KR20110085728A - 휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법 - Google Patents

휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법 Download PDF

Info

Publication number
KR20110085728A
KR20110085728A KR1020100005661A KR20100005661A KR20110085728A KR 20110085728 A KR20110085728 A KR 20110085728A KR 1020100005661 A KR1020100005661 A KR 1020100005661A KR 20100005661 A KR20100005661 A KR 20100005661A KR 20110085728 A KR20110085728 A KR 20110085728A
Authority
KR
South Korea
Prior art keywords
feature points
building
feature
portable terminal
recognizing
Prior art date
Application number
KR1020100005661A
Other languages
English (en)
Inventor
이상화
하성종
홍현수
조남익
신계중
이상욱
Original Assignee
삼성전자주식회사
서울대학교산학협력단
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 삼성전자주식회사, 서울대학교산학협력단 filed Critical 삼성전자주식회사
Priority to KR1020100005661A priority Critical patent/KR20110085728A/ko
Priority to US13/011,572 priority patent/US20110176734A1/en
Publication of KR20110085728A publication Critical patent/KR20110085728A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
    • H04B1/40—Circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes
    • G06V20/39—Urban scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes

Abstract

본 발명은 휴대용 단말기에서 이미지의 특정 영역을 인식하기 위한 장치 및 방법에 관한 것으로, 특히 휴대용 단말기에서 이미지 또는 영상에 포함된 건물 인식시 서로 유사도가 매우 높은 특징점들을 하나의 그룹으로 설정하고, 상기 그룹의 대응 관계를 추정하여 건물 인식 성능을 향상시키기 위한 장치 및 방법에 관한 것으로, 건물 인식에 필요한 특징점을 추출한 경우, 상기 특징점들 가운데 유사성이 있는 특징점을 그룹으로 분류하고, 상기 분류한 그룹을 특징점으로 간주하여 대응 관계를 추정한 후 건물을 인식하는 이미지 분석부를 포함하는 것을 특징으로 한다.

