KR102067423B1 - 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법 - Google Patents

지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법 Download PDF

Info

Publication number
KR102067423B1
KR102067423B1 KR1020170116407A KR20170116407A KR102067423B1 KR 102067423 B1 KR102067423 B1 KR 102067423B1 KR 1020170116407 A KR1020170116407 A KR 1020170116407A KR 20170116407 A KR20170116407 A KR 20170116407A KR 102067423 B1 KR102067423 B1 KR 102067423B1
Authority
KR
South Korea
Prior art keywords
gpu
image
color
depth map
node
Prior art date
Application number
KR1020170116407A
Other languages
English (en)
Other versions
KR20190029842A (ko
Inventor
이재영
Original Assignee
주식회사 케이쓰리아이
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 케이쓰리아이 filed Critical 주식회사 케이쓰리아이
Priority to KR1020170116407A priority Critical patent/KR102067423B1/ko
Publication of KR20190029842A publication Critical patent/KR20190029842A/ko
Application granted granted Critical
Publication of KR102067423B1 publication Critical patent/KR102067423B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법에 관한 것으로서, 더욱 상세하게는 GPU 코어를 이용하여 가속 컴퓨팅 작업을 수행할 경우, 기존의 CPU 단일 처리방식에 따른 3D 복원 클라우드 포인트 생성 처리속도를 향상시켜 신뢰성을 유지할 수 있는 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법에 관한 것이다.
본 발명인 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법은,
영상입력부(110)가 실내 공간 영상을 획득하기 위한 실내공간영상획득단계(S100)와,
상기 영상입력부에 의해 획득된 실내 공간 영상을 이미지색데이터추출부(120)가 획득하며, 획득된 실내 공간 영상의 컬러 정보에 대한 GUP 가속 기능인 멀티 코어를 이용하여 이미지 색 데이터를 추출하기 위한 이미지색데이터추출단계(S200)와,
색상일관성분석부(130)가 상기 추출된 이미지 색 데이터를 GPU 코어로 정의된 일관된 색상 정의에 따라 분석하기 위한 색상일관성분석단계(S300)와,
픽셀노드생성부(140)가 GPU 코어로 생성된 색상별 순차 노드를 생성하여 연관성을 연결해 주기 위한 픽셀노드생성단계(S400)와,
희소깊이지도생성부(150)가 상기 생성된 GPU 멀티코어 노드를 이용하여 희소 깊이지도를 생성하기 위한 희소깊이지도생성단계(S500)와,
노드균일분할부(160)가 GPU 멀티코어 노드로 생성된 픽셀 노드를 균일 분할하기 위한 노드균일분할단계(S600)와,
조밀깊이지도생성부(170)가 GPU 멀티코어를 이용하여 조밀한 깊이지도를 생성하기 위한 조밀깊이지도생성단계(S700)를 포함하여 이루어지는 것을 특징으로 한다.

