KR20180087944A - 스테레오 매칭 방법 및 장치 - Google Patents

스테레오 매칭 방법 및 장치 Download PDF

Info

Publication number
KR20180087944A
KR20180087944A KR1020170012360A KR20170012360A KR20180087944A KR 20180087944 A KR20180087944 A KR 20180087944A KR 1020170012360 A KR1020170012360 A KR 1020170012360A KR 20170012360 A KR20170012360 A KR 20170012360A KR 20180087944 A KR20180087944 A KR 20180087944A
Authority
KR
South Korea
Prior art keywords
reference points
image
class
points
stereo matching
Prior art date
Application number
KR1020170012360A
Other languages
English (en)
Inventor
박승인
안민수
김지연
Original Assignee
삼성전자주식회사
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 filed Critical 삼성전자주식회사
Priority to KR1020170012360A priority Critical patent/KR20180087944A/ko
Priority to US15/707,048 priority patent/US10818025B2/en
Publication of KR20180087944A publication Critical patent/KR20180087944A/ko
Priority to US17/028,195 priority patent/US11417006B2/en

Links

Images

Classifications

    • 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
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • 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
    • 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
    • G06T7/507—Depth or shape recovery from shading
    • 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
    • G06T7/529—Depth or shape recovery from texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/122—Improving the 3D impression of stereoscopic images by modifying image signal contents, e.g. by filtering or adding monoscopic depth cues
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/128—Adjusting depth or disparity
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N2013/0074—Stereoscopic image analysis
    • H04N2013/0081—Depth or disparity estimation from stereoscopic image signals

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)
  • Artificial Intelligence (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Measurement Of Optical Distance (AREA)

Abstract

일 실시예에 따른 스테레오 매칭 방법 및 장치는 제1 영상의 특징점들 및 제1 영상과 함께 스테레오 영상을 구성하는 제2 영상의 특징점들을 추출하고, 제2 영상의 특징점들을 제1 영상의 특징점들에 대응시킴으로써 기준점들을 결정하고, 기준점들을 분류하며, 분류 결과에 따라 결정되는 기준점들의 시차를 기초로, 제1 영상 및 제2 영상의 픽셀들에 대한 스테레오 매칭을 수행한다.