Description

휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법{APPARATUS AND METHOD FOR RECOGNZING STRUCTURE AREA IN PORTABLE TERMINAL}
본 발명은 휴대용 단말기에서 이미지의 특정 영역을 인식하기 위한 장치 및 방법에 관한 것으로, 특히 휴대용 단말기에서 이미지 또는 영상에 포함된 건물 인식시 서로 유사도가 매우 높은 특징점들을 하나의 그룹으로 설정하고, 상기 그룹의 대응 관계를 추정하여 건물 인식 성능을 향상시키기 위한 장치 및 방법에 관한 것이다.
최근 휴대용 단말기의 급격한 발달에 따라 특히, 무선 음성 통화 및 정보 교환이 가능한 휴대용 단말기는 필수품이 되었다. 휴대용 단말기 초기에는 단순히 휴대할 수 있고, 무선 통화가 가능한 것으로 인식되었으나, 그 기술이 발달함과 무선 인터넷의 도입에 따라 상기 휴대용 단말기는 단순한 전화 통화의 목적뿐만 아니라 게임, 위성 방송의 시청, 근거리 통신을 이용한 리모컨, 장착된 디지털 카메라에 의한 이미지 촬영, 및 일정 관리 등의 그 활용범위가 갈수록 커지고 있어 사용자의 욕구를 충족시키고 있다.
상기와 같은 디지털 카메라 기능은 정지된 영상(still picture)뿐만 아니라 움직이는 피사체를 위한 동영상(moving picture) 촬영을 가능하게 하여 사용자의 활용 빈도가 높은 기능 가운데 하나이다.
최근에는 상기와 같은 디지털 카메라를 통해 획득된 이미지 데이터에 포함된 특정 영역과 동일한 영역을 다른 이미지 데이터에서 검색하는 방법을 사용한다.
예를 들어, 상기 휴대용 단말기는 획득한 이미지에 포함된 건물에 대한 정보를 검색하고자 할 경우, 먼저 이미지에 포함된 건물을 인식한 후 기 저장된 데이터를 검색하여 해당 건물에 대한 정보를 획득할 수 있다.
일반적으로, 상기 휴대용 단말기는 건물의 특징점, 색상을 이용하여 건물을 인식하거나 무한 소실점을 분석하여 건물을 인식할 수 있다.
상기와 같이 다른 이미지 데이터에서 특정 영역을 검색하는 방법은 여러 가지 건물의 조건에 따라 오류가 발생하게 된다. 예를 들어, 건물의 외벽이 유리로 이루어진 경우이거나 주변 조명조건이 크게 바뀌는 환경에서는 건물 외벽의 색상이 크게 바뀌기 때문에 색상 정보를 이용하여 건물 인식에 오류가 발생할 수 있으며 상기 휴대용 단말기가 유리 외벽, 동일한 벽돌과 같이 반복적 패턴을 갖는 외벽에 대하여 반복적으로 서로 유사도가 매우 높은 특징점을 추출하여 상기 특징점에 대한 대응 관계 추정이 불가능하게 됨에 따라 건물 인식에 오류가 발생할 수 있다.
이로 인하여 상기 휴대용 단말기에서 다수의 특징점을 추출하더라도 서로 유사도가 매우 높은 특징점에 대한 대응 관계를 추정하지 못하여 건물 인식에 실패하게 된다.
따라서, 상기 휴대용 단말기에서 상기와 같은 문제점을 해결하여 건물 인식 성능을 향상시키기 위한 장치 및 방법이 요구된다.
본 발명은 상술한 바와 같은 문제점을 해결하기 위하여 도출된 것으로서, 본 발명의 목적은 휴대용 단말기에서 서로 유사도가 매우 높은 특징점이 많은 건물 영역의 인식율을 향상시키기 위한 장치 및 방법을 제공함에 있다.
본 발명의 다른 목적은 휴대용 단말기에서 건물 영역 인식시 서로 유사도가 매우 높은 특징점이 많아 특징점에 대한 대응 관계 추정에 실패하는 것을 방지하기 위한 장치 및 방법을 제공함에 있다.
본 발명의 또 다른 목적은 휴대용 단말기에서 동일한 특성을 나타내는 특징점들 가운데 서로 유사도가 매우 높은 특징점을 하나의 특징점으로 간주하여 건물 영역의 인식율을 향상시키기 위한 장치 및 방법을 제공함에 있다.
본 발명의 또 다른 목적은 휴대용 단말기에서 서로 유사도가 매우 높은 특징점들로 구성된 그룹의 대응 관계를 추정하여 건물 영역을 인식하기 위한 장치 및 방법을 제공함에 있다.
상술한 목적들을 달성하기 위한 본 발명의 제 1 견지에 따르면, 휴대용 단말기에서 건물 영역을 인식하기 위한 장치는 건물 인식에 필요한 특징점을 추출한 경우, 상기 특징점들 가운데 유사성이 있는 특징점을 그룹으로 분류하고, 상기 분류한 그룹을 특징점으로 간주하여 대응 관계를 추정한 후 건물을 인식하는 이미지 분석부를 포함하는 것을 특징으로 한다.
상술한 목적들을 달성하기 위한 본 발명의 제 2 견지에 따르면, 휴대용 단말기에서 건물 영역을 인식하기 위한 방법은 건물 인식에 필요한 특징점을 추출한 경우, 상기 특징점들 가운데 유사성이 있는 특징점을 그룹으로 분류하는 과정과, 상기 분류한 그룹을 특징점으로 간주하여 대응 관계를 추정한 후, 건물을 인식하는 과정을 포함하는 것을 특징으로 한다.
상술한 바와 같이 본 발명은 휴대용 단말기에서 동일한 특성을 나타내는 특징점들 가운데 서로 유사도가 매우 높은 특징점들을 모아놓은 특징 그룹을 하나의 특징점으로 간주하고, 상기 특징 그룹에 대한 대응 관계를 추정하여 기존의 휴대용 단말기에서 서로 유사도가 매우 높은 특징점의 대응 관계 추정 실패로 인한 건물 영역 인식 실패를 방지할 수 있다.
도 1은 본 발명에 따라 서로 유사도가 매우 높은 특징점들에 대한 특징 그룹을 이용하여 건물 영역을 인식하는 휴대용 단말기의 구성을 도시한 블록도,
도 2는 본 발명의 바람직한 일 실시 예에 따른 휴대용 단말기에서 이미지의 부분 영역을 인식하는 과정을 도시한 흐름도,
도 3은 본 발명의 바람직한 일 실시 예에 따른 휴대용 단말기에서 서로 유사도가 매우 높은 특징점들을 그룹화하는 과정을 도시한 흐름도,
도 4는 본 발명의 바람직한 일 실시 예에 따른 휴대용 단말기에서 입력 이미지와 비교 이미지의 특징점들을 비교하는 과정을 도시한 흐름도 및,
도 5는 본 발명의 바람직한 일 실시 예에 따른 휴대용 단말기에서 대응 관계를 이용하여 자세 추정 과정과 부분 영역 인식 과정을 수행하는 과정을 도시한 흐름도.
이하 본 발명의 바람직한 실시 예를 첨부된 도면의 참조와 함께 상세히 설명한다. 그리고, 본 발명을 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다.
이하 설명에서는 본 발명에 따른 휴대용 단말기에서 동일한 특성을 나타내는 특징점들 가운데 서로 유사도가 매우 높은 특징점들을 모아놓은 특징 그룹을 하나의 특징점으로 간주하여 건물 영역의 인식율을 향상시키기 위한 장치 및 방법에 대하여 설명할 것이다. 또한, 이하 설명에서 입력 이미지는 상기 휴대용 단말기로 촬영한 이미지 또는 기 저장되어 있는 이미지와 같이 사용자가 선택한 이미지를 말하고, 비교 이미지는 데이터 베이스화되어 건물들의 특징 벡터 또는 건물 판단을 위한 기준이 되는 다수의 이미지를 말한다.
