컴퓨터 스테레오 비전: 컴퓨터 비전의 깊이 인식 탐구
By Fouad Sabry
()
About this ebook
컴퓨터 스테레오 비전이란 무엇입니까
컴퓨터 스테레오 비전은 CCD 카메라로 얻은 것과 같은 디지털 이미지에서 3D 정보를 추출하는 것입니다. 두 시점에서 장면에 대한 정보를 비교함으로써 두 패널에 있는 객체의 상대적인 위치를 조사하여 3D 정보를 추출할 수 있습니다. 이는 입체시의 생물학적 과정과 유사합니다.
혜택을 받는 방법
(I) 다음 주제에 대한 통찰력 및 검증:
1장: 컴퓨터 스테레오 비전
2장: 3D 재구성
3장: 활성 윤곽 모델
4장: 해리스 아핀 영역 검출기
5장: 전경 감지
6장: 행렬 체르노프 경계
7장: 유사성
8장: 구조적 유사성
9장: 분산 함수
10장: Fréchet 시작 거리
(II) 컴퓨터 스테레오 비전에 관한 대중의 주요 질문에 답변합니다.
(III) 다양한 분야에서 컴퓨터 스테레오 비전을 사용하는 실제 사례
이 책은 누구를 위한 책인가요?
전문가, 학부 및 대학원생, 매니아, 취미생활자 및 모든 종류의 컴퓨터 스테레오 비전에 대한 기본 지식이나 정보를 넘어서고 싶은 사람들.
Read more from Fouad Sabry
컴퓨터 시각 인식 [Korean]
Related to 컴퓨터 스테레오 비전
Titles in the series (100)
인페인팅: 컴퓨터 비전의 격차 해소 Rating: 0 out of 5 stars0 ratings이미지 히스토그램: 시각적 통찰력 공개, 컴퓨터 비전의 이미지 히스토그램 깊이 탐색 Rating: 0 out of 5 stars0 ratings컴퓨터 스테레오 비전: 컴퓨터 비전의 깊이 인식 탐구 Rating: 0 out of 5 stars0 ratings소음 감소: 선명도 향상, 컴퓨터 비전의 노이즈 감소를 위한 고급 기술 Rating: 0 out of 5 stars0 ratings톤 매핑: 톤 매핑: 컴퓨터 비전의 관점 밝히기 Rating: 0 out of 5 stars0 ratings아핀 변환: 시각적 관점 잠금 해제: 컴퓨터 비전의 아핀 변환 탐색 Rating: 0 out of 5 stars0 ratings라돈 변환: 시각적 데이터에 숨겨진 패턴 밝히기 Rating: 0 out of 5 stars0 ratings수중 컴퓨터 비전: 파도 밑에서 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings인간 시각 시스템 모델: 인식 및 처리 이해 Rating: 0 out of 5 stars0 ratings색상 프로필: 컴퓨터 비전의 시각적 인식 및 분석 탐구 Rating: 0 out of 5 stars0 ratings활성 윤곽: 능동 윤곽 기술을 통한 컴퓨터 비전의 발전 Rating: 0 out of 5 stars0 ratings히스토그램 균등화: 향상된 시각적 인식을 위한 이미지 대비 향상 Rating: 0 out of 5 stars0 ratings이방성 확산: 이방성 확산을 통한 이미지 분석 향상 Rating: 0 out of 5 stars0 ratings하다마드 변환: 컴퓨터 비전에서 아다마르 변환의 힘 공개 Rating: 0 out of 5 stars0 ratings레티넥스: 레티넥스 를 통해 컴퓨팅 비전의 비밀을 밝히다 Rating: 0 out of 5 stars0 ratings적응형 필터: 적응 필터링을 통해 컴퓨터 비전 향상 Rating: 0 out of 5 stars0 ratings허프 변환: 컴퓨터 비전에서 Hough 변환의 마법 공개 Rating: 0 out of 5 stars0 ratings색상 매핑: 컴퓨터 비전의 시각적 인식 및 분석 탐구 Rating: 0 out of 5 stars0 ratings컴퓨터 시각 인식: 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings이미지 압축: 시각적 데이터 최적화를 위한 효율적인 기술 Rating: 0 out of 5 stars0 ratings활성 외관 모델: 컴퓨터 비전에서 활성 외관 모델의 힘 활용 Rating: 0 out of 5 stars0 ratings캐니 엣지 감지기: 시각적 인식의 예술 공개 Rating: 0 out of 5 stars0 ratings직접 선형 변환: 컴퓨터 비전의 실제 응용 및 기술 Rating: 0 out of 5 stars0 ratings감마 보정: 컴퓨터 비전의 시각적 선명도 향상: 감마 보정 기술 Rating: 0 out of 5 stars0 ratings필터 뱅크: 컴퓨터 비전의 필터 뱅크 기술에 대한 통찰력 Rating: 0 out of 5 stars0 ratings호모그래피: 호모그래피: 컴퓨터 비전의 변화 Rating: 0 out of 5 stars0 ratings색상 외관 모델: 컴퓨터 비전의 인식 및 표현 이해 Rating: 0 out of 5 stars0 ratings공동 사진 전문가 그룹: JPEG 표준으로 시각적 데이터의 힘 활용 Rating: 0 out of 5 stars0 ratings시각적 인식: 컴퓨터 시각적 처리에 대한 통찰력 Rating: 0 out of 5 stars0 ratings번들 조정: 정확한 재구성을 위한 시각적 데이터 최적화 Rating: 0 out of 5 stars0 ratings
