KR940011329B1 - 패턴정합 시스템 및 방법 - Google Patents

패턴정합 시스템 및 방법 Download PDF

Info

Publication number
KR940011329B1
KR940011329B1 KR1019910023101A KR910023101A KR940011329B1 KR 940011329 B1 KR940011329 B1 KR 940011329B1 KR 1019910023101 A KR1019910023101 A KR 1019910023101A KR 910023101 A KR910023101 A KR 910023101A KR 940011329 B1 KR940011329 B1 KR 940011329B1
Authority
KR
South Korea
Prior art keywords
vector
detection
point
match
matching
Prior art date
Application number
KR1019910023101A
Other languages
English (en)
Other versions
KR920012944A (ko
Inventor
디. 웰스 존
알. 데이비스 코넬리아
Original Assignee
휴즈 에어크라프트 캄파니
원다 케이. 덴슨-로우
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 휴즈 에어크라프트 캄파니, 원다 케이. 덴슨-로우 filed Critical 휴즈 에어크라프트 캄파니
Publication of KR920012944A publication Critical patent/KR920012944A/ko
Application granted granted Critical
Publication of KR940011329B1 publication Critical patent/KR940011329B1/ko

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06Systems determining position data of a target
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757Matching configurations of points or features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

내용 없음.

Description

패턴정합 시스템 및 방법
제1도는 본 발명에 따른 패턴정합 시스템에 대한 전체적인 구성을 보인 블록도.
제2도는 소정의 기준점 패턴을 형성하는 한세트의 기준점에 대한 개략도.
제3도는 제2도에 도시된 기준점과 정합되는 한세트의 검출점에 대한 개략도.
제4도는 제1도에 도시된 패턴정합 시스템에 의해 사용되는 정합 매트릭스 히스토그램의 제1단계를 도시한 도면.
제5도는 본 발명에 따라 정합된 벡터테이블을 도시한 도면.
제6도는 제4도에 도시된 정합 매트릭스 히스토그램을 본 발명에 따라 수정하여 얻은 정합 매트릭스, 히스토그램을 도시한 도면.
제7도는 본 발명에 따라 중간 오프세트(Madian Offset)를 계산하기 위한 점구성을 도시한 도면.
제8도는 중간 오프세트를 이용하여 모순이 없는 행최대 저압을 체크하는 것을 도시한 도면.
제9도는 본 발명에 따른 초기화 루틴의 순서도.
제10도는 본 발명에 따른 검출루틴의 순서도.
제11a도,제11b도는 본 발명에 따른 정합루틴의 순서도.
제12도는 본 발명에 따른 갱신루틴의 순서도.
제13a도는 본 발명에 따른 기준점과 검출점의 실시간(Real-Time) 예를 도시한 도면.
제13b도는 입력프레임을 기준(REF)프레임으로 변환하기 위한 좌표시스템을 도시한 도면.
제14도는 본 발명에 따른 입력기준점 테이블을 도시한 도면.
제15도는 제14도의 입력기준점 테이블로부터 얻어진 기준점 테이블을 도시한 도면.
제16도는 본 발명에 따른 입력기준 목표점 테이블을 도시한 도면.
제17도는 제16도의 입력기준 목표점 테이블로부터 얻어진 기준목표점 테이블을 도시한 도면.
제18a도는 검출점/벡터/양자화좌표 정의를 설명하기 위한 일련의 테이블을 도시한 도면.
제18b도는 실시예에 적용되는 제한사항을 나타낸 도면을 도시한 도면.
제19도는 본 발명에 따른 기준벡터 테이블을 도시한 도면.
제20도는 본 발명에 따른 양자화 포인터 테이블을 도시한 도면.
제21도는 본 발명에 따른 검출점에서의 연결목록을 도시한 도면.
제22도는 본 발명에 따른 DET/REF 벡터정합에서의 연결목록을 도시한 도면.
제23도는 본 발명에 따른 잠재적인 정합 매트릭스를 도시한 도면.
제24도는 제23도의 잠재적인 정합 매트릭스로부터 얻어진 수정된 잠재적인 정합 매트릭스를 도시한 도면.
제25도는 본 발명에 따라 수정된 잠재적인 정합 매트릭스의 행통 계 및 REF/DET 오프세트 벡터테이블을 도시한 도면.
제26도는 본 발명에 따른 최종 점정합 테이블을 도시한 도면.
제27도는 본 발명에 의해 추정된 DET 프레임 목표점 테이블을 도시한 도면.
* 도면의 주요부분에 대한 부호의 설명
10 : 패턴정합 시스템 12 : 기준점기억수단
14 : 프로그래머블 프로세서 16 : 센서
18 : 제어장치 20 : 기준점 패턴
24 : 목표점 26 : 검출점 패턴
30 : 정합 매트릭스 히스토그램
본 발명은 패턴정합(Pattern Matching)시스템 및 방법에 관한 것으로, 특히 한 세트의 검출점(a set of detected points)을 한 세트의 기준점(a set of reference points)에 실시간적으로 정합시키기 위한 패턴정합 시스템 및 방법에 관한 것이다.
패턴(또는 형상(Constellation) 정합문제는 여러분야에서 생기고 있다. 패턴정합이 문제가 되고 있는 분야중의 하나로는, 레이다탐사시스템(Rader Seeker System)을 들 수 있다. 이 레이다탐사시스템에 있어서는 소정의 정경(scence)내에서 검출한 점들이 기지(旣知)의 점패턴(또는 점형상)을 형성하는데, 문제는 그 다음 새롭게 검출한 한 세트의 점을 기지의 패턴(또는 형상)에 정합(Matching)시키는데에 있다. 이와 유사한 문제는 적외선 탐사시스템(Infrared Seeker System) 및 가시형상내의 패턴을 인식하는 시스템에도 존재한다. 전형적인 패턴정합 문제에서는, 기지의 패턴 또는 한 세트의 점들을 설정한 다음에 새로운 한세트의 데이타를 그 같은 기준패턴에 정합시키려 했다. 이러한 패턴정합 문제를 해결하기 위하여 종래에 사용된 한가지 방법은 복잡한 정경 인식알고리즘을 포함하고 있어, 일반적으로 긴 처리시간 및 특별한 처리를 필요로 하는 문제를 갖고 있다. 다른 패턴정합방법으로는 루프(loop)내의 어떤 시점에서 사람을 개입시키는 것이 있으나, 이 방법은 처리속도 및 신뢰성 등의 문제를 갖고 있다.