도 1은 본 발명에 따라 서로 유사도가 매우 높은 특징점에 대한 특징 그룹을 이용하여 건물 영역을 인식하는 휴대용 단말기의 구성을 도시한 블록도이다.
상기 도 1을 참조하면, 상기 휴대용 단말기는 제어부(100), 이미지 분석부(102), 메모리부(110), 입력부(112), 표시부(114) 및 통신부(116)를 포함하여 구성할 수 있으며, 상기 이미지 분석부(102)는 특징점 추출부(104), 그룹화부(106) 및 인식부(108)를 더 포함하여 구성할 수 있다.
먼저, 상기 휴대용 단말기의 제어부(100)는 상기 휴대용 단말기의 전반적인 동작을 제어한다. 예를 들어, 음성통화 및 데이터 통신을 위한 처리 및 제어를 수행하고, 통상적인 기능에 더하여 본 발명에 따라 이미지 내에 포함된 건물 인식율을 향상시키기 위한 동작을 처리한다.
상기 제어부(100)는 건물 인식시 건물이라는 객체의 반복적인 외벽구조를 갖는 특성상 서로의 유사도가 매우 높은 특징점을 반복적으로 추출함에 따라 상기 특징점에 대한 대응 관계 추정이 불가능한 것을 방지하기 위하여 서로 유사도가 매우 높은 특징점들을 그룹으로 모아 하나의 특징점으로 간주하여 대응 관계를 추정함으로써 건물 인식율을 향상시키도록 한다.
상기 이미지 분석부(102)는 상기 제어부(100)의 제어를 받아 건물을 인식하기 위한 특징점을 추출하고, 상기 추출한 특징점들 가운데 서로 유사도가 매우 높은 특징점을 하나의 그룹으로 분류하도록 처리한다.
이후, 상기 이미지 분석부(102)는 상기 설정한 그룹을 하나의 특징점으로 간주한 후, 상기 특징점에 대한 대응 관계를 추정하여 건물을 인식한다.
상기 이미지 분석부(102)의 특징점 추출부(104)는 SIFT(Scale Invariant Feature Transform), SURF(Speeded Up Robust Feature) 등을 이용하여 건물 인식에 필요한 특징점을 추출하는 것으로, 건물 표면의 텍스쳐 특성을 일정한 기술자(descriptor) 벡터로 표현한다. 이때, 상기 특징점 추출부(102)는 건물이라는 객체의 반복적인 외벽구조를 갖는 특성상 서로의 유사도가 매우 높은 특징점을 다수개 추출할 것이다.
상기 이미지 분석부(102)의 그룹화부(106)는 상기 특징점 추출부(104)에 의해 추출된 특징점들을 그룹화하여 구분하는 것으로, 서로 유사도가 매우 높은 특징점을 하나의 그룹으로 분류한다.
이때, 상기 그룹화부(106)는 다수의 특징점 가운데 임의의 하나를 기준점으로 선정하고, 상기 선정한 기준점을 주변 특징점과 비교하여 상기 특징점들 간의 거리가 가까운 것을 서로 유사도가 매우 높은 특징점이라고 판단하고 상기 유사도가 높은 특징점으로 판단한 특징점을 하나의 그룹으로 분류한다. 상기 그룹화부(106)는 모든 특징점에 대하여 그룹으로 분류하는 과정을 수행하나 새로운 주변 특징점이 그룹에 추가될 경우, 그룹에 포함된 특징 벡터의 평균을 대표 벡터로 표현하여 상기 대표 벡터를 새로운 기준점으로 선정한다.
상기 그룹으로 추가되는 특징점은 기준점과의 유사도가 높을 뿐만이 아니라, 이미 그룹화된 특징점들의 공간적인 위치와 높은 상관성을 갖는 것으로 한정할 수 있다. 즉, 상기 그룹화부(106)는 건물 구조의 규칙적인 특성을 반영하여 특징점들의 위치관계를 분석하고, 규칙성을 추정하여 이에 부합하는 특징점들을 그룹화할 수 있다.
상기 이미지 관리부(102)의 인식부(108)는 상기 그룹화부(106)에 의해 분류된 그룹을 특징점으로 간주하여 대응 관계를 추정한 후 건물을 인식한다.
이때, 상기 인식부(108)는 상기 그룹화된 특징 벡터들의 평균 벡터를 의미하는 대표 벡터끼리 탐색하여 대응 관계를 추정한 후, 상기 대응 관계에 가중치를 부여하여 그룹화된 특징점 또는 그룹화되지 않은 특징점을 건물 인식에 사용하는 파라미터로 사용할 수 있다.
상기와 같이 대응 관계를 추정한 인식부(108)는 대응 관계의 결과를 이용하여 이미지에 포함된 건물을 인식할 수 있으나, 대응되는 특징점의 갯수와 호모그래피 변환 결과를 결합하여 건물 인식 성능을 향상시킬 수 있다. 이는 대응되는 특징점이 많더라도 호모그래피의 결과가 어긋나는 영역에 대하여 건물로 인식되지 않는 오류를 방지하기 한다.
상기 메모리부(110)는 롬(ROM; Read Only Memory), 램(RAM; Random Access Memory), 플래쉬롬(flash ROM)으로 구성된다. 상기 롬은 상기 제어부(100) 및, 상기 이미지 분석부(102)의 처리 및 제어를 위한 프로그램의 마이크로코드와 각종 참조 데이터를 저장한다.
상기 램은 상기 제어부(100)의 워킹 메모리(working memory)로, 각종 프로그램 수행 중에 발생하는 일시적인 데이터를 저장한다. 또한, 상기 플래쉬롬은 전화번호부(phone book), 발신메시지 및 수신메시지와 같은 갱신 가능한 각종 보관용 데이터를 저장한다.
상기 입력부(112)는 0 ~ 9의 숫자키 버튼들과, 메뉴버튼(menu), 취소버튼(지움), 확인버튼, 통화버튼(TALK), 종료버튼(END), 인터넷접속 버튼, 네비게이션 키(또는 방향키) 버튼들 및 문자 입력 키 등 다수의 기능키들을 구비하며, 사용자가 누르는 키에 대응하는 키 입력 데이터를 상기 제어부(100)로 제공한다.
상기 표시부(114)는 상기 휴대용 단말기의 동작 중에 발생하는 상태 정보, 문자들, 다량의 동영상 및 정지영상 등을 디스플레이한다. 상기 표시부(112)는 컬러 액정 디스플레이 장치(LCD; Liquid Crystal Display)를 사용할 수 있으며 상기 표시부(112)는 터치 입력 장치를 구비하여 터치 입력 방식의 휴대용 단말기에 적용할 경우 입력 장치로 사용할 수 있다.
상기 통신부(116)는 안테나(미도시)를 통해 입출력되는 데이터의 무선신호를 송수신 처리하는 기능을 수행한다. 예를 들어, 송신인 경우, 송신할 데이터를 채널 코딩(Channel coding) 및 확산(Spreading)한 후, RF처리하여 송신하는 기능을 수행하고, 수신인 경우, 수신된 RF신호를 기저대역신호로 변환하고 상기 기저대역신호를 역 확산(De-spreading) 및 채널 복호(Channel decoding)하여 데이터를 복원하는 기능을 수행한다.
상기 이미지 분석부(102)의 역할은 상기 휴대용 단말기의 제어부(100)에 의해 수행할 수 있으나, 본 발명에서 이를 별도로 구성하여 도시한 것은 설명의 편의를 위한 예시적인 구성이지 결코 본 발명의 범위를 제한하자는 것이 아니며, 당업자라면 본 발명의 범위 내에서 다양한 변형 구성이 가능하다는 것을 알 수 있을 것이다. 예를 들어, 이들 모두를 상기 제어부(100)에서 처리하도록 구성할 수도 있다.