Related ebooks
관절 신체 자세 추정: 컴퓨터 비전에서 인간의 움직임 잠금 해제 Rating: 0 out of 5 stars0 ratings거리 안개: 시각적 개척지 탐험: 컴퓨터 비전의 거리 안개에 대한 통찰 Rating: 0 out of 5 stars0 ratings볼륨 렌더링: 컴퓨터 비전의 시각적 현실감 탐구 Rating: 0 out of 5 stars0 ratings전역 조명: 비전 발전: 글로벌 일루미네이션에 대한 통찰력 Rating: 0 out of 5 stars0 ratings멀티뷰 3차원 재구성: 컴퓨터 비전의 공간 인식을 위한 고급 기술 Rating: 0 out of 5 stars0 ratings합성 보기: 컴퓨터 비전의 관점 탐구 Rating: 0 out of 5 stars0 ratings수중 컴퓨터 비전: 파도 밑에서 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings이미지 분할: 픽셀 정밀도 을 통해 통찰력 확보 Rating: 0 out of 5 stars0 ratings자동 타겟 인식: 표적 인식을 위한 컴퓨터 비전 기술의 발전 Rating: 0 out of 5 stars0 ratings객체 감지: 발전, 응용, 알고리즘 Rating: 0 out of 5 stars0 ratings단어 가방 모델: 단어 가방 로 시각적 지능 잠금 해제 Rating: 0 out of 5 stars0 ratings시각 센서 네트워크: 컴퓨터 비전에서 시각 센서 네트워크의 힘 탐구 Rating: 0 out of 5 stars0 ratings컴퓨터 그래픽 렌더링: 시각적 사실주의 탐구: 컴퓨터 그래픽에 대한 통찰 Rating: 0 out of 5 stars0 ratings범프 매핑: 범프 매핑: 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings머신비전: 컴퓨터 비전의 세계에 대한 통찰력 Rating: 0 out of 5 stars0 ratings숨겨진 표면 결정: 컴퓨터 비전의 비밀 공개 Rating: 0 out of 5 stars0 ratings컴퓨터 시각 인식: 컴퓨터 비전의 깊이 탐구 Rating: 0 out of 5 stars0 ratings활성 외관 모델: 컴퓨터 비전에서 활성 외관 모델의 힘 활용 Rating: 0 out of 5 stars0 ratings래스터 그래픽: 컴퓨터 비전의 래스터 그래픽의 기초 이해 Rating: 0 out of 5 stars0 ratings3차원 투영: 컴퓨터 비전의 깊이를 열어보세요 Rating: 0 out of 5 stars0 ratings라디오시티 컴퓨터 그래픽: 컴퓨터 비전의 라디오시티를 통한 시각화 향상 Rating: 0 out of 5 stars0 ratings이방성 필터링: 컴퓨터 비전의 시각적 복잡성 해결 Rating: 0 out of 5 stars0 ratings버텍스 컴퓨터 그래픽: 정점 컴퓨터 그래픽과 컴퓨터 비전의 교차점 탐색 Rating: 0 out of 5 stars0 ratings이미지 기반 모델링 및 렌더링: 시각적 현실주의 탐구: 컴퓨터 비전 기술 Rating: 0 out of 5 stars0 ratings3차원 컴퓨터 그래픽: 비전과 가상 세계의 교차점 탐색 Rating: 0 out of 5 stars0 ratings다각형 컴퓨터 그래픽: 다각형 컴퓨터 그래픽과 컴퓨터 비전의 교차점 탐색 Rating: 0 out of 5 stars0 ratings텍스처 매핑: 컴퓨터 비전의 차원 탐색 Rating: 0 out of 5 stars0 ratings가장자리 감지: 컴퓨터 비전의 경계 탐색 Rating: 0 out of 5 stars0 ratings스캔라인 렌더링: 스캔라인 렌더링 기법을 통한 시각적 현실감 탐구 Rating: 0 out of 5 stars0 ratings피라미드 이미지 처리: 시각적 분석의 깊이 탐구 Rating: 0 out of 5 stars0 ratings
Reviews for 컴퓨터 스테레오 비전
0 ratings0 reviews
Book preview
컴퓨터 스테레오 비전 - Fouad Sabry
1 장 : 컴퓨터 스테레오 비전
컴퓨터 스테레오 비전의 목표는 예를 들어 CCD 카메라로 캡처한 디지털 이미지에서 깊이 맵을 검색하는 것입니다. 장면에서 3D 데이터를 추출하려면 두 패널의 데이터를 비교하고 항목의 상대적 위치를 확인해야 합니다. 입체시의 생물학적 과정은 이와 유사하다.