Description

스테레오 매칭 방법 및 장치{METHOD AND APPARATUS FOR STEREO MATCHING}
아래 실시예들은 스테레오 매칭 방법 및 장치에 관한 것이다.
인간은 서로 다른 위치에서 획득된 두 영상을 적절히 매칭함으로써 거리를 파악할 수 있다. 스테레오 매칭(stereo matching)은 이러한 인간의 거리 추출 능력을 자동화하기 위한 컴퓨터 시각 분야 중 하나이다. 스테레오 영상은 좌측 영상과 우측 영상을 포함할 수 있다. 적절한 스테레오 효과를 위해서 좌측 영상과 우측 영상은 서로 정렬(align)될 수 있다. 또한, 스테레오 매칭을 통해, 정렬된 스테레오 영상 내의 대응 쌍들(corresponding pairs)이 추출될 수 있다. 대응 쌍들의 시차(disparity)는 깊이 정보의 획득에 이용될 수 있다.
일 측에 따르면, 스테레오 매칭 방법은 제1 영상의 특징점들 및 상기 제1 영상과 함께 스테레오 영상을 구성하는 제2 영상의 특징점들을 추출하는 단계; 상기 제2 영상의 특징점들을 상기 제1 영상의 특징점들에 대응(correspondence) 시킴으로써 기준점들을 결정하는 단계; 상기 기준점들을 분류(classify)하는 단계; 및 상기 분류 결과에 따라 결정되는 상기 기준점들의 시차(disparity)를 기초로, 상기 제1 영상 및 상기 제2 영상의 픽셀들에 대한 스테레오 매칭을 수행하는 단계를 포함한다.
상기 기준점들을 결정하는 단계는 윈도우 기반의 상관도(window-based correlation)를 기초로, 상기 제2 영상의 특징점들을 상기 제1 영상의 특징점들에 대응시키는 단계; 및 상기 윈도우 기반의 상관도 측정을 위한 비용 함수를 이용하여 상기 대응시킨 특징점들 중 최적 비용을 갖는 특징점들을 상기 기준점들로 결정하는 단계를 포함할 수 있다.
상기 기준점들을 분류하는 단계는 상기 기준점들이 깊이 불연속(depth discontinuity)이 발생하는 영역, 가려지는(occluded) 영역, 및 미리 설정된 기준 이하의 질감(texture)을 갖는 영역에 존재하는지 여부, 및 상기 기준점들이 미리 설정된 신뢰도 이상의 시차 값을 갖는지 여부 중 적어도 하나에 기초하여, 상기 기준점들의 클래스를 분류하는 단계를 포함할 수 있다.
상기 기준점들을 분류하는 단계는 상기 대응에 의해 일관성(consistency)이 유지되는지 여부, 윈도우 기반의 상관도 측정을 위한 비용 함수에 의해 산출한 상기 기준점들의 상관도 비용들 중 첫 번째 최적 비용 및 두 번째 최적 비용 간의 비율, 및 복수 개의 최적 비용들의 검출 여부 중 적어도 하나에 기초하여, 상기 기준점들의 클래스를 분류하는 단계를 포함할 수 있다.
상기 기준점들의 클래스를 분류하는 단계는 상기 기준점들 중 상기 대응에 의해 일관성이 유지되지 않는 기준점을 제1 클래스로 분류하는 단계; 상기 기준점들 중 상기 일관성은 유지되나, 상기 첫 번째 최적 비용 및 상기 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 미달하는 기준점을 제2클래스로 분류하는 단계; 및 상기 기준점들 중 상기 일관성이 유지되고, 상기 첫 번째 최적 비용 및 상기 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 도달하는 기준점을 제3 클래스로 분류하는 단계를 포함할 수 있다.
상기 기준점들을 분류하는 단계는 상기 기준점들의 클래스에 따라 상기 기준점들을 라벨링(labeling)하는 단계를 포함할 수 있다.
상기 스테레오 매칭을 수행하는 단계는 상기 기준점들의 시차에 대한 신뢰도를 기초로, 상기 기준점들의 시차 값을 갱신(update)함으로써 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계를 포함할 수 있다.
상기 기준점들의 시차 값을 갱신함으로써 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계는 상기 기준점들의 시차에 대한 신뢰도를 기초로, 상기 기준점들 중 제1 클래스 또는 제2 클래스로 분류된 기준점에 인접하고 제3 클래스로 분류된 기준점의 시차 값을, 상기 제1 클래스 및 상기 제2 클래스 중 적어도 하나로 분류된 기준점의 시차 값으로 전파(propagate)하는 단계; 및 상기 전파된 시차 값을 이용하여 상기 픽셀들에 대한 상기 스테레오 매칭을 수행하는 단계를 포함할 수 있다.
상기 전파된 시차 값을 이용하여 상기 픽셀들에 대한 상기 스테레오 매칭을 수행하는 단계는 상기 제1 클래스, 상기 제2 클래스, 및 상기 제 3클래스로 분류된 기준점을 꼭지점으로 하는 다각형을 결정하는 단계; 상기 전파된 시차 값을 기초로, 상기 다각형 내에 위치한 픽셀들의 시차를 산출하는 검색 범위를 결정하는 단계; 및 상기 검색 범위에 기초하여, 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계를 포함할 수 있다.
상기 기준점들의 시차 값을 갱신함으로써 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계는 상기 제1 영상 및 상기 제2 영상 각각에서 제 1 및 제2 클래스로 분류된 기준점들의 시차 값을 추출하는 윈도우를 재설정하는 단계; 및 상기 재설정된 윈도우에 기초하여 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계를 포함할 수 있다.
상기 윈도우를 재설정하는 단계는 상기 제1 클래스 및 상기 제2 클래스로 분류된 기준점들 중 인접한 기준점들과 깊이가 불연속한 기준점에 대하여 동일 사이즈의 다수의 윈도우들(multiple windows) 또는 각도가 조정되는 쉬프티드 윈도우 중 적어도 하나를 이용하여 상기 윈도우를 재설정하는 단계; 및 상기 분류 결과, 상기 제1 클래스 및 상기 제2 클래스로 분류된 기준점들 중 인접한 기준점들과 깊이가 연속하는 기준점에 대하여 상기 윈도우의 크기를 확장한 확장 윈도우를 이용하여 상기 윈도우를 재설정하는 단계 중 적어도 하나를 포함할 수 있다.
일 측에 따르면, 스테레오 매칭 장치는 프로세서; 및 컴퓨터에서 읽을 수 있는 명령어를 포함하는 메모리를 포함하고, 상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는 제1 영상의 특징점들 및 상기 제1 영상과 함께 스테레오 영상을 구성하는 제2 영상의 특징점들을 추출하고, 상기 제2 영상의 특징점들을 상기 제1 영상의 특징점들에 대응시켜 기준점들을 결정하고, 상기 기준점들을 분류하며, 상기 분류 결과에 따라 결정되는 상기 기준점들의 시차를 기초로, 상기 제1 영상 및 상기 제2 영상의 픽셀들에 대한 스테레오 매칭을 수행한다.
상기 프로세서는 윈도우 기반의 상관도를 기초로, 상기 제2 영상의 특징점들을 상기 제1 영상의 특징점들에 대응시키고, 상기 윈도우 기반의 상관도 측정을 위한 비용 함수를 이용하여 상기 대응시킨 특징점들 중 최적 비용을 갖는 특징점들을 상기 기준점들로 결정하며, 상기 메모리는 상기 기준점들에 대응하는 시차 값을 포함하는 정보를 저장할 수 있다.
상기 프로세서는 상기 기준점들이 깊이 불연속이 발생하는 영역, 가려지는 영역, 및 미리 설정된 기준 이하의 질감을 갖는 영역에 존재하는지 여부, 및 상기 기준점들이 미리 설정된 신뢰도 이상의 시차 값을 갖는지 여부 중 적어도 하나에 기초하여, 상기 기준점들의 클래스를 분류할 수 있다.
상기 프로세서는 상기 대응에 의해 일관성이 유지되는지 여부, 윈도우 기반의 상관도 측정을 위한 비용 함수에 의해 산출한 상기 기준점들의 상관도 비용들 중 첫 번째 최적 비용 및 두 번째 최적 비용 간의 비율, 및 복수 개의 최적 비용들의 검출 여부 중 적어도 하나에 기초하여, 상기 기준점들의 클래스를 분류할 수 있다.
