1 |
1
3D 깊이 이미지 기반 객체 분리 장치에 있어서, 3D 깊이 이미지를 입력하는 이미지 입력부; 및입력된 3D 깊이 이미지의 깊이 정보를 이용하여 객체 위치 및 객체 수를 탐지한 후, 탐지된 객체들에 대한 픽셀값들중 유사 픽셀값을 가지는 픽셀간 그룹핑을 수행하고, 그룹핑된 객체 영역 이외의 배경 영역 및 천장 및 지면 영역을 순차적으로 제거하여 최종적인 객체를 추출하는 객체 분리부를 포함하되,상기 객체 분리부는 CCA(Connected Component Analysis) 방식을 이용하여 배경 영역을 제거하는 배경 영역 제거부를 포함하고,상기 배경 영역 제거부는 상기 3D 깊이 이미지에서 탐지된 객체에 대하여 모폴로지 침식 알고리즘을 적용한 후, 상기 모폴로지 침식 알고리즘이 적용된 상기 3D 깊이 이미지에 대하여 공간 필터링으로 미디안 필터를 적용하여 결정된 마스크 사이즈에 해당하는 이웃 픽셀값들을 크기 순서로 정렬하고 중간값을 선택한 다음, 모폴로지 팽창 알고리즘을 적용하여, 상기 객체를 제외한 배경 영역을 제거하는 것인 3D 깊이 이미지 기반 객체 분리 장치
|
2 |
2
제1항에 있어서, 상기 이미지 입력부로부터 입력되는 3D 깊이 이미지의 상태를 판단하여 해당 3D 깊이 이미지에 노이즈가 포함된 경우, 해당 3D 깊이 이미지를 객체 분리부로 제공하는 이미지 상태 판단부를 더 포함하는 것인 3D 깊이 이미지 기반 객체 분리 장치
|
3 |
3
제2항에 있어서, 상기 객체 분리부는, 노이즈가 포함된 3D 깊이 이미지로부터 객체의 위치 및 객체 수를 탐지하는 객체 탐지부 및상기 배경 영역 제거부를 통해 배경 영역이 제거된 이미지로부터 천장 영역 및 지면 영역을 순차적으로 제거하여 최종적인 객체를 추출하는 천장 및 지면 영역 제거부를 포함하는 것인 3D 깊이 이미지 기반 객체 분리 장치
|
4 |
4
제3항에 있어서, 상기 객체 탐지부는, 입력되는 3D 깊이 이미지의 깊이 정보를 통해 딥러닝 객체 탐지 방식을 이용하여 객체의 위치 및 객수를 탐지하여 객체의 위치 좌표값을 획득하여 저장하는 것인 3D 깊이 이미지 기반 객체 분리 장치
|
5 |
5
삭제
|
6 |
6
제3항에 있어서, 상기 천장 및 지면 영역 제거부는, 배경영역 제거부에서 배경 영역이 제거된 깊이 이미지를 3차원 좌표로 변환한 후, 3차원 좌표들 중 임의로 3개 점을 선택하여 평면 방정식을 이용하여 평면을 결정하고, 천장 및 지면으로부터 특정 임계치까지를 평면이라고 정하고, 계산된 평면에서 임계치에 포함되는 점의 개수를 산출하며, 상기 동작을 일정 횟수 반복하여, 반복 횟수 개의 결과 중 가장 점을 많이 포함하는 평면을 지면 그리고 천장으로 결정하여 해당 영역을 제거하는 것인 3D 깊이 이미지 기반 객체 분리 장치
|
7 |
7
3D 깊이 이미지 기반 객체 분리 방법에 있어서, 3D 깊이 이미지를 입력하는 단계; 및입력된 3D 깊이 이미지의 깊이 정보를 이용하여 객체 위치 및 객체 수를 탐지한 후, 탐지된 객체들에 대한 픽셀값들중 유사 픽셀값을 가지는 픽셀간 그룹핑을 수행하고, 그룹핑된 객체 영역 이외의 배경 영역 및 천장 및 지면 영역을 순차적으로 제거하여 최종적인 객체를 추출하는 단계를 포함하되,상기 객체를 추출하는 단계는 CCA(Connected Component Analysis) 방식을 이용하여 배경 영역(노이즈)을 제거하는 단계를 포함하고,상기 배경 영역을 제거하는 단계는,상기 3D 깊이 이미지에서 탐지된 객체에 대하여 모폴로지 침식 알고리즘을 적용한 후, 상기 모폴로지 침식 알고리즘이 적용된 상기 3D 깊이 이미지에 대하여 공간 필터링으로 미디안 필터를 적용하여 결정된 마스크 사이즈에 해당하는 이웃 픽셀값들을 크기 순서로 정렬하고 중간값을 선택한 다음, 모폴로지 팽창 알고리즘을 적용하여, 상기 객체를 제외한 노이즈(배경 영역)을 제거하는 것인 3D 깊이 이미지 기반 객체 분리 방법
|
8 |
8
제7항에 있어서, 상기 입력되는 3D 깊이 이미지의 상태를 판단하는 단계를 더 포함하고, 상기 판단 결과, 해당 3D 깊이 이미지에 노이즈가 포함된 경우, 노이즈가 포함된 해당 3D 깊이 이미지를 이용하여 상기 객체를 추출하는 단계를 수행하는 것인 3D 깊이 이미지 기반 객체 분리 방법
|
9 |
9
제8항에 있어서, 상기 객체를 추출하는 단계는, 노이즈가 포함된 3D 깊이 이미지로부터 객체의 위치 및 객체 수를 탐지하는 단계 및상기 배경 영역이 제거된 이미지로부터 천장 영역 및 지면 영역을 순차적으로 제거하여 최종적인 객체를 추출하는 단계를 포함하는 것인 3D 깊이 이미지 기반 객체 분리 방법
|
10 |
10
제9항에 있어서, 상기 객체의 위치 및 객체 수를 탐지하는 단계는, 입력되는 3D 깊이 이미지의 깊이 정보를 통해 딥러닝 객체 탐지 방식을 이용하여 객체의 위치 및 객수를 탐지하여 객체의 위치 좌표값을 획득하여 저장하는 것인 3D 깊이 이미지 기반 객체 분리 방법
|
11 |
11
삭제
|
12 |
12
제9항에 있어서, 상기 객체를 추출하는 단계는, 상기 배경영역 제거된 깊이 이미지를 3차원 좌표로 변환한 후, 3차원 좌표들 중 임의로 3개 점을 선택하여 평면 방정식을 이용하여 평면을 결정하는 단계; 천장 및 지면으로부터 특정 임계치까지를 평면이라고 결정하고, 상기 계산된 평면에서 임계치에 포함되는 점의 개수를 산출하는 단계; 및 상기 단계들을 일정 횟수 반복하여, 반복 횟수 개의 결과 중 가장 점을 많이 포함하는 평면을 지면 그리고 천장으로 결정하여 해당 영역을 제거하는 단계를 포함하는 것인 3D 깊이 이미지 기반 객체 분리 방법
|