인간의 양안 시력과 마찬가지로 고전적인 스테레오 비전은 수평 거리로 분리된 두 대의 카메라를 사용하여 장면에서 두 가지 다른 관점을 캡처합니다. 두 사진을 비교함으로써, 두 이미지에서 점들의 수평 위치의 차이, 따라서 그들 사이의 상대적 깊이를 인코딩하는 디스패리티 맵이 생성될 수 있다. 이 차이 맵에는 각 개별 픽셀의 장면 깊이에 반비례하는 값이 포함되어 있습니다.
이미지는 입체 장치에 겹쳐져야 하며, 오른쪽 카메라의 이미지는 관찰자의 오른쪽 눈에 표시되고 왼쪽 카메라의 이미지는 관찰자의 왼쪽 눈에 표시되어야 비교할 수 있습니다.
각 컴퓨터 비전 시스템에는 몇 가지 예비 프로세스가 필수입니다.
이미지로 다른 작업을 수행하려면 먼저 왜곡되지 않아야 하며, 이는 배럴과 접선 왜곡이 모두 제거되었음을 의미합니다. 따라서 보이는 이미지는 완벽한 핀홀 카메라로 투사되는 것과 동일하다는 것이 보장됩니다.
이미지 수정은 나란히 비교하기 위해 이미지를 표준 평면으로 되돌리는 프로세스입니다.
두 사진 사이의 거리는 정보 측정값을 사용하여 줄입니다. 이렇게 하면 두 이미지 사이의 피처 위치를 가장 잘 추정할 수 있는 디스패리티 맵이 생성됩니다.
수신된 디스패리티 맵으로부터 3D 포인트 클라우드가 생성된다. 카메라의 투영 특성을 사용하여 포인트 클라우드를 계산하여 확장 가능한 측정값을 얻을 수 있습니다.
스테레오 매칭 문제의 복잡성을 완화하기 위해 액티브 스테레오 비전은 레이저 또는 구조광을 사용합니다. 액티브 스테레오 비전은 반의어입니다.
구조광 비전(SLV)의 전통적인 방법은 레이저 또는 구조광을 사용하여 프로젝터-카메라 대응을 설정합니다.
패시브 스테레오 비전과 마찬가지로 기존의 액티브 스테레오 비전(ASV)은 구조화 조명 또는 레이저를 사용하지만 카메라-카메라 대응에 대해서만 스테레오 매칭을 수행합니다.
카메라-카메라 및 프로젝터-카메라 대응 모두 하이브리드 방식으로 사용할 수 있습니다.
3D 스테레오 디스플레이는 미디어, 교육 및 제조 분야에서 매우 다양하게 사용됩니다. 자율 시스템 주변의 3D 객체 간의 공간 관계에 대한 정보를 추출하는 것은 로봇 공학과 같은 영역에서 스테레오 비전의 주요 사용 사례입니다. 로봇 공학은 다른 의자 앞의 의자와 같이 주변 물체에 의해 가려질 수 있는 물체를 식별하고 격리하기 위해 깊이 정보에 의존하는 물체 인식과 같은 추가적인 잠재적 용도가 있습니다.
디지털 스테레오 비전은 항공 측량에서 데이터 추출, 등고선 지도 계산, 3D 건물 매핑 및 사진 측량 위성 매핑을 위한 형상 추출 등 여러 가지 과학적 용도로 사용됩니다.
픽셀은 색상 데이터를 기록하는 데 사용되는 작은 사각형입니다. 픽셀 그리드의 좌표(x, y)와 해당 픽셀까지의 거리(z)는 해당 위치를 정의합니다.