이상은 본 발명에 따른 휴대용 단말기에서 서로 유사도가 매우 높은 특징점들을 모아놓은 특징 그룹을 하나의 특징점으로 간주하여 건물 영역의 인식율을 향상시키기 위한 장치에 대하여 설명하였고, 이하 설명에서는 본 발명에 따른 상기 장치를 이용하여 특징 그룹을 하나의 특징점으로 간주하여 대응 관계를 추정함으로써 건물 영역의 인식율을 향상시키기 위한 방법에 대하여 설명할 것이다.
도 2는 본 발명의 바람직한 일 실시 예에 따른 휴대용 단말기에서 이미지의 부분 영역을 인식하는 과정을 도시한 흐름도이다.
상기 도 2를 참조하면, 상기 부분 영역은 상기 이미지에 포함된 특정 영역으로 본 발명에서는 건물 영역을 예를 들어 설명한다.
먼저, 상기 부분 영역을 인식하기 위한 휴대용 단말기는 201단계에서 본 발명에 따라 텍스쳐 기반의 특징 추출 기술을 이용하여 이미지 속에 포함된 건물을 인식하기 위한 부분 영역 인식 과정을 수행한다.
상기와 같은 부분 영역 인식 과정을 수행한 휴대용 단말기는 203단계로 진행하여 이미지의 부분 영역 인식을 위한 특징점을 추출한다. 여기에서, 상기 특징점은 입력되는 이미지에서 건물을 인식하기 위한 기준점으로 창문, 간판, 외변 그림 등이 될 수 있으며, 상기 휴대용 단말기는 SIFT(Scale Invariant Feature Transform), SURF(Speeded Up Robust Feature) 등과 같은 특징 추출 기술을 통해 상기 특징점을 추출할 수 있다.
일반적인 휴대용 단말기는 입력 이미지에서 추출한 특징점과 비교 이미지에서 추출한 특징점의 대응 관계를 추정한 후, 입력 이미지의 부분 영역과 동일한 영역을 비교 이미지에서 인식한다.
하지만, 상기와 같은 방법은 반복적인 건물의 외벽 구조로 인하여 규칙적인 특징점의 추출로 인하여 상기 추출한 특징점의 정합이 이루어지지 않아 건물 인식이 수행되지 않는 문제점이 발생한다. 즉, 기존의 휴대용 단말기에서 건물을 인식할 경우, 상기 이미지에 포함된 건물은 유리외벽 건물이 아니어야 하고, 색상 및 외관이 독특한 건물에 한정하여 인식이 가능한 문제가 발생한다.
이에 따라 본 발명에 따른 휴대용 단말기는 상기 203단계에서 특징점을 추출한 후, 205단계로 진행하여 상기 추출한 특징점들을 유사도에 따라 특징점을 그룹화하는 특징 그룹화 과정을 수행한다.
여기에서, 상기 특징 그룹화 과정은 앞서 설명한 바와 같이 반복적인 구조를 갖는 건물에서 규칙적으로 추출되는 특징점 가운데 서로 유사도가 매우 높은 특징점들을 그룹화하여 하나의 특징점으로 간주하기 위한 과정으로 상기 특징 그룹화 과정은 하기 도 3에서 상세히 설명할 것이다.
이후, 상기 휴대용 단말기는 207단계로 진행하여 입력 이미지와 비교 이미지의 특징점들을 비교하는 과정을 수행하여 상기 특징점들의 대응 관계를 추정한다. 상기 특징점들의 대응 관계를 추정하는 것은 입력 이미지의 건물이 존재하는 비교 이미지의 영역을 판단하는데 사용하는 것으로, 하기 도 4에서 상세히 설명할 것이다.
이후, 상기 휴대용 단말기는 209단계로 진행하여 상기 207단계에서 추정한 대응 관계를 이용하여 자세 추정 과정과 부분 영역 인식 과정을 수행한다.
상기 휴대용 단말기는 일반적으로 입력 이미지에서 추출한 특징점과 비교 이미지에서 추출한 특징점이 대응되는 갯수가 많을 수록 동일한 건물을 인식하였다고 판단할 수 있다. 하지만, 상기 입력 이미지에 포함된 건물은 사용자의 촬영 각도에 따라 회전될 수 있음으로 상기 특징점들에 대한 대응 관계로 정확한 건물 인식을 수행할 수 없다.
이에 따라 상기 휴대용 단말기는 대응되는 특징점들을 이용하여 이미지 간의 자세 변환 행렬을 추정하고, 상기 자세 변환 결과에 부합되는 경우에 동일한 건물이라고 판단하여 건물 인식 성능을 향상시킬 수도 있다.
또한, 상기 휴대용 단말기는 대응되는 특징점의 갯수와 호모그래피 변환 결과를 결합하여 건물 인식 성능을 향상시킬 수 있다.
즉, 상기 휴대용 단말기는 대응되는 특징점이 많더라도 호모그래피의 결과가 어긋나는 영역에 대하여 건물로 인식되지 않는 오류를 방지하기 한다.
상기와 같은 동작을 수행하기 위한 휴대용 단말기는 호모그래피 변환에 의한 오류와 대응되는 특징점의 개수를 함께 함수화하여 호모그래피 변환에 의한 오류가 작으면서 대응되는 특징점의 개수가 많을수록 동일한 건물영상으로 인식되도록 함수를 미리 정의할 수 있으며, 상기 함수의 파라미터를 조절하여 대응되는 특징점의 개수나 호모그래피 변환오류 등에 더 가중치를 부여하여 우선 순위를 변경할 수 있다.
이후, 상기 휴대용 단말기는 본 알고리즘을 종료한다.
도 3은 본 발명의 바람직한 일 실시 예에 따른 휴대용 단말기에서 서로 유사도가 매우 높은 특징점들을 그룹화하는 과정을 도시한 흐름도이다.
상기 도 3을 참조하면, 상기 휴대용 단말기는 먼저 301단계에서 추출된 특징점 가운데 임의의 기준점을 선정한다.
이후, 상기 휴대용 단말기는 상기 301단계에서 선정한 기준점과 주변에 존재하는 주변 특징점과의 거리를 비교한 후, 305단계로 진행하여 두 특징점(기준점과 주변 특징점) 사이의 거리가 임계치 이하인지 확인한다.
여기에서, 상기 휴대용 단말기는 상기 특징점 사이의 거리가 작을 수록 서로 유사도가 매우 높은 특징점이라고 판단하고, 상기 특징점 사이의 거리가 멀 수록 특성이 다른 특징점이라고 판단하는 것으로, 상기 휴대용 단말기는 하기 <수학식 1>을 이용하여 유사도가 높은 특징점을 판단할 수 있다.
Figure pat00001
여기에서, 상기 P1는 추출된 특징점 가운데 임의의 기준점, P2는 주변에 존재하는 다른 특징점을 의미하고, 상기 T1은 특징 점 간의 유사성을 판단하는 임계값을 의미한다.
만일, 상기 305단계에서 두 특징점 간의 거리가 임계치 이하임을 확인하여 주변에 특징점이 상기 기준점하고 서로 유사도가 매우 높은 특징점이라고 판단할 경우, 상기 휴대용 단말기는 307단계로 진행하여 서로 유사도가 매우 높은 주변 특징점을 동일한 그룹에 포함시킨다.
상기와 같이 주변 특징점을 동일한 그룹에 포함시키거나 또는 상기 305단계에서 두 특징점 간의 거리가 임계치 이상임을 확인하여 상기 주변 특징점이 상기 기준점하고 유사하지 않다고 판단할 경우, 상기 휴대용 단말기는 309단계로 진행하여 모든 특징 벡터 즉, 모든 주변 특징점에 대한 그룹화 과정을 완료하였는지 확인한다.
만일, 상기 309단계에서 모든 주변 특징점에 대한 그룹화 과정을 완료하지 않을 경우, 상기 휴대용 단말기는 311단계로 진행하여 그룹화된 특징 벡터의 평균을 대표 벡터로 표현하여 상기 대표 벡터를 새로운 기준점으로 선정한다.
이때, 상기 휴대용 단말기는 하기 <수학식 2>를 이용하여 사기 그룹화된 특징 벡터의 평균 벡터를 구할 수 있다.
Figure pat00002
여기에서, 상기 Pmean은 그룹화된 특징 벡터의 평균 벡터를 의미하고, N(G)는 그룹에 포함된 특징점의 갯수를 나타낸다.