따라서, 본 발명의 목적은 실시간적으로 처리될 수 있는 패턴 정합시스템 및 방법을 제공하는데에 있다.
본 발명의 다른 목적은 필요처리량을 최소화하고 특수용도의 하드웨어도 필요로 하지 않는 패턴정합시스템 및 방법을 제공하는데에 있다. 이렇게 하면, 기존 시스템이나 운행체에 이미 설치되어 있는 종래의 프로세서를 그대로 이용할 수 있다.
상술한 목적을 달성하기 위하여, 본 발명은 한 세트의 중심점을 기준점 패턴과 정합시키기 위한 시스템 및 방법을 제공한다. 이 패턴정합 시스템은 기준패턴의 기준점의 좌표를 기억하기 위한 프로그래머블 프로세서를 포함한다. 이들 기준좌표는 기준좌표프레임내에 정의된다. 또한, 프로그래머블 프로세서는 검출점의 좌표도 기억한다. 이들 검출점 좌표는 검출좌표 프레임내에 정의된다. 그런 다음, 프로그래머블 프로세서는 선험적인 좌표변환법(Apriori Coodinate Transform)을 이용하여 기준좌표 프레임내의 점들을 검출좌표 프레임내로 변환시킨다. 그 다음, 일치할 가능성이 있는 기준점의 가능한 순차쌍에 대하여, 또한 검출점의 가능한 순차쌍에 대하여 벡터테이블을 작성한다. 그런후, 정합되는 기준벡터와 검출벡터 쌍들의 목록을 작성한다. 벡터정합에 대한 평가기준은 기준벡터와 검출 벡터간의 차벡터(Difference Vector)의 크기가 소정의 임계치(Threshold)보다 작은 경우 벡터정합을 하는 것으로 정한다.
그런 다음에, 프로그래머블 프로세서는 정합된 검출-기준벡터쌍들 각각의 개시부(Heads)와 종지부(Tails)를 관계시켜 각 검출점-기준점의 정합을 계수하기 위한 빈(Bins)을 포함하는 정합 매트릭스 히스토그램을 작성한다. 마지막에는 정합 매트릭스의 빈내의 계수치 및 예상되는 점정합의 기하학적 구성에 의거하여 상술한 정합 매트릭스로 부터 가능성이 적은 정합을 배제하는 것에 의해 정합을 선택한다.
이하, 도면을 참조하여 본 발명을 상세히 설명하겠다.
본 발명에 따른 패턴정합 시스템의 기본적인 기능은 검출점의 영상내에서 기준점 패턴의 위치를 찾아낸 다음, 그의 일치정보를 이용하여 검출영상내에서 특정점(Specific points) 즉, 관심이 대상이 되는 점(points of interest)의 위치를 찾아내는 것이다. 제1도에 패턴정합 시스템(10)에 대한 전체적인 개략도를 보인다. 기준점 기억수단(12)은 양호하게 규정된 좌표시스템내에 기준점에 관한 좌표를 포함하고 있다. 또한, 기준점 기억수단(12)에는 대상이 되는 특정점의 좌표도 공급된다. 기준점 기억수단(12)에 기억되어 있는 상기 기준점 및 특정점(목표점)의 좌표는 프로그래머블 프로세서(14)로 전달된다.
전체적으로 본 발명의 기본적인 방법은 4개의 기본단계, 즉, 초기화(Initialization), 검출(Detection), 정합(Matching) 및 갱신(Update)의 4단계를 수행한다. 프로그래머블 프로세서(14)는 검출점(Detection point)의 인식전에 수행될 수 있는 모든 처리를 초기화 기간동안에 수행한다.
센서(16)는 (검출좌표 시스템내의) 검출점 좌표를 프로그래머블 프로세서(14)에 제공한다. 센서(16)는 검출점좌표를 생성하기 위해 레이다, IR 또는 기타 정보를 수집할 수 있다.
단일 검출점의 정보를 기초로 하여 행해지는 모든 계산은 시간이 허락하는 한 검출기간중에 프로그래머블 프로세서(14)에 의해 수행된다. 검출영상 전체를 기초로 한 나머지 모든 계산은 주기적인 정합 기간중에 검출점이 검출영상에 순차적으로 가산될 대 행해진다. 다음, 프로그래머블 프로세서(14)는 갱신기간중에 정합시도의 실패 후 폐지(exinct) 검출점 데이터의 제거 및 재초기화를 수행한다. 상기 프로그래머블 프로세서(14)에 의해 최종 정합이 일단 이루어지면, 정합점의 좌표는 검출영상내의 특정 목표점의 위치를 결정하는 데 사용된다. 상기 목표점의 좌표는 제어장치(18)에 전달된다. 제어장치(18)는 예를 들면, 미사일 유도시스템 또는 목표점 정보를 이용하는 다른 수단일 수도 있다.
본 발명은 많은 일반적인 경우에 효과적으로 이용될 수 있지만, 이하에 기술되는 바람직한 실시예에서는 기준 및 검출영상이 2차원적일 보여지는 외관(회전 및 휘어짐)이나 스케일링(Scaling)의 차이가 최소인 경우에 대해 설명한다. 이것은 단순하긴 하지만 많은 실제적인 상황에 유용한 모델이다.
1. 초기화
제2도는 4개의 기준점(2)으로 구성된 간단한 패턴(20)을 도시한 것이다. 목표점(24)은 상기 패턴(20)의 방향(Orientation)에 대해 고정된 기지(旣知)의 주어진 위치에 위치된다. 각 기준점(22)뿐 아니라 목표점(24)의 좌표는 특정한 기준 좌표시스템내에 주어진다. 제3도는 6개의 검출점(28)의 한 세트(26)을 도시한 것이다. 상기 검출점(28)은 검출되는 검출프레임내의 좌표에 의해 정의된다. 선험적인 기하학(Apriori encounter geometry)을 특정함으로써, 기준좌표프레임에 대한 검출좌표 프레임의 방위각이 알려진다. 적절한 좌표변환이 설정되고, 공급된 기준좌표는 선험적인 검출좌표 프레임으로 변환된다. 이러한 점들은 기준점의 REF좌표로 언급된다. 임의의 원점에 대한 X, Y 방향의 북쪽 및 동쪽방향이 사용된다. 또한, 선험적인 방위각(북쪽에 대한 상대각도)에 의해 내부 X축방향이 설정된다.
다음, 일치할 가능성이 있는 한쌍의 각 기준점에 대하여 한 세트의 벡터가 설정된다. 상기 벡터는 한점으로부터 다른 점으로 향하는 바, 각 점의 쌍은 일반적으로 두번 이용된다. 처리능력을 개선하기 위해서, 주로 "후방"으로 배향되는 "너무 긴"벡터는 제거하기로 하는데, 그 이유는 그들 벡터를 형성하는 순차적 방식으로 인해 대응하는 검출벡터들은 정합시킬 수 없기 때문이다. 예를 들어서 소정치 이상의 음(Negative)의 X성분을 갖는 REF벡터는 유지할 필요가 없는 것이다.
다음, 기준영상을 둘러싸는데 필요한(X축을 따른)기억깊이가 계산되고, 검출점에 대한 "폐지"기준이 설정된다. 그런 다음, 잠재적인 정합임계치가 설정되는데, 이 임계치는 점검출의 선험적인 가능성과 공급된 기준점의 총수에 의거하여 잠재적인 정합 히스토그램내의 계수를 정의한다.