Description

지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법{Three-Dimensional Restoration Cloud Point Creation Method Using GPU Accelerated Computing}
본 발명은 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법에 관한 것으로서, 더욱 상세하게는 GPU 코어를 이용하여 가속 컴퓨팅 작업을 수행할 경우, 기존의 CPU 단일 처리방식에 따른 3D 복원 클라우드 포인트 생성 처리속도를 향상시켜 신뢰성을 유지할 수 있는 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법에 관한 것이다.
최근 들어, Microsoft의 Kinect와 같이 저가의 RGB-D 센서 또는 카메라가 일반화 되었다. 따라서 이러한 센서를 사용하는 SFM (structure from motion) 또는 monocular SLAM (simultaneous localization and mapping) 기법으로 단안 카메라를 사용하여 실시간으로 카메라의 움직임을 추적(monocular camera tracking)하는 방법들이 활발하게 연구되고 있다.
최근에 사용자가 Kinect 카메라를 들고 움직이면서 실시간으로 실내 환경을 3D로 복원할 수 있는 KinectFusion이라는 알고리즘이 발표되었다.
이 방법의 제한 조건 중 하나는 시스템을 구동하기 전에 정해진 영역에 대해서만 복원이 가능하다는 것이다.
일반적으로 중간 크기의 방 규모에 대해서 복원이 가능하다.
KinectFusion 방법은 복원 영역을 TSDF(Truncated Signed Distance Function)로 알려진 볼륨(volume) 형식의 데이터로 표현하였고, 이 볼륨 데이터는 가까운 표면(surface)까지의 거리를 저장하고 있다.
상기 KinectFusion 방법은 알고리즘의 각 단계에서 바로 인접한 데이터만 사용한다.
그러나, 상기 KinectFusion 방법은 시스템을 구동하기 전에 정해진 영역에 대해서만 복원이 가능하기 때문에 복원 가능한 영역의 범위를 확장하는데 제한적이다.
한편, 일반적으로 CPU는 직렬 처리에 최적화된 몇 개의 코어로 구성된 반면, GPU(Graphics Processing Unit)는 병렬 처리용으로 설계된 수천 개의 보다 소형이고 효율적인 코어로 구성되어 이미지 처리에 특화된 장치로 애플리케이션의 처리속도를 높이는 장치로 활용된다.
이와 같은 GPU 장치를 이용하여 가속 컴퓨팅이 가능하게 하여 CPU보다 많은 양의 이미지 데이터를 신속하게 처리함으로써, 그 처리의 신뢰도를 향상시킬 수 있다.
이와 같은 GPU 장치는 자동차부터 휴대폰, 태블릿, 드론 및 로봇까지 다양한 분야에서 이용되고 있으며, 그 중 하나의 이용방안으로 이미지의 픽셀을 분석하고 노드를 빠른 시간에 분류하고 생성하는 작업이 대표적이며, 이러한 이용방법 중 하나가 실내 영상에서 색상의 변화되는 특징점을 분류하여 정보화하는 기술이 있을 수 있다.
그러나, 상기와 같은 실내공간의 정보를 픽셀 단위로 분석하는데, 음영변화 및 빛과 위치의 변화에 다른 다양한 픽셀 정보를 추출하는 과정을 거치게 되는데, 추출되는 픽셀의 유사성이 존재하게 된다.
예를 들어, 실내의 환경은 서로 연속선상에 있고 음영과 촬영에서 발생되는 흔들림에 따른 블러 현상이 발생하게 된다.
이와 같은 이유로, 실내 영상을 이용하여 3D 포인트 클라우드를 생성하기 위한 픽셀 정보를 일관성 있게 분할하고, 균일한 자료를 이용하여 신뢰도를 향상시킬 수 있는 기술들이 제안되고 있으나, 사용자의 촬영 특성에 따른 입력 영상 정보의 환경에 따라 같은 영역에서도 다양한 형태의 픽셀 정보가 제공되고 이를 신속하고 정확하게 분할해야 정확한 3D 포인트 클라우드를 추출하는데, CPU만으로 처리하는 것으로는 그 한계성으로 신뢰도가 저하되는 문제가 발생하고 있다.
따라서, GPU 코어를 이용하여 가속 컴퓨팅 작업을 수행할 경우, 기존의 CPU 단일 처리방식에 따른 3D 복원 클라우드 포인트 생성 처리속도를 향상시켜 신뢰성을 유지할 수 있는 기술을 제안하게 된 것이다.
대한민국 공개특허 제10-2014-0070724호
따라서, 본 발명은 상기 종래의 문제점을 해소하기 위해 안출된 것으로,
본 발명의 목적은 직렬 처리에 최적화된 몇 개의 코어로 구성된 CPU와는 다른 병렬 처리용으로 설계된 수 천 개의 보다 소형이고 효율적인 코어로 구성된 GUP의 코어를 이용하여 어플리케이션의 연산 집약적인 부분은 GPU로 넘기고 나머지 코드만을 CPU에서 처리하는 방식으로 어플리케이션 성능과 속도를 향상시킬 수 있도록 하는 기술을 제공하는 것을 목적으로 한다.
본 발명이 해결하고자 하는 과제를 달성하기 위하여, 본 발명의 실시예에 따른 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법은,
영상입력부(110)가 실내 공간 영상을 획득하기 위한 실내공간영상획득단계(S100)와,
상기 영상입력부에 의해 획득된 실내 공간 영상을 이미지색데이터추출부(120)가 획득하며, 획득된 실내 공간 영상의 컬러 정보에 대한 GUP 가속 기능인 멀티 코어를 이용하여 이미지 색 데이터를 추출하기 위한 이미지색데이터추출단계(S200)와,
색상일관성분석부(130)가 상기 추출된 이미지 색 데이터를 GPU 코어로 정의된 일관된 색상 정의에 따라 분석하기 위한 색상일관성분석단계(S300)와,