상기와 같이 새로운 기준점을 선정한 휴대용 단말기는 상기 303단계의 과정을 재수행한다.
한편, 상기 309단계에서 모든 주변 특징점에 대한 그룹화 과정을 완료할 경우, 상기 휴대용 단말기는 상기 도 2의 207단계로 진행하여 입력 이미지와 비교 이미지의 특징점들을 비교하는 과정을 수행한다.
도 4는 본 발명의 바람직한 일 실시 예에 따른 휴대용 단말기에서 입력 이미지와 비교 이미지의 특징점들을 비교하는 과정을 도시한 흐름도이다.
상기 도 4를 참조하면, 상기 휴대용 단말기는 먼저 401단계에서 서로 유사도가 매우 높은 특징점들로 구성된 그룹에 포함된 특징점의 갯 수를 확인한다.
이후, 상기 휴대용 단말기는 403단계로 진행하여 상기 그룹에 포함된 특징점이 한 개인지 확인한다.
만일, 상기 403단계에서 상기 그룹에 포함된 특징점이 한 개임을 확인할 경우, 상기 휴대용 단말기는 407단계로 진행하여 하나의 특징점으로 대응 관계를 추정하는 기존의 방식을 수행한다.
한편, 상기 403단계에서 상기 그룹에 포함된 특징점이 다수임을 확인할 경우, 상기 휴대용 단말기는 405단계로 진행하여 특징 그룹을 이용하여 대응 관계를 추정한다.
이때, 상기 휴대용 단말기는 상기 그룹화된 특징 벡터들의 평균 벡터를 의미하는 대표 벡터끼리 탐색하여 대응 관계를 추정하는 것으로, 상기 휴대용 단말기는 유클리디언 거리를 기반으로 하기 <수학식 3>을 이용하여 상기 대응 관계를 추정할 수 있다.
Figure pat00003
여기에서, 상기 Pmean는 대표 벡터를 의미하는 것으로 ∥Pmean1-Pmea2∥는 대표 벡터 간의 거리를 의미한다. 또한 상기 T1은 대표 벡터 간의 대응 관계를 결정하기 위한 임계값을 의미한다.
상기와 같이 특정 그룹을 이용하여 대응 관계를 추정한 휴대용 단말기는 상기 도 2의 209단계로 진행하여 대응 관계를 이용하여 자세 추정 과정과 부분 영역 인식 과정을 수행한다.
도 5는 본 발명의 바람직한 일 실시 예에 따른 휴대용 단말기에서 대응 관계를 이용하여 자세 추정 과정과 부분 영역 인식 과정을 수행하는 과정을 도시한 흐름도이다.
상기 도 5를 참조하면, 상기 휴대용 단말기는 먼저 501단계에서 상기 도 4의 405단계에서 추정한 대응 관계를 분석하는 과정을 수행하는 것으로, 상기 휴대용 단말기는 특징 그룹이 모두 대응되었는지를 확인한다. 여기에서, 상기 휴대용 단말기는 그룹화된 특징 벡터들의 평균 벡터를 의미하는 대표 벡터가 대응되었는지를 확인하는 것이다.
만일, 상기 501단계에서 특징 그룹이 모두 대응되었음을 확인할 경우, 상기 휴대용 단말기는 507단계로 진행하여 입력 이미지에 포함된 건물 영역을 비교 이미지에서 인식하였다고 판단한다.
한편, 상기 501단계에서 특징 그룹이 모두 대응되지 않음을 확인할 경우, 상기 휴대용 단말기는 503단계로 진행하여 일정 갯수 이상의 대응되는 특징점을 확인하였는지 판단한다. 상기 503단계는 특징 그룹에 포함된 특징점들에 대한 대응 관계를 분석하는 것이다.
만일, 상기 503단계에서 일정 갯수 미만의 대응되는 특징점을 확인할 경우, 상기 휴대용 단말기는 509단계로 진행하여 입력 이미지에 포함된 건물 영역을 비교 이미지에서 인식하는데 실패하였다고 판단한다.
한편, 상기 503단계에서 일정 갯수 미만의 대응되는 특징점을 확인할 경우, 상기 휴대용 단말기는 하기 <수학식 4>를 이용하여 건물 영역을 인식하였다고 판단한다.
Figure pat00004
여기에서, 상기 N(G)는 입력 이미지 또는 비교 이미지 그룹의 특징점의 갯수를 의미하는 것이나 기 저장(샘플화)된 비교 이미지 그룹의 특징점의 갯수를 상기 N(G)로 사용하여 건물 영역 인식의 기준으로 이용한다. 상기 N(Ps)는 그룹화되지 않은 단일 특징벡터가 매칭된 총 개수를 나타내고, 상기 α는 건물 인식에 사용되는 특징점에 대한 가중치를 의미하는 것으로 상기 α는 0보다 크고 1보다 작은 값을 가질 수 있다. 또한, T2는 인식여부를 판단하는 기준값이다.
상기 <수학식 4>를 참조하면, 상기 휴대용 단말기는 상기 가중치 α를 이용하여 건물 인식에 사용되는 특징점의 비중을 변경할 수 있다.
일 예로, 상기 휴대용 단말기가 그룹화되지 않은 특징점을 이용하여 건물 영역을 인식할 경우(α를 "0"으로 설정), 상기 N(Ps)가 T2보다 큰 지를 확인하여 건물 인식 여부를 판단할 것이다.
반대로 상기 휴대용 단말기가 그룹화된 특징점을 이용하여 건물 영역을 인식할 경우(α를 "1"으로 설정), 상기 N(G)값이 T2보다 큰 지를 확인하여 건물 인식 여부를 판단할 것이다.
즉, 상기 휴대용 단말기는 여러 개의 대표벡터가 매칭되는 경우에 그룹으로 묶여진 특징점들을 이용하여 건물 인식하는 확률을 높인다.
상기와 같이 건물 영역을 인식한 휴대용 단말기는 505단계로 진행하여 자세 변환 정보를 이용하여 건물 영역의 인식율을 향상시키는 과정을 수행한다.
이때, 상기 휴대용 단말기는 대응되는 특징점의 갯수와 호모그래피 변환 결과를 결합하여 건물 인식 성능을 향상시킬 수 있는 것으로, 대응되는 특징점이 많더라도 호모그래피의 결과가 어긋나는 영역에 대하여 건물로 인식되지 않는 오류를 방지하기 한다.
상기와 같은 동작을 수행하기 위한 휴대용 단말기는 호모그래피 변환에 의한 오류와 대응되는 특징점의 개수를 함께 함수화하여 호모그래피 변환에 의한 오류가 작으면서 대응되는 특징점의 개수가 많을수록 동일한 건물영상으로 인식되도록 함수를 미리 정의할 수 있으며, 상기 함수의 파라미터를 조절하여 대응되는 특징점의 개수나 호모그래피 변환오류 등에 더 가중치를 부여하여 우선 순위를 변경할 수 있다.
이후, 상기 휴대용 단말기는 507단계로 진행하여여 입력 이미지에 포함된 건물 영역을 비교 이미지에서 인식하였다고 판단한다.
또한, 상기 휴대용 단말기는 규칙적으로 추출된 특징점들의 위치관계를 분석한 후, 이미지 간의 특징점들의 규칙성을 비교하여 동일한 건물임을 인식할 수 있다. 예를 들어, 건물의 창틀과 같은 규칙적인 구조에서 일정한 규칙성을 갖는 위치로 특징점들이 분포함에 따라 상기 휴대용 단말기는 특징점이 추출되면 추출된 특징점들의 위치관계를 분석하여, 특징점들의 규칙적인 배열상태를 추정하고, 이를 비교하여 건물인식에 적용한다. 즉, 상기 휴대용 단말기는 상기 추출된 특징점들의 위치로부터 직선 방정식 추출, 상대적인 거리 관계 등을 측정하고, 이를 다양한 투영변환을 이용하여 비교함으로써, 동일한 건물여부를 판단할 수 있다.
이후, 상기 휴대용 단말기는 본 알고리즘을 종료한다.
한편 본 발명의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
100: 제어부 102: 이미지 분석부
104: 특징점 추출부 106: 그룹화부
108: 인식부