제4도를 참조하면, 잠재적인 정합 매트릭스(30)는 모두 0으로 설정된 빈(Bins)을 갖도록 구성된다. 잠재적인 정합 매트릭스(30)의 행(32)은 검출(DET)점에 해당되고, 열(34)은 기준(REF)점에 해당된다. 이 기간에 여러가지 다른 상수, 테이블 및 초기화에 필요한 변수가 설정되고 초기화된다. 이때, 정합처리의 모든 결과에 대하여 미리 계산될 수 있는 목표점의 추정에 필요한 데이타가 만들어져 기억될 수 있다.
2. 검출
프로그래머블 프로세서(14)는 상술한 바와 같은 초기화과정을 거친 후 새로운 검출점에 대한 데이타가 인가되면, 제4도에 도시된 정합 매트릭스(30)내의 새로운 행(32)을 이용할 수 있는 자유행의 목록으로 부터 선택하고, 그 행을 "사용중"으로 설정한다. 다음, 검출점의 가능한 쌍에 대하여 한 세트의 벡터가 설정된다. 벡터는 과거의 각 "비-폐지"점으로 부터 새로운 점까지 진행된다. 새로운 세트의 검출벡터가 각각 생성될 때 벡터정합이 각 DET벡터와 각 REF벡터간에서 시도된다. 두 벡터간의 정합은 그들의 차벡터의 길이가 소정의 임계치(Threshold)보다 작을 때에 나타난다. 처리시간을 감소시키기 위해서 정합작업의 예비선별(Preliminary Screening)이 룩업처리를 이용하여 이루어진다. 초기화 처리기간동안 검출벡터공간은 소정수의 장방향영역(Rectangular Regions)으로 분할된다. 그런 다음, 각 구역에 대하여, 그 영역에 속하는 검출벡터에 정합될 가능성이 있는 REF벡터의 목록이 테이블에 기억된다. 그리고, 검출기간에는 적은 수의 잠재적인 기준벡터-검출벡터 정합 만을 시도할 필요가 있다. 또한, 적은 허용기준을 이용하여 X와 Y를 따로 따로 검사하는 것에 의해, 그리고 초기선별에서 남겨진 소수의 잠재적인 정합에 대한 길이를 검사하는 것만에 의해서, 필요한 처리시간을 상당히 감소시킬 수 있다. 현재의 벡터정합 목록은 신규의 정합으로 증대된다.
제5도는 이러한 벡터정합목록(36)을 보인 것이다. 벡터정합목록(36)내의 최상위단에 기재된 항목은 제3도의 검출점들중 검출점(1)에서 시작해서 검출점(2)으로 끝나는 벡터가 제2도의 기준점들중 기준점(1)에서 시작해서 기준점(3)으로 끝나는 벡터가 정합하는 것을 나타낸다. 도시된 도면상에도 이들 벡터는 거의 같은 길이와 방향을 갖고 있는 것으로 보일 것이다.
각 벡터 정합은 2개의 대응하는 점정합을 나타내므로, 예로서, 제5도의 벡터정합목록(36)내의 최상단의 벡터정합은 검출점번호(2)와 기준점 번호(3)간의 1개의 정합과 검출점 번호(1)와 기준점 번호(1)간의 정합을 나타낸다. 제4도의 정합 매트릭스(30내의 빈들은 이러한 정합결과를 나타낸다. 즉, 제4도의 정합 매트릭스(30)내의 검출번호(2)에 대한 행과 기준점 번호(3)의 열과의 교차점에 있는 빈에는 1이 나타나고, 검출점번호(1)으 행과 기준점 번호(1)의 열과의 교차점에 있는 빈에는 1이 나타난다. 이와 같이 제4도의 정합 매트릭스(30)는 제5도의 벡터정합 테이블(36)내에 제시된 모든 정합 결과를 나타낸다. 정합 매트릭스(30)를 보면 어느 검출 점과 기준점은 전혀 정합되지 않는가 하면, 어느 검출점과 기준점은 최대 3번 정합됨을 알 수 있다.
3. 정합
이제, 프로그래머블 프로세서(14)는 정합 매트릭스(30)을 스캔(Scan)하여, 정합 매트릭스(30)내에서의 최대값(MAX)를 판정한다. 잠재적인 정합임계치(MXTHRESH)는 상술한 바와 같이 초기화기간동안에 설정되는데, 예로서, 설정된 정합임계치(MXTHRESH)는 제4도에 도시된 바와 같이 2.25로 설정된다. 이제 3의 최대값(MAX)은 2.25의 정합임계치와 비교된다. 비교결과, 최대값(MAX)이 잠재적인 정합임계치(MXTHRESH)보다 작으면, 정합처리는 기준패턴을 발견하지 않고 정합 시도를 종료한다. 그러나 최대값(MAX)이 잠재적인 정합 임계치(MXHTRESH)보다 크면, 빈 보유임계치(REQ)가 설정되고 정합처리가 속행된다. 제4도에 도시된 바와 같이, 최대값은 보유임계치보다 크며, 보유임계치(REQ)는 최대값의 빈값인 1.5로 설정된다.
그런 다음, 프로그래머블 프로세서(14)는 제4도의 정합 매트릭스(30)를 다시 스캔하여 설정된 정합 매트릭스(30)내의 빈의 값은 제6도에 도시된 수정된 잠재적인 정합 매트릭스(38)내에 대응하는 빈을 가지며, 이것은 -1로 설정된다(나머지 모든 빈들은 0으로 설정된다). 이것은 통상적으로는 빈의 갯수를 증가시킬 "약한"벡터정합을 배제하기 위한 매트릭스 수정처리를 나타낸다. 따라서, 제4도의 정합 매트릭스(30)내에서 1만을 갖고 있는 각 빈은 1.5보유한계치를 충족시키지 못하하므로 그것에는 밑줄이 그어져 있다. 이와 마찬가지로, 이러한 정합은 제5도의 벡터정합 테이블(36)내에서 "누락"란에 표시된다.
그 다음, 현재의 벡터정합목록을 스캔하여, 대응하는 2개의 빈을 그들중의 어떤 것도 음이 아닐 때에만 증가시켜 수정된 정합 매트릭스(38)를 안성한다. 이러한 처리는 정합 매트릭스(30)내에서 밀줄쳐진 빈을 제거하여 다른 빈의 계수치 및 수정된 잠재적인 정합 매트릭스(38)내의 계수치를 감소시킬 수도 있다. 이와 같이 빈은 상술한 바와 같은 수정처리를 통해 간접적으로 감소시킬 수는 있으나 직접적으로 감소시킬 수는 없다. 배제되는 각 벡터정합에 대하여 2개 빈의 계수치가 배제되기 때문에, 다른 빈의 계수치도 감소된다. 그런 다음, 프로그래머블 프로세서(14)는 수정된 잠재적인 정합 매트릭스(38)를 스캔하여 보유하고 있는 최대값(MAX)을 판정한다. 각 행의 최대값과 그 행의 기재항목 합계와의 합도 이 스캔을 통해 판정될 수 있다. 그리고, 각 행의 최대값을 갖는 빈에 대한 열의 인덱스가 결정된다. 2개 이상의 기재항목이 그 행의 최대값으로 설정되어 있다면, 그 열의 인덱스는 -1로 세트된다.
그런 다음, 다음과 같은 선택이 적용되는 제1기준에 의하여 "고 신뢰성(High Confidence)"의 점정합 목록이 제6도의 개선된 잠재적인 정정합 매트릭스(38)로 부터 생성된다.
(1) 점정합 매트릭스(38)내의 임의의 행(Any Row)이 0이 아닌 하나의 값을 갖고 그 값이 점정합 매트릭스 최대값(MAX)과 동일하다면, 매트릭스(38)내의 그러한 모든 점정합을 선택한다. 그러한 점정합은 한 행에 대해 최대 한개가 있을 수 있다.
(2) 점정합 매트릭스(38)내의 임의의 행이 매트릭스의 최대값(MAX)과 동일한 단 하나의 값만을 갖는 경우이면, 매트릭스내의 그러한 모든 점정합을 선택한다. 그러한 점정합은 한 행에 대해 최대 한개가 있을 수 있다.