픽셀노드생성부(140)가 GPU 코어로 생성된 색상별 순차 노드를 생성하여 연관성을 연결해 주기 위한 픽셀노드생성단계(S400)와,
희소깊이지도생성부(150)가 상기 생성된 GPU 멀티코어 노드를 이용하여 희소 깊이지도를 생성하기 위한 희소깊이지도생성단계(S500)와,
노드균일분할부(160)가 GPU 멀티코어 노드로 생성된 픽셀 노드를 균일 분할하기 위한 노드균일분할단계(S600)와,
조밀깊이지도생성부(170)가 GPU 멀티코어를 이용하여 조밀한 깊이지도를 생성하기 위한 조밀깊이지도생성단계(S700)를 포함하여 이루어지는 것을 특징으로 한다.
상기한 방법을 처리하기 위하여, 본 발명의 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법을 구현하기 위한 장치(100)는, 영상입력부(110), 이미지색데이터추출부(120), 색상일관성분석부(130), 픽셀노드생성부(140), 희소깊이지도생성부(150), 노드균일분할부(160), 조밀깊이지도생성부(170), CPU, GPU를 포함하여 구성하게 된다.
본 발명에 따른 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법은, GPU 코어를 이용하여 가속 컴퓨팅 작업을 수행할 경우, 기존의 CPU 단일 처리방식에 따른 3D 복원 클라우드 포인트 생성 처리속도를 향상시켜 신뢰성을 유지할 수 있는 효과를 제공하게 된다.
구체적으로 직렬 처리에 최적화된 몇 개의 코어로 구성된 CPU와는 다른 병렬 처리용으로 설계된 수 천 개의 보다 소형이고 효율적인 코어로 구성된 GUP의 코어를 이용하여 어플리케이션의 연산집약적인 부분은 GPU로 넘기고 나머지 코드만을 CPU에서 처리하는 방식으로 어플리케이션 성능과 속도를 향상시킬 수 있는 효과를 제공하는 것이다.
도 1은 본 발명에 실시예에 따른 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법을 구현하기 위한 장치 블록도이다.
도 2는 본 발명에 실시예에 따른 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법의 흐름도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
움직임이 작은 연속적 영상(또는 작은 움직임의 연속적 영상이라고 부를 수 있다)은 예를 들면, 모바일 단말이나 DSLR과 같은 디지털 카메라로 촬영된 영상일 수 있다.
이때, 본 발명의 장치를 통해 촬영된 영상 정보를 획득하여 후술하는 단계를 거쳐 본 발명의 과제를 해결하게 되는 것이다.
즉, 본 발명의 바람직한 실시예에 따른 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법은,
영상입력부(110)가 실내 공간 영상을 획득하기 위한 실내공간영상획득단계(S100)와,
상기 영상입력부에 의해 획득된 실내 공간 영상을 이미지색데이터추출부(120)가 획득하며, 획득된 실내 공간 영상의 컬러 정보에 대한 GUP 가속 기능인 멀티 코어를 이용하여 이미지 색 데이터를 추출하기 위한 이미지색데이터추출단계(S200)와,
색상일관성분석부(130)가 상기 추출된 이미지 색 데이터를 GPU 코어로 정의된 일관된 색상 정의에 따라 분석하기 위한 색상일관성분석단계(S300)와,
픽셀노드생성부(140)가 GPU 코어로 생성된 색상별 순차 노드를 생성하여 연관성을 연결해 주기 위한 픽셀노드생성단계(S400)와,
희소깊이지도생성부(150)가 상기 생성된 GPU 멀티코어 노드를 이용하여 희소 깊이지도를 생성하기 위한 희소깊이지도생성단계(S500)와,
노드균일분할부(160)가 GPU 멀티코어 노드로 생성된 픽셀 노드를 균일 분할하기 위한 노드균일분할단계(S600)와,
조밀깊이지도생성부(170)가 GPU 멀티코어를 이용하여 조밀한 깊이지도를 생성하기 위한 조밀깊이지도생성단계(S700)를 포함하여 이루어지는 것을 특징으로 한다.
이하, 본 발명에 의한 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법의 실시예를 통해 상세히 설명하도록 한다.
도 1은 본 발명에 실시예에 따른 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법을 구현하기 위한 장치 블록도이다.
도 1에 도시한 바와 같이, 본 발명의 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법을 구현하기 위한 장치(100)는, 영상입력부(110), 이미지색데이터추출부(120), 색상일관성분석부(130), 픽셀노드생성부(140), 희소깊이지도생성부(150), 노드균일분할부(160), 조밀깊이지도생성부(170), CPU, GPU를 포함하여 구성하게 된다.
상기 영상입력부(110)를 통해 촬영된 실내 공간 영상을 획득하게 된다.
이때, 영상입력부에 의해 획득된 실내 공간 영상을 이미지색데이터추출부(120)가 획득하며, 획득된 실내 공간 영상의 컬러 정보에 대한 GUP 가속 기능인 멀티 코어를 이용하여 이미지 색 데이터를 추출하게 되는 것이다.
이후, 상기 색상일관성분석부(130)는 추출된 이미지 색 데이터를 GPU 코어로 정의된 일관된 색상 정의에 따라 분석을 수행하게 되는 것이다.
이후, 상기 픽셀노드생성부(140)는 GPU 코어로 생성된 색상별 순차 노드를 생성하여 연관성을 연결해 줌으로써, 픽셀 노드를 생성하게 되는 것이다.