상기 프로세서는 상기 기준점들 중 상기 대응에 의해 상기 일관성이 유지되지 않는 기준점을 제1 클래스로 분류하고, 상기 기준점들 중 상기 일관성은 유지되나, 상기 첫 번째 최적 비용 및 상기 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 미달하는 기준점을 제2클래스로 분류하고, 상기 기준점들 중 상기 일관성이 유지되고, 상기 첫 번째 최적 비용 및 상기 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 도달하는 기준점을 제3 클래스로 분류할 수 있다.
상기 프로세서는 상기 기준점들의 시차에 대한 신뢰도를 기초로, 상기 기준점들의 시차 값을 갱신함으로써 상기 픽셀들에 대한 스테레오 매칭을 수행할 수 있다.
상기 프로세서는 상기 기준점들의 시차에 대한 신뢰도를 기초로, 상기 기준점들 중 제1 클래스 또는 제2 클래스 분류된 기준점에 인접하고 제3 클래스로 분류된 기준점의 시차 값을, 상기 제1 클래스 또는 상기 제2 클래스로 분류된 기준점의 시차 값으로 전파하며, 상기 전파된 시차 값을 이용하여 상기 픽셀들에 대한 상기 스테레오 매칭을 수행할 수 있다.
상기 프로세서는 상기 제1 클래스, 상기 제2 클래스 및 상기 제 3클래스로 분류된 기준점을 꼭지점으로 하는 다각형을 결정하고, 상기 전파된 시차 값을 기초로, 상기 다각형 내에 위치한 픽셀들의 시차를 산출하는 검색 범위를 결정하며, 상기 검색 범위에 기초하여, 상기 픽셀들에 대한 스테레오 매칭을 수행할 수 있다.
도 1은 일 실시예에 따른 스테레오 매칭 과정을 나타낸 도면.
도 2는 일 실시예에 따른 스테레오 매칭에 이용되는 기준점을 설명하기 위한 도면.
도3은 일 실시예에 따른 스테레오 매칭 방법을 나타낸 흐름도.
도 4는 일 실시예에 따라 기준점들을 결정하는 방법을 나타낸 흐름도.
도 5는 일 실시예에 따라 기준점들을 분류하는 방법을 나타낸 흐름도.
도 6은 일 실시예에 따라 픽셀들에 대한 스테레오 매칭을 수행하는 방법을 나타낸 흐름도.
도 7은 다른 실시예에 따른 스테레오 매칭 방법을 나타낸 흐름도.
도 8은 일 실시예에 따른 스테레오 매칭 장치의 블록도.
본 명세서에 개시되어 있는 실시예들의 특정한 구조 또는 기능들은 단지 기술적 개념을 설명하기 위한 목적으로 예시된 것으로서, 다양한 다른 형태로 실시될 수 있다.
제1 또는 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 이해되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 스테레오 매칭 과정을 나타낸 도면이다. 도 1을 참조하면, 일 실시예에 따른 스테레오 매칭 장치(110)는 스테레오 영상을 수신하고, 스테레오 영상에 포함된 픽셀들에 관한 시차(disparity)를 출력한다. 스테레오 매칭 장치(110)는 적어도 하나의 소프트웨어 모듈, 적어도 하나의 하드웨어 모듈, 또는 이들의 다양한 조합으로 구현될 수 있다.
스테레오 영상은 좌측 영상(L) 및 우측 영상(R)을 포함할 수 있다. 스테레오 매칭 장치(110)는 우측 영상(R)에서 좌측 영상(L)에 포함된 픽셀들의 대응 픽셀들을 검출하거나, 혹은 좌측 영상(L)에서 우측 영상(R)에 포함된 픽셀들의 대응 픽셀들을 검출할 수 있다. 아래에서는 좌측 영상(L)을 기준으로 우측 영상(R)에서 대응 픽셀들이 검출되는 경우를 설명하겠으나, 우측 영상(R)을 기준으로 좌측 영상(L)에서 대응 픽셀이 검출될 수도 있다. 또한, 아래에서 좌측 영상(L) 및 우측 영상(R) 중 어느 하나는 제1 영상으로 지칭될 수 있고, 나머지 하나는 제2 영상으로 지칭될 수 있다.
스테레오 매칭 장치(110)는 좌측 영상(L)과 우측 영상(R)에서 대응 쌍(corresponding pair)들을 검출하고, 대응 쌍들의 시차들을 산정할 수 있다. 이러한 시차들에 기반하여, 스테레오 영상 내의 객체에 관한 깊이 정보가 생성될 수 있다. 깊이 정보는 3D 영상을 렌더링하거나, 사용자와 객체 간의 거리를 측정하는데 이용될 수 있다. 예를 들어, 증강 현실(augmented reality; AR)을 구현하기 위해, 출력 영상에서 실존하는 객체와 가상 객체가 혼합될 수 있다. 이 때, 실존하는 객체들의 깊이 정보를 이용하여 가상 객체를 실존하는 객체들 사이에 자연스럽게 배치할 수 있다.
깊이 정보는 모바일 디바이스 등의 소형 디바이스에서도 다양하게 활용될 수 있다. 소형 디바이스의 경우 배터리 용량이나 컴퓨팅 자원이 한정되어 있으므로, 스테레오 매칭의 정확도를 유지하면서, 스테레오 매칭에 소요되는 시간 및 자원을 최소화하는 것이 요구된다.
구체적으로, 스테레오 매칭 장치(110)는 제1 영상에 포함된 외형선을 따라 기준 픽셀들을 샘플링하고, 외형선 중 깊이가 급격하게 변하는 경계선 근방의 픽셀들 및 에지 등을 인지하여 에지 검출(edge detection)을 수행할 수 있다. 에지는 예를 들어, 직선, 곡선, 다각형, 원, 또는 점의 형태를 가질 수 있다.
스테레오 매칭 장치(110)는 이러한 다양한 형태의 에지들, 코너(corner) 및 그 밖의 명암이 급격하게 변화하는 지점(예를 들어, 서로 다른 객체들이 만나는 지점, 텍스쳐로 인한 무늬 등)을 포함하는 특징점들(feature points)에서 기준 픽셀들을 샘플링할 수 있다. 스테레오 매칭 장치는 특징점들에서 기준 픽셀들을 샘플링하고, 이를 바탕으로 다각형 메쉬를 생성할 수 있다. 한 객체 내에서는 깊이값이 급격하게 변하지 않는다는 가정(smoothness constraint)하에, 특정한 다각형 내에는 비슷한 깊이를 갖는 픽셀들이 속하게 된다. 따라서, 다각형 그물에 따라 픽셀들의 깊이 변화가 예측될 수 있고, 스테레오 매칭 장치는 다각형 그물을 이용하여 픽셀들을 효율적으로 스테레오 매칭할 수 있다.
도 1을 참조하면, 좌측 영상(L)에 기준 픽셀(10)을 포함하는 기준 픽셀들이 도시되어 있다.
스테레오 매칭 장치(110)는 스테레오 매칭을 통하여 제2 영상에서 기준 픽셀들에 관한 대응 픽셀들을 검출하고, 기준 픽셀들의 위치 및 대응 픽셀들의 위치에 기초하여 기준 픽셀들에 관한 시차들을 산정할 수 있다. 예를 들어, 스테레오 매칭 장치(110)는 일정한 크기의 윈도우를 이용하여 우측 영상(R)에서 최대 검색 범위에 해당하는 영역을 스캔할 수 있다. 좌측 영상(L)과 우측 영상(R)이 정렬(align)된 경우, 좌측 영상(L)에서 기준 픽셀(10)의 y 좌표에 기초하여, 우측 영상(R)에서 스캔 영역의 y 좌표가 결정될 수 있다. 우측 영상(R)에서 대응 픽셀(50)이 검출되면, 스테레오 매칭 장치(110)는 기준 픽셀(10)의 x 좌표와 대응 픽셀(50)의 x 좌표 간의 차에 기초하여 기준 픽셀(10)의 시차를 산정할 수 있다.
스테레오 매칭 장치(110)는 제1 영상에서 기준 픽셀들을 꼭지점으로 하는 다각형을 결정하고, 기준 픽셀들의 시차들에 기초하여 다각형 내에 위치한 픽셀들의 시차들을 포함하는 검색 범위를 예측(또는 결정)할 수 있다. 좌측 영상(L)을 참조하면, 기준 픽셀들을 꼭지점으로 하는 삼각형들이 도시되어 있다. 이러한 삼각형들은 삼각 그물(triangle mesh)을 형성할 수 있다. 좌측 영상(L)을 참조하면, 일부 영역에만 삼각 그물이 도시되어 있으나, 삼각 그물은 영상의 전체 영역에 형성될 수 있다. 아래에서는 삼각 그물에 따른 실시예를 설명하겠으나, 기준 픽셀들에 의해 사각 그물이나 오각 그물 등이 형성될 수 있다. 혹은, 기준 픽셀들에 의해 삼각형, 사각형 및 오각형 등의 다양한 형태의 다각형 그물이 형성될 수도 있다.
영상에 포함된 에지는 객체와 배경의 경계, 혹은 객체들 간의 경계 등을 나타낼 수 있다. 따라서, 에지를 경계로 깊이 정보가 크게 변할 수 있으며, 에지를 제외한 부분에서는 깊이 정보가 예측 가능한 수준에서 변할 수 있다. 예를 들어, 삼각형(20) 내에 위치한 픽셀의 시차와, 삼각형(30) 내에 위치한 픽셀의 시차 사이에는 불연속성(discontinuity)이 존재할 수 있다.