(3) 빈의 값이 매트릭스 최대값(MAX)과 동일한 매트릭스(38)내의 모든 점정합을 선택한다.
이때, 기준점과 검출점간의 적절한 예비변환연산이 수행되어, 최종적인 점정합 선택처리를 준비한다. 기준점으로부터 검출점의 중간오프세트 벡터(Median Offset Vector)는 상술한 바와 같이 생성된 고신뢰 점정합으로 부터 얻어지는 세트로 부터 설정된다. X와 Y의 중간치는 별개로 결정된다. 상술한 좌표변환은 기준점으로 부터 검출점 프레임의 정확한 방위각(Bearing Angle)으로 행해졌지만, 기준점과 검출점간의 오프세트가 아직도 남아 있다. 예를 들어, 제7도는 수정된 점정합 매트릭스(38)내의 실선의 원형 빈으로 표현되어 있는 고신뢰 정합점(2,2)(3,3)(6,4)이 계산된 중간 오프세트(X,Y)를 갖는 것을 도시한다.
최종적인 점정합은 상술한 예비변환을 이용하여 각각의 잠재적인 기준 정합점을 검출프레임으로 변환시키므로써 선택된다. 다시 말해서, 중간오프세트 벡터가 기준점 좌표에 추가되어 그것의 예상되는 검출프레임값들이 추산될 수 있게 한다. 대응하는 검출정합점은 공간일치성(소정의 임계치내에 놓이는 차벡터의 길이)에 대하여 체크된다. 이러한 최종단계에서 체크될 잠재적인 정합은 0이 아닌 빈 값이 행 최대치와 동일한 정합이다. 그리고 최종적인 점정합의 목록과 최종적인 정합 계수치가 그때 생성된다. 이러한 처리는 제8도에 도시된다.
최종적인 점정합의 총수가 충분하지 않다면 처리는 종료된다. 그러나, 최종적인 점정합의 총수가 충분하면 기준패턴은 발견된 것으로 되어, 처리는 후술하는 목표점 검출처리로 진행한다.
기준점에서 검출점으로의 적절한 변환계산은 최종적인 점정합쌍을 이용하여 수행된다. 더구나 이 정합단계에서 보다 진보된 변환을 사용하여 극히 작은 정격의 일그러짐(왜곡)과 크기(Scale) 및 회전에 있어서의 작은 차이를 고려한다. 상술한 변환은 검출 영상내의 특정 목표점의 위치를 찾아내는데 이용된다.
4. 갱신
폐지될 검출점(X좌표가 소정의 최소값보다 작음)을 제거해야 한다. 이러한 검출점 제거는 폐지점의 결과로서 생겨난 영속적인 잠재적은 정합매트릭스(30)내의 적절한 빈을 감소시킨 다음, 종말점으로서의 폐지점을 갖고 있는 대응벡터를 벡터정합목록(36)으로 부터 제거시키고, 그 점을 현재의 검출점 목적으로 부터 제거시킴으로써 이루어진다. 또한, 바람직하게는, 매트릭스의 행, 점과 벡터 목록은 적당히 압축되어야 한다. 실제의 압축은 체인포인터(Chain Pointer)의 수정에 의해 수행될 수 있다. 비워진 행은 모두 0을 포함한다.
상술한 바와 같이 제9도 내지 제12도는 상술되 초기화, 검출, 정합 및 갱신처리를 제각기 도시한 플로우챠트이다.
패턴정합 시스템(10)의 간단한 목표점정 로직의 예를 이제부터 검토하고자 한다. 이 경우의 미지의 변환을 가정하고, 양축상에 대한 미소의 회전이나 스케일 요소(Scale Factor)를 가정한 것이다. 추정과는 목표점 좌표는 이하의 변환에 의해서 알게 될 것인데, 여기서 최종적인 모든 정합쌍에 대한 면적중심(Centroid)은 이하와 같이 계산된다.
상술한 예는 간단하기는 하지만 가정에 너무 많이 좌우된다. 이것보다 복잡하지만 보다 적당한 접근방법을 이제부터 검토하고자 한다. 이 방법은 미지의 변환, 잠재적으로 아주 작은(≤5°)회전 및 Y스케일 인자가 없고, 잠재적으로 작은 X스케일 인자(≤10%)에 대한 경우이다.
이하의 변환은 다음과 같이 10단계로 계산된다.
DEN=0이면의 관계를 이용하여 K를 재추정한다.(10)
이보다 일반화된 변환도 사용할 수 있다. 예를 들어, 회전, 스케일 및 시프트(Shift)를 포함한 변환 매트릭스의 최소자승 적합 추정기법을 이용할 수도 있다.
[실시간 처리의 실시예]
실시간의 패턴정합에 대한 본 발명의 일실시예를 이제부터 기술하고자 한다. 이 실시예는 정합문제를 고속으로 해결하기 위하여 종래의 컴퓨터를 사용하여 소프트웨어로 간단히 실시할 수 있다. 이제 제13a도를 참조하면, 이 실시예는 5개의 기준점과 2개의 목표점이 도시되어 있다. 제13b도는 회전수, 90°방위각의 좌표축 회전을 도시하고 있다. 제14도는 회전되기 전의 입력 기준점 테이블의 좌표를 나타내며, 제15도는 회전후 기준점 테이블의 좌표를 나타낸다. 이와 유사하게, 제16도는 회전되기 전의 기준목표점 테이블을 나타내며, 제17도는 90도만큼 회전되었을 때의 기준목표점 테이블의 좌표를 나타낸다. 실시간 처리를 구현한 실시예를 나타내는 제13도 내지 제27도에서 이용 있는 모든 용어에 대한 정의는 이하와 같다.
(패턴정합시스템의 데이타의 정의)
입력되는 기준점 테이블 :
NRPTS=기준점의 수(3≤NRPTS≤NPEFMAX)
XRIN(I)=I번째 기준점의 X좌표(X=북쪽)
YRIN(I)=I번째 기준점의 Y좌표(Y=동쪽)
입력되는 기준 목표점 테이블 :
NAPS=목표점의 수(1≤NAPS≤NAPMAX)
APIDX(I)=I번째 목표점에 대한 목표점 지정인덱스(테이블은 가장 높은 값(제로에서)으로 부터 가장 낮은 값으로 우선순위가 존재한다)
XAPIN(I)=I번째 목표점의 X좌표(X=북쪽)
YAPIN(I)=1번째 목표점의 Y좌표(Y=동쪽)
XAPIN과 YAPIN에 대한 APIDX=-1일때만 공급된다.
입력 패러메타 : (제13b도 참조)
방위각(Bearing)=당면하는 REF점의 방위각(-180°≤방위각<180°; 북쪽에 대한 각도)
0°=북쪽, +90°=동쪽, -90°=서쪽, -180°=남쪽
Θ=방위각(북쪽으로 부터); 원점은 임의로 설정함. 입력프레임으로부터 선험적내부 기준프레임으로의 변환은 다음식에 의해 부여된다.
기준점 테이블 : 0≤I<NRPTS
XREF(I)=I번째 기준점의 X좌표
YREF(I)=I번째 기준점의 Y좌표
기준 목표점 테이블 : 0≤<NAPS
XAPREF(I)=I번째 기준 AP의 X좌표
YAPREF(I)=I번째 기준 AP의 Y좌표
기준벡터 테이블 : 0≤I<(NRPTS)*(NRPTS-1)
NRVECT=보유하고 있는 REF 벡터의 수
RPVHEAD(I)=I번째 기준벡터의 개시부로서 이용되는 REF점의 인덱스
RPVTAIL(I)=I번째 기준벡터의 종지부로서 이용되는 REF점의 인덱스
XRVECT(I)=I번째 REF벡터의 X성분
YRVECT(I)=I번째 REF벡터의 Y성분