Claims (20)

  1. 휴대용 단말기에서 건물 영역을 인식하기 위한 장치에 있어서,
    건물 인식에 필요한 특징점을 추출한 경우, 상기 특징점들 가운데 유사성이 있는 특징점을 그룹으로 분류하고, 상기 분류한 그룹을 특징점으로 간주하여 대응 관계를 추정한 후 건물을 인식하는 이미지 분석부를 포함하는 것을 특징으로 하는 장치.
  2. 제 1항에 있어서,
    상기 이미지 분석부는,
    강기 추출된 특징점 가운데 임의의 특징점을 기준점으로 설정하여 상기 기준점과 주변 특징점 간의 거리를 비교하고, 상기 비교한 거리가 임계치 이하일 경우, 상기 유사성이 있는 특징점이라고 판단하여 상기 유사성이 있는 특징점을 그룹으로 분류하는 것을 특징으로 하는 장치.
  3. 제 2항에 있어서,
    상기 이미지 분석부는,
    하기 <수학식 5>를 이용하여 상기 유사성이 있는 특징점을 그룹으로 분류하는 것을 특징으로 하는 장치.
    <수학식 5>
    Figure pat00005

    여기에서, 상기 P1는 추출된 특징점 가운데 임의의 기준점, P2는 주변에 존재하는 다른 특징점을 의미하고, 상기 T1은 특징 점 간의 유사성을 판단하는 임계값을 의미한다.
  4. 제 2항에 있어서,
    상기 이미지 분석부는,
    상기 특징점을 그룹으로 분류한 후, 상기 그룹의 특징 벡터의 평균을 새로운 기준점으로 설정하여 상기 주변 특징점과의 거리를 비교함으로써, 상기 유사성이 있는 특징점을 그룹으로 분류하는 것을 특징으로 하는 장치.
  5. 제 4항에 있어서,
    상기 이미지 분석부는,
    하기 <수학식 6>을 이용하여 특징 벡터의 평균을 계산하는 것을 특징으로 하는 장치.
    <수학식 6>
    Figure pat00006

    여기에서, 상기 Pmean은 그룹화된 특징 벡터의 평균 벡터를 의미하고, N(G)는 그룹에 포함된 특징점의 갯수를 나타낸다.
  6. 제 1항에 있어서,
    상기 이미지 분석부는,
    하기 <수학식 7>을 통해 대표 벡터끼리 탐색하여 대응 관계를 추정하는 것을 특징으로 하는 장치.
    <수학식 7>
    Figure pat00007

    여기에서, 상기 Pmean는 대표 벡터를 의미하는 것으로 ∥Pmean1-Pmea2∥는 대표 벡터 간의 거리를 의미한다. 또한 상기 T1은 대표 벡터 간의 대응 관계를 결정하기 위한 임계값을 의미한다.
  7. 제 6항에 있어서,
    상기 이미지 분석부는,
    상기 대응 관계를 추정한 후, 하기 <수학식 8>을 이용하여 건물을 인식하는 것을 특징으로 하는 장치.
    <수학식 8>
    Figure pat00008