일 실시예에 따른 스테레오 매칭 장치(110)는 좌측 영상(L)과 우측 영상(R)에서 서로 매칭되지 못하나 경계에 존재하는 기준 픽셀들을 분류하고, 분류 결과에 따라 결정되는 기준 픽셀들의 시차를 기초로 각 영상의 픽셀들에 대한 스테레오 매칭을 수행할 수 있다.
일 실시예에 따른 스테레오 매칭 장치(110)는 예를 들어, 영상의 비주얼 큐(visual cue) 및 추정된 시차 값의 특성을 고려하여 기준 픽셀들을 분류할 수 있다.
스테레오 매칭 장치(110)는 예를 들어, 기준점이 깊이 불연속(depth discontinuity)이 발생하는 영역, 가려지는(occluded) 영역, 및 미리 설정된 기준 이하의 질감(texture)을 갖는 영역에 존재하는지 여부, 및 기준점들이 미리 설정된 신뢰도 이상의 시차 값을 갖는지 여부 등에 따라 기준점의 클래스를 분류할 수 있다.
스테레오 매칭 장치(110)는 각 기준점의 클래스에 따라 연관된 픽셀의 시차를 검색하는 범위 및 시차를 결정(추정)하는 방법 등을 달리하여 스테레오 매칭의 정확성을 높일 수 있다. 일 실시예에서 스테레오 매칭에 이용되는 기준점에 대하여는 도 2를 참조하여 구체적으로 설명한다.
또한, 스테레오 매칭 장치(110)는 픽셀 그룹들 별로 다른 기준 값에 기초하여 검색 범위를 예측할 수 있다. 예를 들어, 삼각형(30) 내에 위치한 픽셀의 스테레오 매칭을 위한 검색 범위는 삼각형(30)을 구성하는 세 개의 기준 픽셀들의 시차들에 기초하여 산정될 수 있다. 삼각형(20) 내에 위치한 픽셀의 스테레오 매칭을 위한 검색 범위는 삼각형(20)을 구성하는 세 개의 기준 픽셀들의 시차들에 기초하여 산정될 수 있다.
선분(40)에 위치한 기준 픽셀들의 시차들은 배경이 아닌 객체에 대응할 수 있다. 이 경우, 삼각형(20) 내에 위치한 픽셀의 스테레오 매칭을 위하여 예측된 검색 범위는 삼각형(20) 내에 위치한 픽셀의 실제 시차를 포함하지 않을 수 있다. 스테레오 매칭 장치(110)는 삼각형(20) 내에 위치한 픽셀의 스테레오 매칭을 위한 검색 범위가 해당 픽셀의 실제 시차를 포함하도록, 선분(40)에 위치한 기준 픽셀들의 시차들을 조정할 수 있다
도 2는 일 실시예에 따른 스테레오 매칭에 이용되는 기준점을 설명하기 위한 도면이다. 도 2에서 SP1, SP2, SP3, SP4는 양안 영상에서 강건하게 매칭되는 기준점에 해당하고, SP5는 경계에 위치하는 양안 영상 중 어느 한 영상에서 가려져 보이지 않은 기준점에 해당할 수 있다. 기준점은 양안 영상의 특징점들을 대응시킴으로써 결정될 수 있다.
도 2(a)를 참조하면, 스테레오 매칭 시에 양안 영상에서 강건하게 매칭되는 기준점을 이용하여 스테레오 매칭을 수행하는 경우가 도시된다.
객체의 에지 또는 경계 부분은 각 영상에서 명확하게 검출이 가능하다. 그럼에도 불구하고, 에지 또는 경계 부분이 양안 영상 중 어느 한쪽 영상에서 가려져 보이지 않는 경우, 스테레오 매칭이 불가능하다. 따라서, 에지 또는 경계 부분에 해당하는 픽셀이라도 도 2(a)의 경우와 같이, 스테레오 매칭에 이용되는 기준점에서 배제될 수 있다. 이 경우, 객체의 경계 정보는 무시된 채 양안에서 매칭된 픽셀들과 그에 따른 메쉬 구성만으로 스테레오 매칭이 수행되므로 시차가 부정확하게 결정될 수 있다.
도 2(a)에서 픽셀 Pi에 대한 시차는 SP1, SP2, SP3으로 이루어진 삼각형에 의해 정해진 검색 범위에서 수행될 수 있다. 픽셀 Pi에 대한 시차 검색 범위는 SP1 과 SP3의 시차 보간값을 이용하여 설정될 수 있다. 이때, SP3는 픽셀 Pi가 존재하는 객체(예를 들어, 볼링공)와는 다른 객체(예를 들어, 볼링 핀) 상에 존재하므로, SP3로 인해 픽셀 Pi에 대하여 유효하지 않은 시차 정보가 주어져 시차 계산 결과의 오류가 커질 수 있다.
또한, 픽셀 Pj 에 대한 시차는 SP2, SP3, SP4으로 이루어진 삼각형에 의해 정해진 검색 범위에서 수행될 수 있다. 이때, 픽셀Pj에 대한 시차 검색 범위는 SP2 와 SP3의 시차 보간값을 이용하여 설정될 수 있다. SP3 또한 픽셀 Pj가 존재하는 객체(볼링공)와는 다른 객체 상에 존재하므로 픽셀 Pj에 대하여도 유효하지 않은 시차 정보가 주어질 수 있다.
도 2(b)를 참조하면, 양안 영상에서 매칭되지 않으나 경계에 존재하는 기준점을 이용하여 스테레오 매칭을 수행하는 경우가 도시된다.
경계에 위치하는 SP5가 기준점으로 주어진 경우, 픽셀 Pi에 대한 시차는 SP1, SP2, SP5로 이루어진 삼각형에 의해 정해진 검색 범위에서 수행될 수 있다. 픽셀 Pi의 시차 검색 범위는 SP1 과 SP5의 시차 보간값을 이용하여 설정될 수 있다. 이때, SP5는 픽셀 Pi가 존재하는 객체(예를 들어, 볼링공)와 동일한 객체 상에 위치하므로, 픽셀 Pi에 대하여 유효한 시차 정보가 주어져 정확한 시차 계산 결과를 얻을 수 있다.
또한, 픽셀 Pj경우와 같이 픽셀이 속하는 삼각형이 여전히 객체의 경계에 완벽히 들어맞지 않는 경우에도, SP5로 인해 SP3에 의한 오류를 보정, 감소시키는 효과를 얻을 수 있다.
깊이 불연속이 발생하는 객체의 경계 등의 부분은 빛의 강도(light intensity)가 급격히 변하는 등의 특징을 보이므로 다수의 기준점들이 검출될 수 있다. 하지만, 경계 상에 존재하는 기준점들은 가려짐에 의해 양안 영상들 중 어느 한쪽의 영상에만 존재하는 경우가 상당하다. 가려진 기준점들은 강건한 매칭을 위해 양안에서 일관되게 나타나는지(보이는지)를 체크하는 일관성 체크(consistency check)를 거치며 기준점들의 집합에서 제외될 수 있다.
하지만, 각각의 영상들에서 이러한 경계(또는 에지) 상의 기준점들은 해당 영상을 가장 잘 묘사하는 특징 중 하나로서, 삼각 측량(triangulation)을 통한 메쉬 생성 시에 각각의 삼각형을 구성하는 데에 반영되어야 한다.. 그래야 후속 과정인 픽셀 매칭 시에 불연속성을 고려한 보다 정확한 시차 계산이 가능하기 때문이다.
따라서, 일 실시예에서는 경계(또는 에지)에 위치하나 가려진 기준점을 배제하지 않고 모든 기준점들의 클래스를 분류하여 기준점들의 집합에 포함시킴으로써 보다 정확한 시차 정보 및 보다 정확한 스테레오 매칭 결과를 얻을 수 있다.
다만, 양안 영상에서 매칭되지 않는 기준점의 경우, 매칭을 통한 시차 추정이 불가능하다. 일 실시예에서는 동일한 객체 내에서 시차 값이 급격하게 변화하지 않는다는 평활 제약(smoothness constraint) 조건을 고려하여 매칭되지 않는 기준점들의 시차 값을 인접한 신뢰할 수 있는 기준점, 다시 말해 양안 매칭되는 기준점의 시차 값으로 설정하여 스테레오 매칭을 수행할 수 있다.
일 실시예에서는 낮은 질감 영역(Low texture area)에서 모호한(ambiguous) 기준점들이 검출되는 경우에도, 인접한 신뢰할 수 있는 기준점들의 시차값을 모호한 기준점들의 시차값으로 설정하여 픽셀 매칭 시에 이용할 수 있다.
도3은 일 실시예에 따른 스테레오 매칭 방법을 나타낸 흐름도이다. 도 3을 참조하면, 일 실시예에 따른 스테레오 매칭 장치는 제1 영상의 특징점들 및 제2 영상의 특징점들을 추출한다(310). 제2 영상은 제1 영상과 함께 스테레오 영상을 구성하는 영상일 수 있다. 제1 영상은 좌측 영상 및 우측 영상 중에 어느 하나일 수 있다.
스테레오 매칭 장치는 제1 영상 및 제2 영상의 특징점들(Feature points)을 추출하기 위해, 예를 들어, 에지 검출을 위한 캐니(Canny) 연산자, 소벨(Sobel) 연산자, LoG(Laplacian of Gaussian) 연산자, DoG(Difference of Gaussian) 연산자, 코너(corner) 검출을 위한 해리스 연산자(Harris operator), 지역 공간 구조의 묘사를 위한 센서스 변환(Census transform) 연산자, 프리윗(Prewitt) 연산자, 로버츠(Roberts) 연산자, 라플라시안(Laplacian) 연산자, 및 컴퍼스(Compass) 연산자 등을 이용할 수 있으며, 2개 이상의 방법을 혼용하는 것도 가능하다.
