-20 반사 영상 제거 장치 및 상기 장치의 동작 방법

Country Status (1)

Country Link
KR (1) KR102046243B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010146094A (ja) * 2008-12-16 2010-07-01 Nec Corp 画像処理装置、画像処理方法及び画像処理プログラム
KR101454548B1 (ko) * 2013-06-26 2014-10-27 주식회사 에스원 3차원 카메라를 이용한 감시 장치 및 이의 구동 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010146094A (ja) * 2008-12-16 2010-07-01 Nec Corp 画像処理装置、画像処理方法及び画像処理プログラム
KR101454548B1 (ko) * 2013-06-26 2014-10-27 주식회사 에스원 3차원 카메라를 이용한 감시 장치 및 이의 구동 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A. Levin ET AL:"Separating reflections from a single image using local features", Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), 27 June-2 July 2004(2004.06.27.) 1부.*
YiChang Shih ET AL:"Reflection Removal Using Ghosting Cues", Proceedings of the 2015 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3193-3201, 7 June 2015(2015.06.07.) 1부.*

Also Published As

Publication number Publication date
KR20190110304A (ko) 2019-09-30

Similar Documents

Publication Publication Date Title
US9933264B2 (en) System and method for achieving fast and reliable time-to-contact estimation using vision and range sensor data for autonomous navigation
US10818028B2 (en) Detecting objects in crowds using geometric context
EP3414641B1 (en) System and method for achieving fast and reliable time-to-contact estimation using vision and range sensor data for autonomous navigation
US11482014B2 (en) 3D auto-labeling with structural and physical constraints
KR102073162B1 (ko) 딥러닝 기반의 소형 물체 검출 기법
US9373174B2 (en) Cloud based video detection and tracking system
EP3711025A1 (en) Graphical coordinate system transform for video frames
US20190080462A1 (en) Method and apparatus for calculating depth map based on reliability
KR20200050246A (ko) 2차원 영상으로부터 3차원 객체를 검출하는 방법 및 장치
CN111094895A (zh) 用于在预构建的视觉地图中进行鲁棒自重新定位的系统和方法
US10789762B2 (en) Method and apparatus for estimating parameter of virtual screen
JP7138361B2 (ja) ３次元仮想空間モデルを利用したユーザポーズ推定方法および装置
Schaeferling et al. Object recognition and pose estimation on embedded hardware: SURF‐based system designs accelerated by FPGA logic
WO2019121056A1 (fr) Methode de reconnaissance d'objets dans une scene observee en trois dimensions
Patil et al. A survey on joint object detection and pose estimation using monocular vision
KR101942646B1 (ko) 영상 특징점 기반의 실시간 카메라 자세 추정 방법 및 그 장치
CN115953464A (zh) 全局定位方法和装置
KR102314954B1 (ko) 반사 영상 제거 장치 및 방법
KR102046243B1 (ko) 반사 영상 제거 장치 및 상기 장치의 동작 방법
CN116740160A (zh) 一种复杂交通场景中的毫秒级多平面实时提取方法及装置
Zhou et al. Gaussian-weighted Jensen–Shannon divergence as a robust fitness function for multi-model fitting
Mueller et al. Combination of wide baseline image matching and tracking for autonomous uav approaches to a window
KR102321704B1 (ko) 인접 평면 정보를 이용한 3차원 공간 모델 생성 방법 및 장치
Williams Evaluation of a SoC for Real-time 3D SLAM
KR102339472B1 (ko) 3차원 공간 모델 생성 방법 및 장치

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