XRVECT<XVCUTOFF를 갖는 벡터는 테이블에 보유할 필요가 없다. 왜냐하면, 그들은 대응하는 DET벡터(종지부=가장 최근의 DET점; 개시부=바로 이전의 DET점)에 결코 정합할 수 없기 때문이다.
양자화포이터 테이블 : 0≤I<NQBINS
양자화 포인터 테이블은 목록의 개시부에 대한 포인터 및 정합 가능한 REF벡터 테이블내의 각 빈에 관한 목록의 길이를 포함한다.
QTABPTR(I)=I번째 양자화빈에 관한 REF벡터 목록의 개시부에 대한 포인터
QTABLEN(I)=I번째 양자화빈에 관한 REF벡터 목록의 길이 정합 가능한 기준벡터테이블 : 0≤I<NMRVTAB
NMRVTAB=정합 가능한 REF벡터 테이블내의 기재항목 수
RVPMIDX(I)=I번째 테이블의 기재항목에 대한 REF벡터의 잠재적인 정합인덱스
이 테이블은 대응 양자화빈내에 있는 DET벡터와 잠재적으로 정합될 수 있는 REf벡터의 연속목록으로 구성된다. 빈에 대한 목록들은 상기 테이블내에서 인접하게 스택된다.
검출점 연결목록 : 0≤I<NDETMAX
NDPTS=검출점의 수(0≤NDPTS<NDETMAX)
DPLBEG=검출점 연결목록내의 제1기재항목에 대한 테이블 인덱스
DPLBEG=검출점 연결목록내의 제1기재항목에 대한 테이블 인덱스
DPLEND=검출점 연결목록내의 마지막 기재항목에 대한 테이블 인덱스
DPLNEXT(I)=검출점 연결목록내의 다음 기재항목에 대한 테이블 인덱스(마지막 기재항목인 경우는 -1임)
DPLPREV(I)=검출점 연결목록내의 이전 기재항목에 대한 테이블 인덱스(최초의 기재항목인 경우는 -1임)
DETTGT(I)=테이블 인덱스 I에 기억된 DET점에 대한 목표파일 인덱스
XDET(I)=테이블 인덱스 I에 기억된 DET점의 X좌표
YDET(I)=테이블 인덱스 I에 기억된 DET점의 Y좌표
주의 사항 : 각 목표파일내의 일정 정합장치 검출점 능동(CONST_MATCHER_DET_POINT ACTIVE(CMDPACT)플래그를 정의하는 것이 필요하다. 이 플래그는 목표파일을 DET점으로 이용할 때에 세트된다.
주의 사항 : 테이블내의 DET점 인덱스를 지시하도록 각 목표파일내의 DETPTR을 정의할 필요가 있다.
DET/REF벡터정합 연결목록 : 0≤I<NDRVMAX
NDRVMATS=DET/REF벡터정합 연결목록내의 기재항목의 수(#가 NDRVMAX를 초과하면 에러가 발생함)
DRVLBEG=DET/REF벡터정합 연결목록내의 제1기재항목에 대한 테이블 인덱스
DRVLEND=DET/REF벡터정합 연결목록내의 마지막 기재항목에 대한 테이블 인덱스
DRVLNEXT(I)=DET/REF벡터정합 연결목록내의 다음 기재항목에 대한 테이블 인덱스(마지막 기재항목인 경우는 -1임)
DRVLPREV(I)=DET/REF벡터정합 연결목록내의 이전 기재항목에 대한 테이블 인덱스(최초의 기재항목인 경우는 -1임)
BIDXHEAD(I)=테이블 인덱스 I에 기억된 기재항목의 벡터종지부를 포함하는 DET/REF쌍에 대한 잠재적인 정합 매트릭스내의 빈 인덱스
BIDXTAIL(I)=테이블 인덱스 I에 기억된 기재항목의 벡터개시부를 포함하는 DET/REF쌍에 대한 잠재적인 정합 매트릭스내의 빈 인덱스
검출점 연결목록내에 사용하는 자유공간 스택 :
DPLFREE(I)=검출점 연결목록 테이블로의 인덱스(I<NDPTS이면 사용되고, I≥NDPTS이면 자유)
주의 사항 : NDPTS는 이 테이블내에서 이용되지 않은 그 다음 기재항목의 인덱스임.
DET/REF벡터정합 연결목록에 사용하는 자유공간 스택 :
DRVLEFREE(I) : DET/REF벡터정합 연결목록 테이블로의 인덱스(I<NDRVMATS이면 이용되고, I≥NDRVMATS이면 자유)
주의 사항 : NDRVMATS는 이 테이블내에서 이용되지 않은 그 다음 기재항목의 인덱스임.
잠재적인 정합 매트릭스 : 0≤K<NMATBINS
MATBIN(K)=DET/REF벡터정합 목록내에서 K번째 DET/REF점 쌍의 발생수에 대한 히스토그램 계수치
K=NREFMAX*I+J; 여기서 I=DET점 인덱스, J=REF점 인덱스
주의 사항 : 2개의 빈은 각 벡터정합에 대하여 증가됨(하나는 종지부로부터 이고 나머지 하나는 개수부로 부터임)
수정된 잠재적인 정합 매트릭스 : 0≤K<NMATBINS
RMATBIN(K)=수정된 DET/REF벡터정합 목록내에서 K번째 DET/REF점 쌍의 발생수에 대한 히스토그램 계수치
값=음의 값이 아니면 계수하고, -1이면 제외(Exclusion)플래그
REF에서 DET로의 오프세트 벡터테이블 : 0≤I<NRDOFF
NRDOFF=잠재적인 고신뢰정합으로부터 생긴 REF에서 DET로의 오프세트벡터의 수
RDXOFF(I)=I번째 X오프세트(REF로부터 DET)
RDYOFF(I)=I번째 Y오프세트(REF로부터 DET)
최초의 X/Y쌍은 정렬(Align)되지만 개별적으로 분류된다.
MEDXOFF=중간 X오프세트(REF로부터 DET)
MEDYOFF=중간 Y오프세트(REF로부터 DET)
최종된 점정압 테이블 : 0≤I<NUMDMAT
NUMDMAT=정합된 최종적인 DET점의 수
NUMRMAT=정합된 최종적인 REF점의 수
MDPIDX(I)=I번째 점정합에 대한 DET점 인덱스(목표 파일 인덱스)
MRPIDX(I)=I번째 점정합에 대한 REF점 인덱스
MDPX(I)=I번째 점정합에서 DET점의 X좌표
MDPY(I)=I번째 점정합에서 DET점의 Y좌표
추정된 DET프레임 목표점 테이블 : 0≤I<NAPS
XAPDET(I)=I번째 참조 AP의 X좌표
YAPDET(I)=I번째 참조 AP의 Y좌표
변수
FTDEST=DET점에 대한 추정된 착오타켓밀도(FTD)
MXTHRESH=잠재적인 DET/REF정합을 설정하기 위한 BIN값의 최대임계치
BINMAX<MXTHRESH이면 : 정합이 없음.
BRTHRESH=제2정합단계를 위한 BIN보유 임계치
MATBIN(K)≥BRTHRESH이면 K번째 빈이 보유됨.
BINMAX=잠재적인 정합 매트릭스내의 모든 BIN의 최대 계수치
RBINMAX=수정된 잠재적인 정합 매트릭스내의 모든 BIN의 최대 계수치
ROWMAX(I)=수정된 잠재적인 정합 매트릭스의 I번째 행내의 모든 BIN의 최대 계수치
ROWSUM(I)=수정된 잠재적인 정합 매트릭스의 I번째 행내의 모든 BIN에 있어서 모든 플러스(+)의 계수치의 합계
-1인 BIN은 무시된다.
RMAXCOL(I)=수정된 잠재적인 정합 매트릭스의 I번째 행에 대한 최대 계수치를 갖는 BIN의 열인덱스 행내에서 최대값을 갖는 빈이 둘 이상이면 -1로 세트
MATHRESH=최종적인 REF점 정합에 대한 정합 임계치
MINTHR=정합 임계치로 허용되는 절대 최소치