스테레오 매칭 장치는 정류된(rectified) 제1 영상 및 제2 영상이 입력되면, 예를 들어, 빛의 강도나 빛의 강도의 상대적인 순서(relative ordering)와 같이 각 영상에서 얻을 수 있는 다양한 정보를 이용하여 특징점들을 추출할 수 있다.
스테레오 매칭 장치는 제2 영상의 특징점들을 제1 영상의 특징점들에 대응(correspondence) 시킴으로써 기준점들을 결정한다(320). 여기서, '대응'은 제1 영상의 특징점들을 제2 영상의 특징점들에 매칭(matching)시키는 것으로 이해될 수 있다.
스테레오 매칭 장치는 기준점들에 의해 기준점 집합을 구성할 수 있다. 스테레오 매칭 장치는 기준점 집합에 대하여 어플리케이션 별로 적절하게 정의된 전체 시차 범위(full disparity range) 내에서 양안 영상의 대응 여부를 체크할 수 있다. 예를 들어, 너무 짧거나 길지 않은 일반적인 기준(baseline)을 가정할 경우, 전체 시차 범위는 영상의 가로 방향(scan line)의 절반 크기(half-size)로 설정될 수 있다. 단계(320)에서의 대응에 의해 기준점들의 시차(disparity) 값이 산출될 수 있다. 스테레오 매칭 장치가 기준점들을 결정하는 방법은 도 4를 참조하여 설명한다.
스테레오 매칭 장치는 단계(320)에서 결정된 기준점들을 분류한다(330). 스테레오 매칭 장치는 예를 들어, 단계(320)의 대응에 의해, 기준점들이 깊이 불연속이 발생하는 영역, 가려지는 영역, 및 미리 설정된 기준 이하의 질감을 갖는 영역에 존재하는지 여부, 및 기준점들이 미리 설정된 신뢰도 이상의 시차 값을 갖는지 여부 등에 기초하여, 기준점들의 클래스를 분류할 수 있다.
또는 스테레오 매칭 장치는 대응에 의해 기준점들의 일관성이 유지되는지 여부, 윈도우 기반의 상관도 측정을 위한 비용 함수에 의해 산출한 기준점들의 상관도 비용들 중 첫 번째 최적 비용 및 두 번째 최적 비용 간의 비율, 및 복수 개의 최적 비용들의 검출 여부 중 적어도 하나에 기초하여, 기준점들의 클래스를 분류할 수 있다. 여기서, '최적 비용'은 최소 비용과 동일한 의미로 이해될 수 있다. 스테레오 매칭 장치는 분류된 기준점들의 클래스에 따라 기준점들을 라벨링(labeling)할 수 있다. 스테레오 매칭 장치가 기준점들의 클래스를 분류하는 방법은 도 5를 참조하여 구체적으로 설명한다.
스테레오 매칭 장치는 단계(330)의 분류 결과에 따라 결정되는 기준점들의 시차를 기초로, 제1 영상 및 제2 영상의 픽셀들에 대한 스테레오 매칭을 수행한다(340). 스테레오 매칭 장치는 단계(330)의 분류 결과에 따라 결정되는 기준점들의 시차를 기초로, 영상 내에서 시차 값이 산출(또는 결정)되지 않은 픽셀들에 대한 스테레오 매칭을 수행할 수 있다.
단계(340)에서, 스테레오 매칭 장치는 제1 영상에 대응되는 2D 메쉬를 생성할 수 있다. 또는 스테레오 매칭 장치는 기준점들이 대응에 의해 일관성을 유지하는지 여부를 크로스 체크(cross check)하기 위해 제1 영상에 대응되는 2D 메쉬 및 제2 영상에 대응되는 2D 메쉬를 생성할 수도 있다. 스테레오 매칭 장치는 단계(330)의 분류 결과에 따라 결정되는 기준점의 시차에 대한 신뢰도를 기초로, 2D 메쉬에서 기준점들의 시차 값을 갱신함으로써 픽셀들에 대한 스테레오 매칭을 수행할 수 있다. 스테레오 매칭 장치가 픽셀들에 대한 스테레오 매칭을 수행하는 방법은 도 6을 참조하여 설명한다.
실시예에 따라서, 스테레오 매칭 장치는 분류 결과를 기초로, 제1 영상 및 제2 영상에서 기준점들의 시차 값을 추출하는 윈도우를 재설정하고, 재설정된 윈도우에 기초하여 픽셀들에 대한 스테레오 매칭을 수행할 수 있다.
도 4는 일 실시예에 따라 기준점들을 결정하는 방법을 나타낸 흐름도이다. 도 4를 참조하면, 일 실시예에 따른 스테레오 매칭 장치는 윈도우 기반의 상관도(window-based correlation)를 기초로, 제2 영상의 특징점들을 제1 영상의 특징점들에 대응시킬 수 있다(410). 스테레오 매칭 장치는 부분 스테레오 매칭(local stereo matching)에서 일반적으로 사용되는 윈도우 기반의 상관도를 사용하여 제1 영상의 특징점들과 제2 영상의 특징점들 간의 대응 체크(Correspondence check)를 수행할 수 있다.
스테레오 매칭 장치는 윈도우 기반의 상관도 측정을 위한 비용 함수를 이용하여 단계(410)에서 대응시킨 특징점들 중 최적 비용을 갖는 특징점들을 기준점들로 결정할 수 있다(420). 이때, 최적의 비용은 비용 함수의 정의에 따라 최소값 또는 최대값에 의해 결정될 수 있다. 상관도 측정을 위한 비용 함수(cost function)로는, 예를 들어, SAD(sum of absolute differences), SSD(sum of squared differences), NCC(normalized cross correlation) 등이 이용될 수 있다.
스테레오 매칭 장치는 기준점들에 대응하는 시차 값을 포함하는 정보를 저장할 수 있다(430). 스테레오 매칭 장치는 기준점들의 분류 시에 사용하기 위해, 예를 들어, 첫 번째 및 두 번째 최적 비용의 비율, 여러 개의 최적 비용 값이 존재하는지 여부 등 각 기준점에 따른 부차적인 정보를 저장할 수 있다.
도 5는 일 실시예에 따라 기준점들을 분류하는 방법을 나타낸 흐름도이다. 도 5를 참조하면, 일 실시예에 따른 스트레오 매칭 장치는 기준점이 대응에 의해 일관성이 유지되는지 여부를 판단할 수 있다(510). 스트레오 매칭 장치는 기준점들 중 대응에 의해 일관성이 유지되지 않는 기준점을 제1 클래스로 분류할 수 있다(520). 여기서, 대응에 의해 일관성이 유지되지 않는 기준점은 양안 영상 중 어느 한 쪽에서 보이지 않는 가려진 기준점에 해당할 수 있다.
스트레오 매칭 장치는 기준점들 중 일관성이 유지되는 기준점에 대하여 기준점의 상관도 비용들 중 첫 번째 최적 비용 및 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 미달하는지 여부를 판단할 수 있다(530). 이때, 상관도 비용들 중 첫 번째 최적 비용 및 두 번째 최적 비용 간의 비율이 임계치보다 낮다는 것은 첫 번째 최적 비용과 두 번째 최적 비용 간의 차이가 명확하지 않은 것으로 볼 수 있다. 첫 번째 최적 비용과 두 번째 최적 비용 간의 차이가 명확하지 않은 기준점은 주로 텍스쳐가 빈약한 모호한 기준점에 해당할 수 있다.
스테레오 매칭 장치는 첫 번째 및 두 번째 최적 비용 간의 비율이 임계치에 미달하는 기준점을 제2 클래스로 분류할 수 있다(540).
스테레오 매칭 장치는 기준점들 중 일관성이 유지되고, 첫 번째 최적 비용 및 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 도달하는 기준점을 제3 클래스로 분류할 수 있다(550). 이때, 제3 클래스로 분류된 기준점은 기준점의 시차 값을 신뢰할 수 있는 안정적인(stable) 기준점에 해당할 수 있다.
도 6은 일 실시예에 따라 픽셀들에 대한 스테레오 매칭을 수행하는 방법을 나타낸 흐름도이다. 도 6을 참조하면, 일 실시예에 따른 스테레오 매칭 장치는 제1 영상에 대응되는 2D 메쉬를 생성할 수 있다(610). 스테레오 매칭 장치는 기준점을 이용하여 주어진 영상 상에 2D 메쉬를 구성할 수 있다. 스테레오 매칭 장치는 예를 들어, 삼각형을 점들의 집합에 적합하게 맞추어 삼각형의 네트워크를 구성하는 델로네 삼각 분할(Delaunay triangulation)을 이용하여 2D 메쉬를 구성할 수 있다.
스테레오 매칭 장치는 기준점들의 시차에 대한 신뢰도를 기초로, 단계(610)에서 생성한 2D 메쉬의 기준점들 중 제1 클래스 또는 제2 클래스로 분류된 기준점에 인접하고 제3 클래스로 분류된 기준점의 시차 값을, 제1 클래스 또는 제2 클래스로 분류된 기준점의 시차 값으로 전파(propagate)할 수 있다(620).