    여기에서, 상기 N(G)는 입력 이미지 또는 비교 이미지 그룹의 특징점의 갯수를 의미하는 것이나 기 저장(샘플화)된 비교 이미지 그룹의 특징점의 갯수를 상기 N(G)로 사용하여 건물 영역 인식의 기준으로 이용한다. 상기 N(Ps)는 그룹화되지 않은 단일 특징벡터가 매칭된 총 개수를 나타내고, 상기 α는 건물 인식에 사용되는 특징점에 대한 가중치를 의미하는 것으로 상기 α는 0보다 크고 1보다 작은 값을 가질 수 있다. 또한, T2는 인식여부를 판단하는 기준값이다.
  8. 제 6항에 있어서,
    상기 이미지 분석부는,
    상기 대응 관계를 추정한 후, 자세 변환 정보를 이용하여 건물 인식율을 향상시키는 것을 특징으로 하는 장치.
  9. 제 8항에 있어서,
    상기 이미지 분석부는,
    상기 자세 변환 정보와 대응되는 특징점의 갯수를 함수화한 후, 상기 자세 변환 정보의 오류가 적으면서 상기 대응되는 특징점의 갯수가 많을 수록 동일 건물이라고 인식하는 것을 특징으로 하는 장치.
  10. 제 9항에 있어서,
    상기 이미지 분석부는,
    상기 자세 변환 정보 또는 대응되는 특징점의 가중치를 조절하여 건물 인식에 우선이되는 파라미터를 설정하는 상기 건물 인식율을 향상시키는 것을 특징으로 하는 장치.
  11. 휴대용 단말기에서 건물 영역을 인식하기 위한 방법에 있어서,
    건물 인식에 필요한 특징점을 추출한 경우, 상기 특징점들 가운데 유사성이 있는 특징점을 그룹으로 분류하는 과정과,
    상기 분류한 그룹을 특징점으로 간주하여 대응 관계를 추정한 후, 건물을 인식하는 과정을 포함하는 것을 특징으로 하는 방법.
  12. 제 11항에 있어서,
    상기 유사성이 있는 특징점을 그룹으로 분류하는 과정은,
    강기 추출된 특징점 가운데 임의의 특징점을 기준점으로 설정하는 과정과,
    상기 기준점과 주변 특징점 간의 거리를 비교하는 과정과,
    상기 비교한 거리가 임계치 이하일 경우, 유사성이 있는 특징점이라고 판단하여 그룹으로 분류하는 과정을 더 포함하는 것을 특징으로 하는 방법.
  13. 제 12항에 있어서,
    상기 유사성이 있는 특징점이라고 판단하는 과정은,
    하기 <수학식 9>를 이용하여 수행하는 것을 특징으로 하는 방법.
    <수학식 9>
    Figure pat00009

    여기에서, 상기 P1는 추출된 특징점 가운데 임의의 기준점, P2는 주변에 존재하는 다른 특징점을 의미하고, 상기 T1은 특징 점 간의 유사성을 판단하는 임계값을 의미한다.
  14. 제 12항에 있어서,
    상기 유사성이 있는 특징점을 그룹으로 분류하는 과정은,
    상기 특징점을 그룹으로 분류한 후, 모든 주변 특징점과의 그룹화 과정을 수행하였는지 판단하는 과정과,
    상기 모든 주변 특징점과의 그룹화 과정을 수행하지 않은 경우, 상기 그룹의 특징 벡터의 평균을 새로운 기준점으로 설정하는 과정과,
    상기 새로운 기준점을 이용하여 상기 주변 특징점과의 거리를 비교하는 과정을 더 포함하는 것을 특징으로 하는 방법.
  15. 제 14항에 있어서,
    상기 특징 벡터의 평균은,
    하기 <수학식10>을 이용하여 계산하는 것을 특징으로 하는 방법.
    <수학식 10>
    Figure pat00010

    여기에서, 상기 Pmean은 그룹화된 특징 벡터의 평균 벡터를 의미하고, N(G)는 그룹에 포함된 특징점의 갯수를 나타낸다.
  16. 제 11항에 있어서,
    상기 대응 관계를 추정하여 건물을 인식하는 과정은,
    하기 <수학식 11>을 통해 대표 벡터끼리 탐색하여 대응 관계를 추정하는 과정을 더 포함하는 것을 특징으로 하는 방법.
    <수학식 11>
    Figure pat00011

    여기에서, 상기 Pmean는 대표 벡터를 의미하는 것으로 ∥Pmean1-Pmea2∥는 대표 벡터 간의 거리를 의미한다. 또한 상기 T1은 대표 벡터 간의 대응 관계를 결정하기 위한 임계값을 의미한다.
  17. 제 16항에 있어서,
    상기 대응 관계를 추정하여 건물을 인식하는 과정은,
    상기 대응 관계를 추정한 후, 하기 <수학식 12>를 이용하여 건물을 인식하는 과정을 더 포함하는 것을 특징으로 하는 방법.
    <수학식 12>
    Figure pat00012

    여기에서, 상기 N(G)는 입력 이미지 또는 비교 이미지 그룹의 특징점의 갯수를 의미하는 것이나 기 저장(샘플화)된 비교 이미지 그룹의 특징점의 갯수를 상기 N(G)로 사용하여 건물 영역 인식의 기준으로 이용한다. 상기 N(Ps)는 그룹화되지 않은 단일 특징벡터가 매칭된 총 개수를 나타내고, 상기 α는 건물 인식에 사용되는 특징점에 대한 가중치를 의미하는 것으로 상기 α는 0보다 크고 1보다 작은 값을 가질 수 있다. 또한, T2는 인식여부를 판단하는 기준값이다.
  18. 제 16항에 있어서,
    상기 대응 관계를 추정하여 건물을 인식하는 과정은,
    상기 대응 관계를 추정한 후, 자세 변환 정보를 이용하여 건물 인식율을 향상시키는 과정을 더 포함하는 것을 특징으로 하는 방법.
  19. 제 18항에 있어서,
    상기 자세 변환 정보를 이용하여 건물 인식율을 향상시키는 과정은,
    상기 자세 변환 정보와 대응되는 특징점의 갯수를 함수화하는 과정과,
    상기 자세 변환 정보의 오류가 적으면서 상기 대응되는 특징점의 갯수가 많을 수록 동일 건물이라고 인식하는 과정을 더 포함하는 것을 특징으로 하는 방법.
  20. 제 19항에 있어서,
    상기 자세 변환 정보를 이용하여 건물 인식율을 향상시키는 과정은,
    상기 자세 변환 정보 또는 대응되는 특징점의 가중치를 조절하여 건물 인식에 우선이되는 파라미터를 설정하는 과정을 더 포함하는 것을 특징으로 하는 방법.
KR1020100005661A 2010-01-21 2010-01-21 휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법 KR20110085728A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020100005661A KR20110085728A (ko) 2010-01-21 2010-01-21 휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법
US13/011,572 US20110176734A1 (en) 2010-01-21 2011-01-21 Apparatus and method for recognizing building area in portable terminal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100005661A KR20110085728A (ko) 2010-01-21 2010-01-21 휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20110085728A true KR20110085728A (ko) 2011-07-27

Family

ID=44277627

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100005661A KR20110085728A (ko) 2010-01-21 2010-01-21 휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법

Country Status (2)