MATFLAG=정합 플래그(정합되었다면 세트, 정합되지 않았다면 리세트)
XEXTINCT=X값으로서, 구 DET점은, 그 값을 넘으면, 폐지되고 정합처리에서 더 이상 고려되지 않는다.
상수 :
NDETMAX=허용된 DET점의 최대값
NREFMAX=허용된 REF점의 최대값
NAPMAX=허용된 REF목표점의 최대값
DETDEPTH=DET점에 대한 기억깊이(X)
DETWIDTH=DET점에 대한 기억폭(Y)
SCANSIZE=단일 검출스캔폭
XQSTEP=REF벡터 양자화단계 사이즈(X)
YQSTEP=REF벡터 양자화단계 사이즈(Y)
NQXSTEPS=DET벡터공간에 대한 양자화단계수(X에 있어서)
NQYSTEPS=DET벡터공간에 대한 양자화단계수(Y에 있어서)
NQBINS=DET벡터공간에 대한 양자화 BIN의 숫자
VCUTOFF=REF벡터의 보유를 위해 허용된 음(-)의 최소 X성분(이것은 검출 스캔폭과 적어도 동일한 크기이어야만 함)
XDVQOFF=DET벡터 양자화 오프세트(X)=보통은 XVCUTOFF
YDVQOFF=DET벡터 양자화 오프세트(Y)=보통은 DETWIDTH
NMRVTMAX=정합 가능한 REF벡터 테이블 기재항목의 최대수
NDRVMMAX=DET/REF벡터정합 테이블 기재항목의 최대수. 이 숫자는 이론적으로는 아주 크지만, 실제로는 그다지 큰 값이 아닐 것이다. 그러나 가장 예상되는 경우를 커버하기 위해 다소 임의적으로 선택되지만 메모리에 문제가 없는 한 실험적으로 세트되어야 한다.
ABSMAX=(NREFMAX)*(NREFMAX-1)*(NDETMAX)*(NDETMAX-1)/2
VMERRLIM=DET벡터와 REF벡터를 정합시키는 데에 허용되는 에러의 한계(√2*PMERRLIM)
PMERRLIM=DET점과 REF점을 정합시키는데에 허용되는 에러의 한계(점에러와 회전에러 및 속도/스케일 에러를 포함함)
REGDIST=타켓 등록거리(2개 DET점간의 절대취소 거리)
NMATBINS=잠재적인 정합 매트릭스 빈의 수=보통은(NDETMAX*NREFMAX)
PDEST=기준점에 대한 선험적인 검출확률(PD)
KMTHR=MXTHRESH를 판단하는데에 이용되는 임계상수
KBRTHR=BRTHRESH를 판단하는데에 이용되는 임계상수
KLOWFTD=MATHRESH를 판단하는데에 있어서 FTD중단점(Breakpoint)상수
MINTHRLO=MINTHR에 대한 로우 값
MINTHRLI=MINTHR에 대한 하이 값
KMATHR=MATHRESH를 결정하는데에 이용되는 임계상수
공식 :
MXTHRESH=MAX{2, KMXTHR*(PDEST*NRPTS-1)}
BRTHRESH=KBRTHR*BINMAX
BIDXHEAD=NREFMAX*DETTGT(개시점에 대한 것임)+RPVHEAD
BIDXTAIL=NREFMAX*DETTGT(종지점에 대한 것임)+RPVTAIL
MINTHR=FTDEST≤KLOWFTD이면 MINTHRLO
FTDEST>KLOWFTD이면, MINTHRHI
MATHRESH=MAX{KMATHR*NRPTS*PDEST, MINTHR)
XEXTINCT=XMSL+XOP-DETDEPTH(여기서 XMSL-XOP는 DET스캔 중심의 X좌표임)
이제, 0.75의 XV 컷 오프보다 작은 XV를 갖는 벡터들을 제거한 후 기준점의 모든 순차쌍을 포함하는 기준벡터 테이블을 작성한다. 제19도에 도시된 바와 같이, 8개의 가능성이 있는 벡터가 제거되고 12개가 남는다.
이 실시예에 있어서, 검출점(X)의 기억깊이 Y축의 DETWIDTH=1000에 대하여 DETDEPTH=900이고, 단일 검출스캔 폭은 SCANSIZE=75; XQSTEP=512, YQSTEP=512, NQXSTEPS=2이며 NQYSTEPS=4이다. 또한 VMERRLIM=60, XDVQOFF=75이고 YDVQOFF=1000이다.
제18a도, 제18b도에는 이 실시예에 이용된 제한조건뿐 아니라 검출점/벡터/양자화 좌표 정의 테이블이 도시된다. 양자화 포인터 테이블 및 정합가능한 기준벡터의 테이블은 제20도에 도시된다. 양자화의 목적은 처리속도를 향상시키는데 있다. 가능성이 있는 벡터를 모두 정합시키려고 시도한다면, 시도된 횟수는 그의 조합에 인해 굉장히 큰 수로 된다. 정합에 가까운 벡터는 실제로 거의 없기 때문에 처리는 양자화를 이용하여 효율적으로 수행될 수 있다. 따라서, 기준점의 모든 조합들이 기준벡터를 만드는 것에 이용되며, 그것들은 양자화된 빈으로 분할된다. 각 양자화 빈에 대하여, 그 빈에 대응하는 어떤 DET벡터에 정합될 수 있는 모든 기준벡터의 인덱스 목록은 테이블에 기억된다. 검출벡터가 판정되면 그것은 양자화되고, 시스템은 인덱스가 일치하는 양자화 빈에 기억되어 있는 기준벡터만의 정합을 시도한다. 따라서, 프로그래머블 프로세서(14)는 정합에 가장 접근한 것만 인식하고 그들 모두를 체크할 필요는 없다. 기본적으로, 양자화포인터 테이블은 대상을 고속으로 보는 방법을 제공한다. 이러한 양자화방식을 이용하지 않고 정합가능성이 있는 것을 모두 취급하려면, 매우 큰 용량의 메모리가 필요하게 된다.
제21도는 검출점 연결목록을 도시한다. 제22도는 DET/REF벡터정합 연결목록을 도시하는데, 이 연결목록은 충분히 작은 차벡터를 근거로 정합된 모든 벡터쌍으로 형성딘다. 제23도는 잠재적인 정합 매트릭스를 보인 것으로, 빈 MAX는 4이고 MXTHRESH는 2.0625이며 BIN MAX는 MXTHRESH보다 크다. 또한, BRTHRESH=0.5*4로서 2와 동일하므로, 2보다 작은 빈은 제24도에 도시된 수정된 잠재적인 정합 매트릭스를 생성하는데에서 제외된다. 제25도는 수정된 잠재적인 정합 매트릭스 행의 통계를 보인 것이다. 이행 통계는 능동행(Active Row)에 사용되어, 경합(競合)이 존재하는 장소가 판단되게 한다. 또한, 제25도는 오프세트 벡터테이블을 도시하고 있다.
마지막으로, 제26도는 5개의 정합이 발견되었다는 것을 나타내는 최종의 점정합 테이블에 대한 것이다. 이렇게 간단한 예에서는, 검출 프레임 목표점 좌표를 추정하기 위해, REF에서 DET의 중간 프레임 오프세트가 사용된다. 이것에 의해 목표점 좌표가 제27도에 도시된다.
상기 패턴정합시스템(10)은 다양한 설정조건에 한 세트의 기준점을 한 세트의 제2검출점에 정합하는데 사용될 수 있음을 알 수 있다. 또한 본 발명은 실시간 처리로 많은 응용분야에서 이용될 수 있다.
상술한 설명은 본 발명의 바람직한 실시예에 대한 것이나, 첨부된 청구범위의 범주 및 의미를 벗어나지 않고서 변형과 변화를 본 발명을 근거로 실시할 수 있음을 명백하다.