이후, 상기 희소깊이지도생성부(150)는 상기 생성된 GPU 멀티코어 노드를 이용하여 희소 깊이지도를 생성하게 되는 것이다.
상기 희소 깊이지도는 기하학적으로 잘 복원된 깊이 정보를 획득할 수 있지만, 희소한 특징점들의 깊이 정보만을 추출하므로 후술할 조밀 깊이 지도를 생성할 필요가 있다.
이때, 상기 노드균일분할부(160)는 GPU 멀티코어 노드로 생성된 픽셀 노드를 균일하게 분할하게 된다.
이후, 최종적으로 상기 조밀깊이지도생성부(170)는 GPU 멀티코어를 이용하여 조밀한 깊이지도를 생성하게 되는 것이다.
그리고, 일반적으로 지피유 가속 컴퓨팅 장치는 CPU, 다수의 GPU를 구성하고 있으며, 상기 CPU에 의해 전반적인 제어를 관장하게 된다.
이때, 본 발명에서는 직렬 처리에 최적화된 몇 개의 코어로 구성된 CPU와는 다른 병렬 처리용으로 설계된 수천 개의 보다 소형이고 효율적인 코어로 구성된 GUP의 코어를 이용하여 어플리케이션의 연산 집약적인 부분은 GPU로 넘기고 나머지 코드만을 CPU에서 처리하는 방식으로 어플리케이션 성능과 속도를 향상시킬 수가 있게 되는 것이다.
도 2는 본 발명에 실시예에 따른 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법의 흐름도이다.
도 2에 도시한 바와 같이, 본 발명인 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법은,
영상입력부(110)가 실내 공간 영상을 획득하기 위한 실내공간영상획득단계(S100)와,
상기 영상입력부에 의해 획득된 실내 공간 영상을 이미지색데이터추출부(120)가 획득하며, 획득된 실내 공간 영상의 컬러 정보에 대한 GUP 가속 기능인 멀티 코어를 이용하여 이미지 색 데이터를 추출하기 위한 이미지색데이터추출단계(S200)와,
색상일관성분석부(130)가 상기 추출된 이미지 색 데이터를 GPU 코어로 정의된 일관된 색상 정의에 따라 분석하기 위한 색상일관성분석단계(S300)와,
픽셀노드생성부(140)가 GPU 코어로 생성된 색상별 순차 노드를 생성하여 연관성을 연결해 주기 위한 픽셀노드생성단계(S400)와,
희소깊이지도생성부(150)가 상기 생성된 GPU 멀티코어 노드를 이용하여 희소 깊이지도를 생성하기 위한 희소깊이지도생성단계(S500)와,
노드균일분할부(160)가 GPU 멀티코어 노드로 생성된 픽셀 노드를 균일 분할하기 위한 노드균일분할단계(S600)와,
조밀깊이지도생성부(170)가 GPU 멀티코어를 이용하여 조밀한 깊이지도를 생성하기 위한 조밀깊이지도생성단계(S700)를 포함하여 이루어지는 것을 특징으로 한다.
구체적으로 설명하자면, 영상입력부(110)가 실내 공간 영상을 획득(S100)하게 되면, 상기 이미지색데이터추출부(120)가 영상입력부에 의해 획득된 실내 공간 영상을 획득하게 된다.
이때, 획득된 실내 공간 영상의 컬러 정보에 대한 GUP 가속 기능인 멀티 코어를 이용하여 이미지 색 데이터를 추출(S200)하게 되는 것이다.
이후, 색상일관성분석부(130)가 상기 추출된 이미지 색 데이터를 GPU 코어로 정의된 일관된 색상 정의에 따라 색상의 일관성을 분석(S300)하게 된다.
이때, 색상 정의에 대한 정보는 메모리에 저장될 수 있으며, GPU 코어에 의해 색상 정의를 참조하여 색상의 일관성을 분석하는 것이다.
이후, 픽셀노드생성부(140)가 GPU 코어로 생성된 색상별 순차 노드를 생성하여 연관성을 연결해 줌으로서, 픽셀 노드를 생성(S400)하게 된다.
이후, 희소깊이지도생성부(150)가 상기 생성된 GPU 멀티코어 노드를 이용하여 희소 깊이지도를 생성(S500)하게 되는 것이다.
상기 희소 깊이지도는 희소한 특징점들의 깊이 정보만을 추출하므로 아직까지는 3차원 장면을 구현하기는 불충분하다.
따라서, 이후에 상기 노드균일분할부(160)가 GPU 멀티코어 노드로 생성된 픽셀 노드를 균일하게 분할(S600)하게 된다.
이후, 최종적으로 조밀깊이지도생성부(170)가 GPU 멀티코어를 이용하여 조밀한 깊이지도를 생성(S700)하게 됨으로써, 획득한 영상 전체의 조밀한 깊이 정보를 기초로 신뢰성을 유지할 수 있는 3차원 복원 영상을 제공할 수 있게 되는 것이다.
요약하자면, 본 발명의 GPU 코어를 이용하여 가속 컴퓨팅 작업을 수행할 경우, 기존의 CPU 단일 처리방식에 따른 3D 복원 클라우드 포인트 생성 처리속도를 향상시키게 되는 것이다.
상기와 같은 구성 및 동작을 통해, GPU 코어를 이용하여 가속 컴퓨팅 작업을 수행할 경우, 기존의 CPU 단일 처리방식에 따른 3D 복원 클라우드 포인트 생성 처리속도를 향상시켜 신뢰성을 유지할 수 있는 효과를 제공하게 된다.
구체적으로 직렬 처리에 최적화된 몇 개의 코어로 구성된 CPU와는 다른 병렬 처리용으로 설계된 수 천 개의 보다 소형이고 효율적인 코어로 구성된 GUP의 코어를 이용하여 어플리케이션의 연산집약적인 부분은 GPU로 넘기고 나머지 코드만을 CPU에서 처리하는 방식으로 어플리케이션 성능과 속도를 향상시킬 수 있는 효과를 제공하는 것이다.
상기와 같은 내용의 본 발명이 속하는 기술분야의 당업자는 본 발명의 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시된 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.
110 : 영상입력부
120 : 이미지색데이터추출부
130 : 색상일관성분석부
140 : 픽셀노드생성부
150 : 희소깊이지도생성부
160 : 노드균일분할부
170 : 조밀깊이지도생성부