예를 들어, 제1 클래스 또는 제2 클래스로 분류된 기준점의 경우, 스테레오 매칭을 통해 얻어진 시차 값을 신뢰하기 어렵다. 따라서, 스테레오 매칭 장치는 삼각 측량 후, 제1 클래스 또는 제2 클래스로 분류된 기준점이 속한 삼각형 내에서 신뢰할 수 있는 시차 값을 가지는 주변 기준점들, 다시 말해, 제3 클래스로 분류된 기준점의 시차 값을 전파하여 제1 클래스 또는 제2 클래스로 분류된 기준점의 시차 값으로 이용할 수 있다.
스테레오 매칭 장치는 기준점들을 꼭지점으로 하는 다각형(예를 들어, 삼각형)을 결정할 수 있다(630). 이때, 기준점들은 제3 클래스 이외에도 제1 클래스 또는 제2 클래스로 분류된 기준점들일 수 있다. 제 3 클래스로 분류된 기준점들은 양안 영상이 매칭되어 시차 값을 신뢰할 수 있는 안정적인 기준점들이다. 따라서 다각형을 구성할 때, 제3 클래스로 분류된 기준점들이 다각형의 꼭지점을 결정될 수 있다. 이외에도 제1 클래스 또는 제2 클래스로 분류된 기준점들 또한 다각형의 꼭지점으로 결정될 수 있다. 스트레오 매칭 장치는 전파된 시차 값을 기초로, 다각형 내에 위치한 픽셀들의 시차를 산출하는 검색 범위를 결정할 수 있다(640). 스테레오 매칭 장치는 다각형(예를 들어, 삼각형)에 속한 픽셀들의 시차 결정 시에 해당 삼각형을 이루는 기준점들의 시차 값을 참고하여 검색 범위를 좁힌 후, 시차를 결정할 수 있다.
스테레오 매칭 장치는 단계(640)에서 결정된 검색 범위에 기초하여, 픽셀들에 대한 스테레오 매칭을 수행할 수 있다(650).
도 7은 다른 실시예에 따른 스테레오 매칭 방법을 나타낸 흐름도이다. 도 7을 참조하면, 일 실시예에 따른 스테레오 매칭 장치는 제1 영상 및 제2 영상을 수신할 수 있다(705). 제1 영상 및 제2 영상은 양안 영상에 해당할 수 있다.
스테레오 매칭 장치는 제1 영상의 특징점들 및 제2 영상의 특징점들을 추출하고(710), 제2 영상의 특징점들을 제1 영상의 특징점들에 대응시킴으로써 기준점들을 결정할 수 있다(715).
스테레오 매칭 장치는 단계(715)에서 결정된 기준점들을 분류할 수 있다(720).
스테레오 매칭 장치는 단계(720)의 분류 결과 제1 클래스 및 제2 클래스로 분류된 기준점들 중 인접한 기준점들과 깊이가 불연속한 기준점이 있는지 여부를 판단할 수 있다(725).
단계(725)의 판단 결과, 인접한 기준점들과 깊이가 불연속한 기준점이 있다면, 스테레오 매칭 장치는 동일 사이즈의 다수의 윈도우들(multiple windows) 또는 각도가 조정되는 쉬프티드 윈도우(shifted window) 중 적어도 하나를 이용하여 윈도우를 재설정할 수 있다(730). 스테레오 매칭 장치는 단계(730)에서 재설정된 윈도우에 기초하여 제1 영상의 특징점들 및 제2 영상의 특징점들을 추출할 수 있다(710).
단계(725)의 판단 결과, 인접한 기준점들과 깊이가 불연속한 기준점이 없다면, 스테레오 매칭 장치는 분류 결과에 따라 결정되는 기준점들의 시차에 대한 신뢰도를 기초로, 기준점들의 시차 값을 갱신함으로써 픽셀들에 대한 스테레오 매칭을 수행할 수 있다(745).
스테레오 매칭 장치는 단계(720)의 분류 결과 제2 클래스로 분류된 기준점들 중 인접한 기준점들과 깊이가 연속하는 기준점이 있는지 여부를 판단할 수 있다(735).
단계(735)의 판단 결과, 제2 클래스로 분류된 기준점들 중 인접한 기준점들과 깊이가 연속하는 기준점이 있다면, 스테레오 매칭 장치는 인접한 기준점들과 깊이가 연속하는 기준점에 대하여 윈도우의 크기를 확장한 확장 윈도우를 이용하여 윈도우를 재설정할 수 있다(740). 스테레오 매칭 장치는 단계(740)에서 재설정된 윈도우에 기초하여 제1 영상의 특징점들 및 제2 영상의 특징점들을 추출할 수 있다(710).
단계(735)의 판단 결과, 제2 클래스로 분류된 기준점들 중 인접한 기준점들과 깊이가 연속하는 기준점이 없다면, 스테레오 매칭 장치는 스테레오 매칭 장치는 분류 결과에 따라 결정되는 기준점들의 시차에 대한 신뢰도를 기초로, 기준점들의 시차 값을 갱신함으로써 픽셀들에 대한 스테레오 매칭을 수행할 수 있다(745).
도 8은 일 실시예에 따른 스테레오 매칭 장치의 블록도이다. 도 8을 참조하면, 일 실시예에 따른 스테레오 매칭 장치(800)는 프로세서(810), 센서(820), 메모리(830)를 포함한다. 프로세서(810), 센서(820), 메모리(830)는 통신 버스(840)를 통해 서로 통신할 수 있다.
프로세서(810)는 상술된 스테레오 매칭에 관한 동작을 처리할 수 있다. 보다 구체적으로, 프로세서(810)는 제1 영상의 특징점들 및 제2 영상의 특징점들을 추출하고, 제2 영상의 특징점들을 제1 영상의 특징점들에 대응시킴으로써 기준점들을 결정한다. 프로세서(810)는 기준점들을 분류하고, 분류 결과에 따라 결정되는 기준점들의 시차를 기초로, 제1 영상 및 제2 영상의 픽셀들에 대한 스테레오 매칭을 수행한다.
프로세서(810)는 윈도우 기반의 상관도를 기초로, 제2 영상의 특징점들을 제1 영상의 특징점들에 대응시키고, 윈도우 기반의 상관도 측정을 위한 비용 함수를 이용하여 대응시킨 특징점들 중 최적 비용을 갖는 특징점들을 기준점들로 결정할 수 있다. 이 밖에도, 프로세서(810)는 도 1 내지 도 7을 통해 전술한 적어도 하나의 방법을 수행할 수 있으며, 보다 상세한 설명은 생략한다. 프로세서(810)는 명령어들이나 프로그램들을 실행하거나, 스테레오 매칭 장치(800)를 제어할 수 있다.
센서(820)는 스테레오 영상을 촬영할 수 있다. 센서(820)는 좌측 영상을 촬영하기 위한 제1 센서 및 우측 영상을 촬영하기 위한 제2 센서를 포함할 수 있다. 제1 센서 및 제2 센서 각각은 이미지 센서, 근접 센서 또는 적외선 센서일 수 있다. 센서(820))는 잘 알려진 방식(예를 들어, 광학 이미지를 전기 신호로 변환하는 방식 등)으로 스테레오 영상을 촬영할 수 있다. 센서(820)는 촬영된 컬러 영상, 깊이 영상 및 적외선 영상 중 적어도 하나를 프로세서(810) 및 메모리(830) 중 적어도 하나로 전달할 수 있다.
메모리(830)는 기준점들에 대응하는 시차 값을 포함하는 정보를 저장할 수 있다. 또한, 메모리(830)는 상술된 스테레오 매칭에 관한 데이터를 저장할 수 있다. 예를 들어, 메모리(830)는 스테레오 영상, 추출된 특징점들에 대한 정보, 결정된 기준점들에 대한 정보, 기준점들의 분류 결과에 대한 정보, 스테레오 매칭 결과 등을 저장할 수 있다.
메모리(830)는 컴퓨터에서 읽을 수 있는 명령어들을 저장할 수 있다. 메모리(830)에 저장된 명령어들이 프로세서(810)에서 실행되면, 프로세서(810)는 상술된 스테레오 매칭에 관한 동작을 처리할 수 있다.
스테레오 매칭 장치(800)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 스테레오 매칭 장치(800)는 이동 전화, 스마트 폰, PDA, 태블릿 컴퓨터, 랩톱 컴퓨터 등 모바일 장치, 퍼스널 컴퓨터, 태블릿 컴퓨터, 넷북 등 컴퓨팅 장치, 또는 텔레비전, 스마트 텔레비전, 게이트 제어를 위한 보안 장치 등 전자 제품 등의 적어도 일부로 구현될 수 있다. 그 밖에, 스테레오 매칭 장치에 관해서는 상술된 내용이 적용될 수 있으며, 보다 상세한 설명은 생략한다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(Field Programmable Gate 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.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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.

