| 1 |
1
카메라를 통해 획득된 깊이 정보를 포함하는 3차원 영상을 기반으로 픽셀별 노멀벡터를 계산하는 과정과,K-평균 군집화 알고리즘(K-means clustering algorithm)을 이용하여 계산된 상기 노멀벡터를 기설정된 수의 평면으로 군집화(clustering)하는 과정과,상기 픽셀별 노멀벡터가 적어도 하나 이상 기설정된 수의 평면으로 군집화된 3차원 영상에서 사용자 인터럽트가 발생된 영역을 기준으로 평면 노멀벡터를 계산하는 과정과,계산된 상기 평면 노멀벡터를 기반으로 사용자 상호작용을 통해 상기 사용자 인터럽트가 발생된 영역을 포함하는 기준 평면과 배경화면을 분할하는 과정과,상기 기준 평면에 대한 컨벡스 헐(convex hull)을 구성하고, 특정 점군(point clouds) 데이터를 기준으로 추출된 윤곽선(contours)을 기준으로 객체의 개수 및 위치를 계산하여 객체를 구역화하는 과정을 포함함을 특징으로 하는 3차원 객체 인식을 위한 RGB-D 영상 기반 객체 구역화 및 인식 방법
|
| 2 |
2
제1항에 있어서, 구역화된 상기 객체는,상기 객체별 관심영역(Region of Interest, ROI)을 지정하고, 각 관심영역별 특징점을 검출하는 과정과,검출된 상기 특징점 위치를 기반으로 크기 및 회전에 불변하는 기술자(descriptor)를 생성하는 과정과,생성된 상기 기술자의 집합을 기학습된 코드북(codebook)을 이용하여 BoF(bag-of-features) 히스토그램으로 생성하는 과정과,생성된 상기 BoF 히스토그램을 입력으로 기학습된 랜덤 포레스트(Random Forest) 기반의 구분자(classifier)를 이용하여 각 객체별 확률 값들을 획득하는 과정과,획득된 상기 확률 값들 중 최우선하는 확률 값에 대응하는 객체를 선택하여 관심영역 인식을 수행하는 과정을 통해 인식됨을 특징으로 하는 3차원 객체 인식을 위한 RGB-D 영상 기반 객체 구역화 및 인식 방법
|
| 3 |
3
제1항에 있어서,상기 평면 노멀벡터를 계산하는 과정은,상기 사용자 인터럽트 발생 시 상기 사용자 인터럽트가 발생된 영역을 기준으로 기설정된 거리 및 간격을 가지는 세점을 표시하고, 표시된 상기 세점을 기반으로 평면 노멀벡터를 계산함을 특징으로 하는 3차원 객체 인식을 위한 RGB-D 영상 기반 객체 구역화 및 인식 방법
|
| 4 |
4
제1항에 있어서, 상기 윤곽선은,상기 컨벡스 헐 내부에 해당 평면보다 위쪽 방향으로 있는 점군 데이터들에 한하여 마스킹(masking)된 영상을 입력으로 하여 추출됨을 특징으로 하는 3차원 객체 인식을 위한 RGB-D 영상 기반 객체 구역화 및 인식 방법
|
| 5 |
5
촬상부를 통해 획득된 깊이 정보를 포함하는 3차원 영상을 기반으로 픽셀별 노멀벡터를 계산하는 노멀 계산부 및 상기 노멀 계산부로부터 계산된 노멀벡터를 K-평균 군집화 알고리즘(K-means clustering algorithm)을 이용하여 기설정된 수의 평면으로 군집화(clustering)하는 군집화부를 포함하고,상기 노멀 계산부를 통해 상기 픽셀별 노멀벡터가 적어도 하나 이상 기설정된 수의 평면으로 군집화된 3차원 영상에서 사용자 인터럽트가 발생된 영역을 기준으로 평면 노멀벡터를 계산하도록 제어하고, 상기 군집화부로부터 계산된 평면 노멀벡터를 기반으로 사용자 상호작용을 통해 상기 사용자 인터럽트가 발생된 영역을 포함하는 기준 평면과 배경화면을 분할하는 서브 제어부를 포함하는 제어부를 포함하고,상기 제어부는, 상기 기준 평면에 대한 컨벡스 헐(convex hull)을 구성하고, 특정 점군(point clouds) 데이터를 기준으로 윤곽선을 추출하는 윤곽선 검출부와,상기 추출된 윤곽선(contours)을 통해 객체의 개수 및 위치를 계산하는 객체 검출부를 더 포함함을 특징으로 하는 3차원 객체 인식을 위한 RGB-D 영상 기반 객체 구역화 및 인식 장치
|
| 6 |
6
제5항에 있어서, 상기 제어부는,객체별 관심영역(Region of Interest, ROI)을 지정하는 ROI 지정부와,각 관심영역별 특징점을 검출하는 특징점 검출부와,검출된 상기 특징점 위치를 기반으로 크기 및 회전에 불변하는 기술자(descriptor)를 생성하는 기술자 생성부와,생성된 상기 기술자의 집합을 코드북 학습생성부로부터 기학습된 코드북(codebook)을 이용하여 BoF(bag-of-features) 히스토그램으로 생성하는 BoF 히스토그램 생성부와,생성된 상기 BoF 히스토그램을 입력으로 기학습된 랜덤 포레스트(Random Forest) 기반의 구분자(classifier)를 이용하여 각 객체별 확률 값들을 획득하고, 획득된 상기 확률 값들 중 최우선하는 확률 값에 대응하는 객체를 선택하여 관심영역 인식을 수행하는 객체 인식부를 포함함을 특징으로 하는 3차원 객체 인식을 위한 RGB-D 영상 기반 객체 구역화 및 인식 장치
|
| 7 |
7
제5항에 있어서, 상기 제어부는,사용자 인터페이스부를 통해 사용자 인터럽트 발생 시 상기 사용자 인터럽트가 발생된 영역을 기준으로 기설정된 거리 및 간격을 가지는 세점을 표시하고, 표시된 상기 세점을 기반으로 평면 노멀벡터를 계산하도록 상기 노멀 계산부를 제어함을 특징으로 하는 3차원 객체 인식을 위한 RGB-D 영상 기반 객체 구역화 및 인식 장치
|
| 8 |
8
제5항에 있어서, 상기 윤곽선 검출부는,상기 컨벡스 헐 내부에 해당 평면보다 위쪽 방향으로 있는 점군 데이터들에 한하여 마스킹(masking)된 영상을 입력으로 하여 추출함을 특징으로 하는 3차원 객체 인식을 위한 RGB-D 영상 기반 객체 구역화 및 인식 장치
|