Claims (1)

  1. 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법에 있어서,
    영상입력부(110)가 실내 공간 영상을 획득하기 위한 실내공간영상획득단계(S100)와,
    상기 영상입력부에 의해 획득된 실내 공간 영상을 이미지색데이터추출부(120)가 획득하며, 획득된 실내 공간 영상의 컬러 정보에 대한 GPU 가속 기능인 멀티 코어를 이용하여 이미지 색 데이터를 추출하기 위한 이미지색데이터추출단계(S200)와,
    색상일관성분석부(130)가 상기 추출된 이미지 색 데이터를 GPU 코어로 정의된 일관된 색상 정의에 따라 분석하기 위한 색상일관성분석단계(S300)와,
    픽셀노드생성부(140)가 GPU 코어로 생성된 색상별 순차 노드를 생성하여 연관성을 연결해 주기 위한 픽셀노드생성단계(S400)와,
    희소깊이지도생성부(150)가 상기 생성된 GPU 멀티코어 노드를 이용하여 희소 깊이지도를 생성하기 위한 희소깊이지도생성단계(S500)와,
    노드균일분할부(160)가 GPU 멀티코어 노드로 생성된 픽셀 노드를 균일 분할하기 위한 노드균일분할단계(S600)와,
    조밀깊이지도생성부(170)가 GPU 멀티코어를 이용하여 조밀한 깊이지도를 생성하기 위한 조밀깊이지도생성단계(S700)를 포함하여 이루어지되,
    색상 정의에 대한 정보를 메모리에 저장하며, GPU 코어에 의해 색상 정의를 참조하여 색상의 일관성을 분석하는 것을 특징으로 하며,
    상기 GPU의 멀티코어를 이용하여 어플리케이션의 연산 집약적인 부분은 GPU로 넘기고 나머지 코드만을 CPU에서 처리하게 되어 어플리케이션 성능과 속도를 향상시킬 수 있는 것을 특징으로 하는 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법.
KR1020170116407A 2017-09-12 2017-09-12 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법 KR102067423B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170116407A KR102067423B1 (ko) 2017-09-12 2017-09-12 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170116407A KR102067423B1 (ko) 2017-09-12 2017-09-12 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법