Claims (20)

  1. 제1 영상의 특징점들 및 상기 제1 영상과 함께 스테레오 영상을 구성하는 제2 영상의 특징점들을 추출하는 단계;
    상기 제2 영상의 특징점들을 상기 제1 영상의 특징점들에 대응(correspondence) 시킴으로써 기준점들을 결정하는 단계;
    상기 기준점들을 분류(classify)하는 단계; 및
    상기 분류 결과에 따라 결정되는 상기 기준점들의 시차(disparity)를 기초로, 상기 제1 영상 및 상기 제2 영상의 픽셀들에 대한 스테레오 매칭을 수행하는 단계
    를 포함하는, 스테레오 매칭 방법.
  2. 제1항에 있어서,
    상기 기준점들을 결정하는 단계는
    윈도우 기반의 상관도(window-based correlation)를 기초로, 상기 제2 영상의 특징점들을 상기 제1 영상의 특징점들에 대응시키는 단계; 및
    상기 윈도우 기반의 상관도 측정을 위한 비용 함수를 이용하여 상기 대응시킨 특징점들 중 최적 비용을 갖는 특징점들을 상기 기준점들로 결정하는 단계
    를 포함하는, 스테레오 매칭 방법.
  3. 제1항에 있어서,
    상기 기준점들을 분류하는 단계는
    상기 기준점들이 깊이 불연속(depth discontinuity)이 발생하는 영역, 가려지는(occluded) 영역, 및 미리 설정된 기준 이하의 질감(texture)을 갖는 영역에 존재하는지 여부, 및 상기 기준점들이 미리 설정된 신뢰도 이상의 시차 값을 갖는지 여부 중 적어도 하나에 기초하여, 상기 기준점들의 클래스를 분류하는 단계
    를 포함하는, 스테레오 매칭 방법.
  4. 제1항에 있어서,
    상기 기준점들을 분류하는 단계는
    상기 대응에 의해 일관성(consistency)이 유지되는지 여부, 윈도우 기반의 상관도 측정을 위한 비용 함수에 의해 산출한 상기 기준점들의 상관도 비용들 중 첫 번째 최적 비용 및 두 번째 최적 비용 간의 비율, 및 복수 개의 최적 비용들의 검출 여부 중 적어도 하나에 기초하여, 상기 기준점들의 클래스를 분류하는 단계
    를 포함하는, 스테레오 매칭 방법.
  5. 제4항에 있어서,
    상기 기준점들의 클래스를 분류하는 단계는
    상기 기준점들 중 상기 대응에 의해 일관성이 유지되지 않는 기준점을 제1 클래스로 분류하는 단계;
    상기 기준점들 중 상기 일관성은 유지되나, 상기 첫 번째 최적 비용 및 상기 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 미달하는 기준점을 제2클래스로 분류하는 단계; 및
    상기 기준점들 중 상기 일관성이 유지되고, 상기 첫 번째 최적 비용 및 상기 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 도달하는 기준점을 제3 클래스로 분류하는 단계
    를 포함하는, 스테레오 매칭 방법.
  6. 제4항에 있어서,
    상기 기준점들을 분류하는 단계는
    상기 기준점들의 클래스에 따라 상기 기준점들을 라벨링(labeling)하는 단계
    를 포함하는, 스테레오 매칭 방법.
  7. 제1항에 있어서,
    상기 스테레오 매칭을 수행하는 단계는
    상기 기준점들의 시차에 대한 신뢰도를 기초로, 상기 기준점들의 시차 값을 갱신(update)함으로써 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계
    를 포함하는, 스테레오 매칭 방법.
  8. 제7항에 있어서,
    상기 기준점들의 시차 값을 갱신함으로써 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계는
    상기 기준점들의 시차에 대한 신뢰도를 기초로, 상기 기준점들 중 제1 클래스 또는 제2 클래스로 분류된 기준점에 인접하고 제3 클래스로 분류된 기준점의 시차 값을, 상기 제1 클래스 및 상기 제2 클래스 중 적어도 하나로 분류된 기준점의 시차 값으로 전파(propagate)하는 단계; 및
    상기 전파된 시차 값을 이용하여 상기 픽셀들에 대한 상기 스테레오 매칭을 수행하는 단계
    를 포함하는, 스테레오 매칭 방법.
  9. 제8항에 있어서,
    상기 전파된 시차 값을 이용하여 상기 픽셀들에 대한 상기 스테레오 매칭을 수행하는 단계는
    상기 제1 클래스, 상기 제2 클래스, 및 상기 제 3클래스로 분류된 기준점을 꼭지점으로 하는 다각형을 결정하는 단계;
    상기 전파된 시차 값을 기초로, 상기 다각형 내에 위치한 픽셀들의 시차를 산출하는 검색 범위를 결정하는 단계; 및
    상기 검색 범위에 기초하여, 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계
    를 포함하는, 스테레오 매칭 방법.
  10. 제5항에 있어서,
    상기 기준점들의 시차 값을 갱신함으로써 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계는
    상기 제1 영상 및 상기 제2 영상 각각에서 제 1 및 제2 클래스로 분류된 기준점들의 시차 값을 추출하는 윈도우를 재설정하는 단계; 및
    상기 재설정된 윈도우에 기초하여 상기 픽셀들에 대한 스테레오 매칭을 수행하는 단계
    를 포함하는, 스테레오 매칭 방법.
  11. 제10항에 있어서,
    상기 윈도우를 재설정하는 단계는
    상기 제1 클래스 및 상기 제2 클래스로 분류된 기준점들 중 인접한 기준점들과 깊이가 불연속한(discontinued) 기준점에 대하여 동일 사이즈의 다수의 윈도우들(multiple windows) 또는 각도가 조정되는 쉬프티드 윈도우 중 적어도 하나를 이용하여 상기 윈도우를 재설정하는 단계; 및
    상기 분류 결과, 상기 제1 클래스 및 상기 제2 클래스로 분류된 기준점들 중 인접한 기준점들과 깊이가 연속하는 기준점에 대하여 상기 윈도우의 크기를 확장한 확장 윈도우를 이용하여 상기 윈도우를 재설정하는 단계
    중 적어도 하나를 포함하는, 스테레오 매칭 방법.
  12. 하드웨어와 결합되어 제1항 내지 제11항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  13. 프로세서; 및
    컴퓨터에서 읽을 수 있는 명령어를 포함하는 메모리
    를 포함하고,
    상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는 제1 영상의 특징점들 및 상기 제1 영상과 함께 스테레오 영상을 구성하는 제2 영상의 특징점들을 추출하고, 상기 제2 영상의 특징점들을 상기 제1 영상의 특징점들에 대응시켜 기준점들을 결정하고, 상기 기준점들을 분류하며, 상기 분류 결과에 따라 결정되는 상기 기준점들의 시차(disparity)를 기초로, 상기 제1 영상 및 상기 제2 영상의 픽셀들에 대한 스테레오 매칭을 수행하는, 스테레오 매칭 장치.
  14. 제13항에 있어서,
    상기 프로세서는
    윈도우 기반의 상관도를 기초로, 상기 제2 영상의 특징점들을 상기 제1 영상의 특징점들에 대응시키고, 상기 윈도우 기반의 상관도 측정을 위한 비용 함수를 이용하여 상기 대응시킨 특징점들 중 최적 비용을 갖는 특징점들을 상기 기준점들로 결정하며,
    상기 메모리는
    상기 기준점들에 대응하는 시차 값을 포함하는 정보를 저장하는, 스테레오 매칭 장치.
  15. 제13항에 있어서,
    상기 프로세서는
    상기 기준점들이 깊이 불연속이 발생하는 영역, 가려지는 영역, 및 미리 설정된 기준 이하의 질감을 갖는 영역에 존재하는지 여부, 및 상기 기준점들이 미리 설정된 신뢰도 이상의 시차 값을 갖는지 여부 중 적어도 하나에 기초하여, 상기 기준점들의 클래스를 분류하는, 스테레오 매칭 장치.
  16. 제13항에 있어서,
    상기 프로세서는
    상기 대응에 의해 일관성이 유지되는지 여부, 윈도우 기반의 상관도 측정을 위한 비용 함수에 의해 산출한 상기 기준점들의 상관도 비용들 중 첫 번째 최적 비용 및 두 번째 최적 비용 간의 비율, 및 복수 개의 최적 비용들의 검출 여부 중 적어도 하나에 기초하여, 상기 기준점들의 클래스를 분류하는, 스테레오 매칭 장치.
  17. 제16항에 있어서,
    상기 프로세서는
    상기 기준점들 중 상기 대응에 의해 상기 일관성이 유지되지 않는 기준점을 제1 클래스로 분류하고, 상기 기준점들 중 상기 일관성은 유지되나, 상기 첫 번째 최적 비용 및 상기 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 미달하는 기준점을 제2클래스로 분류하고, 상기 기준점들 중 상기 일관성이 유지되고, 상기 첫 번째 최적 비용 및 상기 두 번째 최적 비용 간의 비율이 미리 설정된 임계치에 도달하는 기준점을 제3 클래스로 분류하는, 스테레오 매칭 장치.
  18. 제13항에 있어서,
    상기 프로세서는
    상기 기준점들의 시차에 대한 신뢰도를 기초로, 상기 기준점들의 시차 값을 갱신함으로써 상기 픽셀들에 대한 스테레오 매칭을 수행하는, 스테레오 매칭 장치.
  19. 제18항에 있어서,
    상기 프로세서는
    상기 기준점들의 시차에 대한 신뢰도를 기초로, 상기 기준점들 중 제1 클래스 또는 제2 클래스 분류된 기준점에 인접하고 제3 클래스로 분류된 기준점의 시차 값을, 상기 제1 클래스 또는 상기 제2 클래스로 분류된 기준점의 시차 값으로 전파하며, 상기 전파된 시차 값을 이용하여 상기 픽셀들에 대한 상기 스테레오 매칭을 수행하는, 스테레오 매칭 장치.
  20. 제18항에 있어서,
    상기 프로세서는
    상기 제1 클래스, 상기 제2 클래스 및 상기 제 3클래스로 분류된 기준점을 꼭지점으로 하는 다각형을 결정하고, 상기 전파된 시차 값을 기초로, 상기 다각형 내에 위치한 픽셀들의 시차를 산출하는 검색 범위를 결정하며, 상기 검색 범위에 기초하여, 상기 픽셀들에 대한 스테레오 매칭을 수행하는, 스테레오 매칭 장치.
KR1020170012360A 2017-01-26 2017-01-26 스테레오 매칭 방법 및 장치 KR20180087944A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170012360A KR20180087944A (ko) 2017-01-26 2017-01-26 스테레오 매칭 방법 및 장치
US15/707,048 US10818025B2 (en) 2017-01-26 2017-09-18 Stereo matching method and apparatus
US17/028,195 US11417006B2 (en) 2017-01-26 2020-09-22 Stereo matching method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170012360A KR20180087944A (ko) 2017-01-26 2017-01-26 스테레오 매칭 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20180087944A true KR20180087944A (ko) 2018-08-03