Country Link
US (1) US20110176734A1 (ko)
KR (1) KR20110085728A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9208399B2 (en) 2013-10-25 2015-12-08 Electronics And Telecommunications Research Institute Method of extracting visual descriptor using feature selection and system for the same
KR20220026741A (ko) 2020-08-26 2022-03-07 주식회사 케이스랩 이동체의 자율 주행 시스템 및 위치 추정 방법
US11341183B2 (en) 2018-04-26 2022-05-24 Electronics And Telecommunications Research Institute Apparatus and method for searching for building based on image and method of constructing building search database for image-based building search

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8989483B2 (en) * 2011-06-10 2015-03-24 Sri International Method and apparatus for inferring the geographic location of captured scene depictions
US9805282B2 (en) * 2011-11-18 2017-10-31 Nec Corporation Local feature descriptor extracting apparatus, method for extracting local feature descriptor, and program
JP6094949B2 (ja) * 2012-06-29 2017-03-15 日本電気株式会社 画像処理装置、画像処理方法、及びプログラム
CN103679129A (zh) * 2012-09-21 2014-03-26 中兴通讯股份有限公司 一种图像中的目标物体识别方法及装置
EP3298764B1 (en) * 2015-05-20 2021-08-11 Cognimatics AB Method and arrangement for calibration of cameras
US11120264B2 (en) 2017-06-02 2021-09-14 Apple Inc. Augmented reality interface for facilitating identification of arriving vehicle
CN109190585B (zh) * 2018-09-19 2021-09-03 云南师范大学 一种佤族居住区域判别方法
CN114399490B (zh) * 2022-01-13 2023-03-31 如你所视(北京)科技有限公司 建筑物涂刷质量检测方法和装置、计算机可读存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5640468A (en) * 1994-04-28 1997-06-17 Hsu; Shin-Yi Method for identifying objects and features in an image
US6188799B1 (en) * 1997-02-07 2001-02-13 Matsushita Electric Industrial Co., Ltd. Method and apparatus for removing noise in still and moving pictures
WO2001041451A1 (en) * 1999-11-29 2001-06-07 Sony Corporation Video/audio signal processing method and video/audio signal processing apparatus
US7016532B2 (en) * 2000-11-06 2006-03-21 Evryx Technologies Image capture and identification system and process
EP1376502A1 (de) * 2002-06-10 2004-01-02 Siemens Building Technologies AG Objektschutz-Einrichtung
WO2004042662A1 (en) * 2002-10-15 2004-05-21 University Of Southern California Augmented virtual environments
AU2004298635B2 (en) * 2003-12-18 2008-02-28 1626628 Ontario Limited System, apparatus and method for mapping
JP4172584B2 (ja) * 2004-04-19 2008-10-29 インターナショナル・ビジネス・マシーンズ・コーポレーション 文字認識結果出力装置、文字認識装置、その方法及びプログラム
JP4624287B2 (ja) * 2006-03-17 2011-02-02 株式会社パスコ 建物形状変化検出方法及び建物形状変化検出システム
CN101536031B (zh) * 2006-09-29 2013-07-17 汤姆森许可贸易公司 用于基于像素的自适应滤波的自动参数估计
US8031914B2 (en) * 2006-10-11 2011-10-04 Hewlett-Packard Development Company, L.P. Face-based image clustering
US8682064B2 (en) * 2008-11-25 2014-03-25 Nec System Technologies, Ltd. Building change detection apparatus, building change detection method and program
KR101572851B1 (ko) * 2008-12-22 2015-11-30 삼성전자 주식회사 동적 환경에서 모바일 플랫폼의 지도 작성방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9208399B2 (en) 2013-10-25 2015-12-08 Electronics And Telecommunications Research Institute Method of extracting visual descriptor using feature selection and system for the same
US11341183B2 (en) 2018-04-26 2022-05-24 Electronics And Telecommunications Research Institute Apparatus and method for searching for building based on image and method of constructing building search database for image-based building search
KR20220026741A (ko) 2020-08-26 2022-03-07 주식회사 케이스랩 이동체의 자율 주행 시스템 및 위치 추정 방법

Also Published As

Publication number Publication date
US20110176734A1 (en) 2011-07-21

Similar Documents

Publication Publication Date Title
KR20110085728A (ko) 휴대용 단말기에서 건물 영역을 인식하기 위한 장치 및 방법
CN111368934B (zh) 图像识别模型训练方法、图像识别方法以及相关装置
CN109117862B (zh) 图像标签识别方法、装置及服务器
KR20100090864A (ko) 휴대용 단말기에서 손 모양을 인식하기 위한 장치 및 방법
EP2558980B1 (en) Method and apparatus for visual search stability
CN101802824A (zh) 用于提供视觉搜索接口的方法、装置和计算机程序产品
US20210241015A1 (en) Image processing method and apparatus, and storage medium
CN110443366B (zh) 神经网络的优化方法及装置、目标检测方法及装置
CN100521695C (zh) 操作具有集成照相装置的移动通信终端的设备和方法
KR20120024073A (ko) 객체 리스트를 이용한 증강 현실 제공 장치 및 방법
CN101248410A (zh) 用于识别运动模式的设备和方法
KR20080031967A (ko) 움직임 패턴 식별 장치 및 방법
CN111435432B (zh) 网络优化方法及装置、图像处理方法及装置、存储介质
KR20110132208A (ko) 휴대용 단말기의 영역 인식 장치 및 방법
US20210342632A1 (en) Image processing method and apparatus, electronic device, and storage medium
CN110009004B (zh) 图像数据处理方法、计算机设备和存储介质
CN109495616B (zh) 一种拍照方法及终端设备
CN111339842A (zh) 一种视频卡顿识别方法、装置及终端设备
CN109840444B (zh) 一种扫码识别方法、设备及计算机可读存储介质
KR20110010939A (ko) 휴대용 단말기에서 음성 인식 성능을 향상시키기 위한 장치 및 방법
CN111931844A (zh) 图像处理方法及装置、电子设备和存储介质
US20100056188A1 (en) Method and Apparatus for Processing a Digital Image to Select Message Recipients in a Communication Device
KR20100127585A (ko) 휴대용 단말기에서 위치 정보를 확인하기 위한 장치 및 방법
CN113283343A (zh) 人群定位方法及装置、电子设备和存储介质
KR101865197B1 (ko) 휴대용 단말기에서 코드 이미지를 획득하기 위한 장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application