Claims (11)

  1. 한 세트의 검출점을 기준패턴에 정합시키기 위한 패턴정합장치에 있어서; 기준좌표 프레임내에 정의된 기준패턴의 기준점(22)의 좌표들을 기억하기 위한 수단(12); 검출좌표 프레임내에 정의된 검출점(28)의 좌표들을 기억하기 위한 수단(16); 상기 기준좌표 프레임내의 기준점들을 상기 검출좌표 프레임으로 변환시키기 위한 수단(14); 상기 기준점들의 가능한 순차쌍에 대한 벡터테이블을 작성하기 위한 수단(14); 상기 검출점들의 가능한 순차쌍에 대한 벡터테이블을 작성하기 위한 수단(14); 기설정 임계치 미만의 차벡터를 갖는 기준벡터와 검출벡터간의 정합쌍에 대한 목록(36)을 작성하기 위한 수단(14); 상기 기준벡터와 검출벡터의 상기 정합쌍들에 대응되는 검출점과 기준점간의 정합을 계수하기 위한 빈들을 갖는 정합 매트릭스 히스토그램(30)을 작성하기 위한 수단(14); 상기 빈의 계수치를 토대로 가능성이 적은 정합을 제거하여 상기 매트릭스내의 정합을 선택하기 위한 수단(14)을 포함함을 특징으로 하는 패턴정합장치.
  2. 제1항에 있어서, 상기 기준점들의 순차쌍에 대한 벡터테이블을 작성하는 수단은 주로 후방으로 향하는 비교적 긴 벡터를 제거하는 수단을 더 포함함을 특징으로 하는 패턴정합장치.
  3. 제1항에 있어서, 빈내의 계수치가 기준점의 수 및 점검출의 확률을 토대로 산정되는 기설정 정합 임계치 미만인지를 판정하기 위한 수단; 빈내의 계수치가 상기 정합 임계치에 비례하는 보유 임계치 보다 작은지를 판정하기 위한 수단; 상기 보유 임계치보다 작은 빈내의 정합을 제거하기 위한 수단을 더 포함함을 특징으로 하는 패턴정합장치.
  4. 제1항에 있어서, 상기 정합 매트릭스 히스토그램(30)에서 행 불일치가 있는지를 판정하고, 그러한 불일치의 상대적 결여를 토대로 고신뢰 정합을 선택하기 위한 수단을 더 포함함을 특징으로 하는 패턴정합장치.
  5. 제4항에 있어서, 상기 고신뢰 정합에서 상기 기준점과 검출점의 오프세트(offset)을 계산하기 위한 수단; 비교적 높은 오프세트를 갖는 정합점을 제거하여 최종 정합테이블을 작성하기 위한 수단을 더 포함함을 특징으로 하는 패턴정합장치.
  6. 한 세트의 검출점을 기준패턴에 정합시키기 위한 패턴정합장치에 있어서; 기준좌표 프레임내의 정의된 기준패턴의 기준점 좌표를 기억하는 단계; 검출좌표 프레임내에 정의된 검출점 좌표를 기억하는 단계; 상기 기준좌표 프레임내의 기준점들을 상기 검출좌표 프레임으로 변환하는 단계; 상기 기준점들의 가능한 순차쌍에 대한 벡터테이블을 작성하는 단계; 상기 검출점들의 가능한 순차쌍에 대한 벡터테이블을 작성하는 단계; 기설정 임계치 미만의 차벡터를 갖는 기준벡터와 검출벡터간의 정합쌍에 대한 목록을 작성하는 단계; 상기 기준벡터와 검출벡터의 상기 정합쌍에 대응되는 검출점과 기준점간의 정합쌍을 계수하기 위한 빈을 갖는 정합 매트릭스 히스토그램을 작성하는 단계; 상기 빈의 계수치를 토대로 가능성이 적은 정합을 제거하여 상기 매트릭스내의 정합을 선택하는 단계를 포함함을 특징으로 하는 패턴정합장치.
  7. 제6항에 있어서, 상기 기준점들의 순차쌍에 대한 벡터테이블을 작성하는 단계는 주로 후방으로 향하는 비교적 긴 벡터를 제거하는 단계를 더 포함함을 특징으로 하는 패턴정합방법.
  8. 제6항에 있어서, 매트릭스내의 계수치가 기준점들의 수와 점검출의 확률을 토대로 계산되는 기설정 정합 임계치 미만인지를 판정하는 단계; 빈내의 계수치가 상기 정합 임계치에 비례하는 보유 임계치 보다 작은지를 판정하는 단계; 상기 보유 임계치 보다 작은 빈내의 정합을 제거하는 단계를 포함함을 특징으로 하는 패턴정합방법.
  9. 제6항에 있어서, 상기 정합 매트릭스 히스토그램(30)에서 행 불일치가 있는지를 판정하고, 그러한 불일치의 결여를 토대로 고신뢰 정합을 선택하기 위한 단계를 더 포함함을 특징으로 하는 패턴정합방법.
  10. 제9항에 있어서, 상기 고신뢰 정합에서 상기 기준점과 검출점의 오프세트(offset)을 계산하여, 비교적 높은 오프세트를 갖는 정합점을 제거하여 최종 정합테이블을 작성하기 위한 단계를 더 포함함을 특징으로 하는 패턴정합방법.
  11. 한 세트의 검출점을 기준패턴에 정합시킬수 있는 미사일 유도용 패턴정합장치에 있어서; 기준좌표 프레임내에 정의된 기준패턴의 기준점 좌표들을 기억하기 위한 수단(12); 검출좌표 프레임내에 정의된 검출점 좌표들을 기억하기 위한 수단(16); 상기 기준좌표 프레임내의 기준점들을 상기 검출좌표 프레임으로 변환시키기 위한 수단(14); 기준점들의 가능한 순차쌍에 대한 벡터테이블을 작성하기 위한 수단(14); 검출점들의 각 가능한 순차쌍에 대한 벡터테이블을 작성하기 위한 수단(14); 기설정 임계치 미만의 차벡터를 갖는 기준벡터와 검출벡터간의 정합쌍에 대한 목록(38)을 작성하기 위한 수단(14); 상기 기준벡터와 검출벡터의 상기 정합쌍들에 대응되는 검출점과 기준점간의 정합을 계수하기 위한 빈들을 갖는 정합 매트릭스 히스토그램(30)을 작성하기 위한 수단(14); 상기 빈의 계수치를 토대로 가능성이 적은 정합을 제거하여 상기 매트릭스내의 정합을 선택하기 위한 수단(14); 상기 검출점들과 상기 기준점들의 정합을 토대로 상기 미사일을 제어하기 위한 수단(18)을 포함함을 특징으로 하는 패턴정합장치.
KR1019910023101A 1990-12-17 1991-12-16 패턴정합 시스템 및 방법 KR940011329B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US07/628,963 US5218648A (en) 1990-12-17 1990-12-17 Constellation matching system and method
US628,963 1990-12-17