Publications (2)

Publication Number Publication Date
KR20190029842A KR20190029842A (ko) 2019-03-21
KR102067423B1 true KR102067423B1 (ko) 2020-02-12

Family

ID=66036949

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170116407A KR102067423B1 (ko) 2017-09-12 2017-09-12 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법

Country Status (1)

Country Link
KR (1) KR102067423B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102215101B1 (ko) 2019-07-16 2021-02-09 연세대학교 산학협력단 이미지로부터 획득한 객체의 특징을 이용한 포인트 클라우드 생성 장치 및 방법
CN115880347B (zh) * 2021-09-27 2023-10-20 荣耀终端有限公司 图像处理方法、电子设备、存储介质及程序产品

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011128909A (ja) * 2009-12-17 2011-06-30 Toshiba Corp 画像処理装置及び画像処理方法
US20150146971A1 (en) * 2013-11-27 2015-05-28 Autodesk, Inc. Mesh reconstruction from heterogeneous sources of data

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8436854B2 (en) * 2009-05-29 2013-05-07 Qualcomm Incorporated Graphics processing unit with deferred vertex shading
KR101839035B1 (ko) 2012-11-26 2018-03-19 한국전자통신연구원 멀티 ｇｐｕ를 기반으로 하는 ３차원 복원을 위한 장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011128909A (ja) * 2009-12-17 2011-06-30 Toshiba Corp 画像処理装置及び画像処理方法
US20150146971A1 (en) * 2013-11-27 2015-05-28 Autodesk, Inc. Mesh reconstruction from heterogeneous sources of data

Also Published As

Publication number Publication date
KR20190029842A (ko) 2019-03-21

Similar Documents

Publication Publication Date Title
KR102295403B1 (ko) 깊이 추정 방법 및 장치, 전자 기기, 프로그램 및 매체
JP7495546B2 (ja) 畳み込み画像変換を使用して同時位置特定およびマッピングを実施する方法およびシステム
US20240062488A1 (en) Object centric scanning
US20190098277A1 (en) Image processing apparatus, image processing method, image processing system, and storage medium
JP5952001B2 (ja) 深さ情報を用いたカメラモーションの推定方法および装置、拡張現実システム
CA2786439C (en) Depth camera compatibility
KR20220009393A (ko) 이미지 기반 로컬화
JP2021515939A (ja) 単眼深度推定方法およびその装置、機器ならびに記憶媒体
CA2786436C (en) Depth camera compatibility
CN112889091A (zh) 使用模糊特征的相机位姿估计
US11935187B2 (en) Single-pass object scanning
CN105284108B (zh) 影像监视系统、监视装置
KR20180082170A (ko) 3차원 얼굴 모델 획득 방법 및 시스템
US20200410759A1 (en) Providing augmented reality target images in a web browser
KR20150114950A (ko) 이미지 스트림의 프레임 레이트 증가
KR102067423B1 (ko) 지피유 가속 컴퓨팅을 이용한 3차원 복원 클라우드 포인트 생성 방법
KR101080375B1 (ko) 객체 학습 방법, 객체 학습 방법을 이용한 객체 추적 방법, 객체 학습 및 추적 시스템
KR20230049969A (ko) 글로벌 측위 장치 및 방법
US11640692B1 (en) Excluding objects during 3D model generation
US11403811B1 (en) Estimating optical parameters of surfaces
US20210350625A1 (en) Augmenting live images of a scene for occlusion
US20220114740A1 (en) Camera motion information based three-dimensional (3d) reconstruction
CN111260544B (zh) 数据处理方法及装置、电子设备和计算机存储介质
Kim et al. Vision-based all-in-one solution for augmented reality and its storytelling applications
Lumentut et al. 6-DOF motion blur synthesis and performance evaluation of light field deblurring

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