Family

ID=62906594

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170012360A KR20180087944A (ko) 2017-01-26 2017-01-26 스테레오 매칭 방법 및 장치

Country Status (2)

Country Link
US (2) US10818025B2 (ko)
KR (1) KR20180087944A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200016626A (ko) * 2018-08-07 2020-02-17 재단법인 다차원 스마트 아이티 융합시스템 연구단 실시간 3차원 비디오 인코딩 및 디코딩 방법
KR20200082854A (ko) * 2018-12-31 2020-07-08 광운대학교 산학협력단 스테레오 영상의 정합 방법 및 이를 수행하는 장치
KR20220074044A (ko) * 2020-11-27 2022-06-03 연세대학교 산학협력단 생성적 적대 신경망을 이용한 스테레오 매칭 신뢰도 추정 장치 및 방법

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3422708A1 (en) * 2017-06-29 2019-01-02 Koninklijke Philips N.V. Apparatus and method for generating an image
KR102596053B1 (ko) * 2018-08-27 2023-11-01 엘지이노텍 주식회사 영상 처리 장치 및 영상 처리 방법
JP6956051B2 (ja) * 2018-09-03 2021-10-27 株式会社東芝 画像処理装置、運転支援システム、画像処理方法及びプログラム
CN109859253A (zh) * 2018-12-17 2019-06-07 深圳市道通智能航空技术有限公司 一种立体匹配方法、装置和电子设备
CN109741387A (zh) * 2018-12-29 2019-05-10 北京旷视科技有限公司 立体匹配方法、装置、电子设备及存储介质
GB2583774B (en) * 2019-05-10 2022-05-11 Robok Ltd Stereo image processing
US11620832B2 (en) * 2019-06-22 2023-04-04 Hendrik J. Volkerink Image based locationing
CN110443186B (zh) * 2019-07-31 2022-04-15 深圳市道通智能航空技术股份有限公司 立体匹配方法、图像处理芯片及移动载具
CN111210485B (zh) * 2020-01-06 2023-03-28 北京字节跳动网络技术有限公司 图像的处理方法、装置、可读介质和电子设备
CN112070821B (zh) * 2020-07-31 2023-07-25 南方科技大学 一种低功耗立体匹配系统及获取深度信息的方法
US11922264B2 (en) 2020-10-05 2024-03-05 Trackonomy Systems, Inc. System and method of utilizing 3D vision for asset management and tracking
CN113095384B (zh) * 2021-03-31 2023-04-28 安徽工业大学 一种基于直线段上下文特征的遥感图像匹配方法
US20230133026A1 (en) * 2021-10-28 2023-05-04 X Development Llc Sparse and/or dense depth estimation from stereoscopic imaging
CN117834844B (zh) * 2024-01-09 2024-07-09 国网湖北省电力有限公司荆门供电公司 基于特征对应的双目立体匹配方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040095388A1 (en) * 2002-11-15 2004-05-20 Rocchetti Robert J. Method and apparatus for creating user interfaces for computing devices
JP2005031044A (ja) 2003-07-11 2005-02-03 Olympus Corp 三次元誤差測定装置
US9218364B1 (en) * 2011-01-28 2015-12-22 Yahoo! Inc. Monitoring an any-image labeling engine
EP2511875A1 (en) * 2011-04-14 2012-10-17 Thomson Licensing Apparatus and method for refining a value of a similarity measure
KR20130122581A (ko) 2012-04-30 2013-11-07 케이디씨 주식회사 깊이정보 추출 방법 및 이를 이용한 입체영상 편집 방법
JP5773944B2 (ja) * 2012-05-22 2015-09-02 株式会社ソニー・コンピュータエンタテインメント 情報処理装置および情報処理方法
CN103514625A (zh) 2012-06-20 2014-01-15 上海路同信息科技有限公司 基于多视角自适应特征配准的三维重建方法
US20140241612A1 (en) 2013-02-23 2014-08-28 Microsoft Corporation Real time stereo matching
US20140078264A1 (en) 2013-12-06 2014-03-20 Iowa State University Research Foundation, Inc. Absolute three-dimensional shape measurement using coded fringe patterns without phase unwrapping or projector calibration
JP6561512B2 (ja) * 2014-03-27 2019-08-21 株式会社リコー 視差値導出装置、移動体、ロボット、視差値導出方法、視差値生産方法及びプログラム
FR3019359B1 (fr) * 2014-03-31 2017-10-06 Continental Automotive France Procede de determination d'un etat d'obstruction d'au moins une camera embarquee dans un systeme stereoscopique
CN104574391A (zh) 2014-12-29 2015-04-29 西安交通大学 一种基于自适应特征窗口的立体视觉匹配方法
US20160379074A1 (en) * 2015-06-25 2016-12-29 Appropolis Inc. System and a method for tracking mobile objects using cameras and tag devices
CN105043298B (zh) 2015-08-21 2017-08-04 东北大学 基于傅里叶变换无需相位展开的快速三维形貌测量方法
US10110877B2 (en) * 2015-10-12 2018-10-23 Dell Products, Lp Method and apparatus for depth algorithm adjustment to images based on predictive analytics and sensor feedback in an information handling system
KR102442594B1 (ko) * 2016-06-23 2022-09-13 한국전자통신연구원 조명기를 구비한 스테레오 매칭 시스템에서의 코스트 볼륨 연산장치 및 그 방법
US11132809B2 (en) * 2017-01-26 2021-09-28 Samsung Electronics Co., Ltd. Stereo matching method and apparatus, image processing apparatus, and training method therefor
CN108537871B (zh) * 2017-03-03 2024-02-20 索尼公司 信息处理设备和信息处理方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200016626A (ko) * 2018-08-07 2020-02-17 재단법인 다차원 스마트 아이티 융합시스템 연구단 실시간 3차원 비디오 인코딩 및 디코딩 방법
KR20200082854A (ko) * 2018-12-31 2020-07-08 광운대학교 산학협력단 스테레오 영상의 정합 방법 및 이를 수행하는 장치
KR20220074044A (ko) * 2020-11-27 2022-06-03 연세대학교 산학협력단 생성적 적대 신경망을 이용한 스테레오 매칭 신뢰도 추정 장치 및 방법

Also Published As

Publication number Publication date
US20210004980A1 (en) 2021-01-07
US10818025B2 (en) 2020-10-27
US20180211400A1 (en) 2018-07-26
US11417006B2 (en) 2022-08-16

Similar Documents

Publication Publication Date Title
KR20180087944A (ko) 스테레오 매칭 방법 및 장치
US11727661B2 (en) Method and system for determining at least one property related to at least part of a real environment
KR102468897B1 (ko) 깊이 값을 추정하는 방법 및 장치
KR102647351B1 (ko) 3차원의 포인트 클라우드를 이용한 모델링 방법 및 모델링 장치
Humenberger et al. A census-based stereo vision algorithm using modified semi-global matching and plane fitting to improve matching quality
US9741130B2 (en) Method and apparatus for detecting object
US11816829B1 (en) Collaborative disparity decomposition
US9525862B2 (en) Method for estimating a camera motion and for determining a three-dimensional model of a real environment
Zhang et al. Edge-preserving photometric stereo via depth fusion
CN110349213A (zh) 基于深度信息的位姿确定方法、装置、介质与电子设备
Wang et al. Obtaining depth map from segment-based stereo matching using graph cuts
Esteban et al. Multi-stereo 3d object reconstruction
Bulatov et al. Multi-view dense matching supported by triangular meshes
KR102550931B1 (ko) 스테레오 매칭 방법 및 장치
Stommel et al. Inpainting of missing values in the Kinect sensor's depth maps based on background estimates
Wang et al. Depth map enhancement based on color and depth consistency
CN109711321A (zh) 一种结构自适应的宽基线影像视角不变直线特征匹配方法
US8462155B1 (en) Merging three-dimensional models based on confidence scores
Sharma et al. A novel hybrid kinect-variety-based high-quality multiview rendering scheme for glass-free 3D displays
Chatterjee et al. Noise in structured-light stereo depth cameras: Modeling and its applications
Kochi et al. 3D modeling of architecture by edge-matching and integrating the point clouds of laser scanner and those of digital camera
KR101154436B1 (ko) 콘텍스트 교차에 근거한 라인 매칭 방법
Lee et al. Refinement of inverse depth plane in textureless and occluded regions in a multiview stereo matching scheme
Kovacs et al. Edge detection in discretized range images
Yin et al. Improving depth maps by nonlinear diffusion

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