약간 다른 각도에서 본 동일한 장면의 두 가지 관점은 입체 비전으로 제공됩니다. 광원 A는 핀홀 카메라 진입점 B와 D를 통해 다음 다이어그램의 이미지 디스플레이 E와 H에 비춥니다.
첨부된 다이어그램에서 거리 BD = BC + CD는 두 카메라 렌즈 사이의 거리입니다. ACB와 BFE의 두 삼각형은 동일하게 보입니다
ACD 및 DGH
{\begin{aligned}{\text{Therefore displacement }}d&=EF+GH\\&=BF({\frac {EF}{BF}}+{\frac {GH}{BF}})\\&=BF({\frac {EF}{BF}}+{\frac {GH}{DG}})\\&=BF({\frac {BC+CD}{AC}})\\&=BF{\frac {BD}{AC}}\\&={\frac {k}{z}}{\text{, where}}\\\end{aligned}}k = BD BF
각도 거리 z = AC는 카메라 평면에서 피사체까지의 각도 거리를 측정합니다.
두 사진에서 동일한 픽셀 사이의 y축 변위는 카메라가 수평이고 이미지 평면이 동일한 평면에서 평평하다고 가정하면, d={\frac {k}{z}}
여기서 k는 두 카메라의 초점 거리와 렌즈와 사진 사이의 거리의 곱입니다.
두 영상의 깊이 성분은 다음과 z_{1} z_{2} 같습니다.
z_{2}(x,y)=\min \left\{v:v=z_{1}(x,y-{\frac {k}{z_{1}(x,y)}})\right\}z_{1}(x,y)=\min \left\{v:v=z_{2}(x,y+{\frac {k}{z_{2}(x,y)}})\right\}이 공식은 한 이미지에서 복셀의 폐색을 물체의 표면에 더 가까운 두 번째 이미지의 복셀로 수용합니다.
두 이미지의 평면이 서로 평행하지 않은 경우 평행하게 만들기 위해 이미지 수정이 필요합니다. 이를 달성할 수 있는 한 가지 선형 변환은 다음과 같습니다.
각 이미지는 핀홀 카메라로 촬영하여 평평한 표면에 투사한 것처럼 보이도록 보정이 필요할 수 있습니다.
색조 간의 유사성은 부드러움으로 정량화할 수 있습니다. 비슷한 색상의 픽셀은 별개의 개체가 적은 수의 색상을 갖는다는 생각에 따라 여러 개체가 아닌 단일 개체에 속할 가능성이 더 높습니다.
정보 이론과 복셀의 색상이 점 사이의 거리에 대한 정규 분포에 따라 이웃 복셀의 색상에 영향을 미친다는 전제를 사용하여 위의 방법은 평활도를 평가합니다. 이 모델은 세계에 대한 근사치를 시작점으로 사용합니다.
자동 상관 관계는 데이터가 매끄럽다고 전제하는 또 다른 기술입니다.
부드러움은 이미지의 고유한 특성이라기보다는 세계 자체의 특성입니다. 임의의 점으로 구성된 이미지에는 매끄러움이 없으며 근접성을 기반으로 결론을 도출하는 것은 무의미합니다.
세상의 다른 속성과 마찬가지로 부드러움은 개념으로 배워야 합니다. 인간의 시각 시스템은 이런 식으로 작동하는 것 같습니다.
우리는 이것을 정상
또는 그
라고 부릅니다
가능도 P는 메시지의 길이 L에 의해 전송되는 정보의 양에 비례합니다. P(x)=2^{{-L(x)}}
L(x)=-\log _{2}{P(x)}그렇게
L(x,\mu ,\sigma )=\log _{2}(\sigma {\sqrt {2\pi }})+{\frac {(x-\mu )^{2}}{2\sigma ^{2}}}\log _{2}e스테레오스코픽 이미지를 비교할 때 상대적인 메시지 길이만 관련이 있습니다. I 또는 차이의 제곱합(SSD)은 이 데이터에서 파생된 정보 측정값입니다. I(x,\mu ,\sigma )={\frac {(x-\mu )^{2}}{\sigma ^{2}}}
어디
L(x,\mu ,\sigma )=\log _{2}(\sigma {\sqrt {2\pi }})+I(x,\mu ,\sigma ){\frac {\log _{2}e}{2}}SSD에서 숫자를 제곱하는 데 상당한 시간이 걸리기 때문에 많은 구현에서 대신 SAD(절대 차이 합계)를 사용하여 정보 측정값을 계산합니다. 정규화된 교차 상관은 다른 접근