Publications (2)

Publication Number Publication Date
KR920012944A KR920012944A (ko) 1992-07-28
KR940011329B1 true KR940011329B1 (ko) 1994-12-05

Family

ID=24521028

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019910023101A KR940011329B1 (ko) 1990-12-17 1991-12-16 패턴정합 시스템 및 방법

Country Status (10)

Country Link
US (1) US5218648A (ko)
EP (1) EP0495182A3 (ko)
JP (1) JPH04293178A (ko)
KR (1) KR940011329B1 (ko)
AU (1) AU640839B2 (ko)
CA (1) CA2055073C (ko)
IL (1) IL100027A0 (ko)
NO (1) NO914656L (ko)
TR (1) TR26172A (ko)
TW (1) TW200584B (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5954583A (en) * 1992-11-05 1999-09-21 Com21 Limited Secure access control system
US6104828A (en) * 1994-03-24 2000-08-15 Kabushiki Kaisha Topcon Ophthalmologic image processor
US6405036B1 (en) * 1997-09-29 2002-06-11 Telefonaktiebolaget Lm Ericsson (Publ) Method and arrangement in a telecommunication system
US5999117A (en) * 1998-06-16 1999-12-07 Northrop Grumman Corporation Method for tracking and detecting turns of maneuvering targets
US6323776B1 (en) * 1999-12-21 2001-11-27 Snap-On Technologies, Inc. Method and apparatus of automatically identifying faults in a machine vision measuring system
GB2379056B (en) * 2001-05-23 2004-09-29 Univ City Method of pattern discovery
US8620083B2 (en) * 2004-12-03 2013-12-31 Google Inc. Method and system for character recognition
US20080049863A1 (en) * 2006-08-28 2008-02-28 Nokia Corporation Apparatus, method and computer program product providing soft decision generation with lattice reduction aided MIMO detection
GB201020530D0 (en) 2010-12-03 2011-01-19 Optos Plc Method of identifying anomalies in images

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE411400B (sv) * 1977-11-02 1979-12-17 Saab Scania Ab For foljning av ett objekt avsedd korrelationsfoljare
DE2914693C2 (de) * 1979-04-11 1982-05-27 Messerschmitt-Bölkow-Blohm GmbH, 8000 München Vorrichtung zur Präzisionsnavigation
US4736437A (en) * 1982-11-22 1988-04-05 View Engineering, Inc. High speed pattern recognizer
GB8710737D0 (en) * 1987-05-06 1987-06-10 British Telecomm Video image encoding
US4891762A (en) * 1988-02-09 1990-01-02 Chotiros Nicholas P Method and apparatus for tracking, mapping and recognition of spatial patterns
AU651678B2 (en) * 1991-04-08 1994-07-28 Commonwealth Of Australia, The Ray tracing technique for coordinate registration

Also Published As

Publication number Publication date
NO914656L (no) 1992-06-18
NO914656D0 (no) 1991-11-27
CA2055073C (en) 1994-09-20
AU8972191A (en) 1992-06-25
AU640839B2 (en) 1993-09-02
TR26172A (tr) 1995-02-15
JPH04293178A (ja) 1992-10-16
IL100027A0 (en) 1992-08-18
EP0495182A3 (en) 1993-09-15
CA2055073A1 (en) 1992-06-18
EP0495182A2 (en) 1992-07-22
US5218648A (en) 1993-06-08
KR920012944A (ko) 1992-07-28
TW200584B (ko) 1993-02-21

Similar Documents

Publication Publication Date Title
US4868871A (en) Nonparametric imaging tracker
US5093869A (en) Pattern recognition apparatus utilizing area linking and region growth techniques
CN110532897B (zh) 零部件图像识别的方法和装置
US6400848B1 (en) Method for modifying the perspective of a digital image
US6785329B1 (en) Automatic video object extraction
US4783828A (en) Two-dimensional object recognition using chain codes, histogram normalization and trellis algorithm
US5062056A (en) Apparatus and method for tracking a target
US4912559A (en) Image processing method
Kwok et al. A fast recursive shortest spanning tree for image segmentation and edge detection
KR940011329B1 (ko) 패턴정합 시스템 및 방법
Pan et al. Robust and accurate object tracking under various types of occlusions
US20110123067A1 (en) Method And System for Tracking a Target
JPH09171560A (ja) 顔の傾き検出装置
Tashlinskii et al. Usage of mutual information as similarity measures for stochastic binding images
US6107953A (en) Minimum-gradient-path phase unwrapping
US6584213B2 (en) Motion matching method
US7274366B2 (en) Method and apparatus for detecting edge
US5557543A (en) Tracking apparatus
Sun et al. Fast template matching using correlation‐based adaptive predictive search
Liu et al. Image Matching Algorithm Based on Improved SSDA
JP4133246B2 (ja) 画像変形情報生成装置、画像変形情報生成方法及び画像変形情報生成プログラム
Hosur et al. A novel scheme for progressive polygon approximation of shape contours
Gottschalk et al. Two-dimensional partially visible object recognition using efficient multidimensional range queries
JPH06168331A (ja) パターンマッチング方法
Magdeev et al. The effect of image pre-processing on objects adaptive stochastic identification efficiency

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
G160 Decision to publish patent application
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee