| 1 |
1
멀티프레임 영상에서 특징점을 추출하는, 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법에 있어서,(a) 상기 멀티프레임 영상의 각 영상에서 특징점을 추출하는 단계;(b) 추출된 특징점들을 대상으로, 각 영상 간에 정합을 수행하여, 정합된 특징점 쌍을 획득하는 단계;(c) 다수의 특징점 쌍들로부터 호모그래피 행렬을 획득하고, 획득된 호모그래피 행렬을 이용하여 특징점을 분류하는 단계; 및,(d) 분류되고 남은 특징점들을 이용하여 상기 (c)단계를 반복하는 단계를 포함하고,상기 방법은, (e) 구한 특징점들에 대하여 각 영상의 디스크립터들을 하나의 디스크립터로 생성하는 단계를 더 포함하고,상기 (e)단계에서, n+1번째 참조영상 특징점의 k번째 디스크립터 xn+1dk 가 다음 [수식 1]을 만족하는 경우, 다음 [수식 2]의 값으로 통합하여 생성하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 2 |
2
제1항에 있어서,상기 (a)단계에서, SIFT(scale invariant feature transform)의 DOG(difference of gaussian) 방법을 이용하여 특징점을 추출하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 3 |
3
제1항에 있어서,상기 (b)단계에서, 상기 특징점의 화소에 대하여, 인접 화소와의 기울기를 구하고, 기울기 정보로 디스크립터를 정의하고, 디스크립터간 유클리디언(euclidean) 거리 차이의 합이 가장 작은 특징점들끼리 정합하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 4 |
4
제1항에 있어서,상기 (c)단계에서, 적어도 2개의 정합된 특징점들에 대하여, 하나의 특징점(이하 제1 특징점)을 호모그래피 행렬로 변환하고, 변환된 특징점(제1 변환 특징점)과 다른 하나의 특징점(이하 제2 특징점) 간의 유클리디언 거리 차이를 구하여, 구한 거리 차이가 사전에 정해진 임계값 보다 작으면 정합된 특징점으로 분류하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 5 |
5
제1항에 있어서,상기 (c)단계에서, 특징점 쌍을 이용하여 1차 호모그래피 행렬을 획득하고, 상기 1차 호모그래피 행렬을 이용하여 특징점을 1차로 분류하고, 1차로 분류된 특징점들의 쌍으로 2차 호모그래피 행렬을 획득하고, 2차 호모그래피 행렬을 이용하여 전체 특징점에 대하여 2차로 특징점을 분류하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 6 |
6
제5항에 있어서,상기 (c)단계에서, 무작위로 정합된 특징점 네 쌍을 선택하여 호모그래피 행렬 H를 획득하고, 모든 특징점에 대하여 호모그래피 행렬 H로 변환하여 얻은 특징점과 정합되는 특징점 간의 유클리디언 거리 차이를 구하여 합산하고, 합산 값이 최소가 되는 호모그래피 행렬 H를 구하여, 최소가 되는 호모그래피 행렬 H를 1차 호모그래피 행렬로 선정하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 7 |
7
제5항에 있어서,상기 (c)단계에서, 2차로 분류된 특징점들의 영역을 설정하고, 설정된 영역 밖에 있는 특징점과 정합되어 있을 경우 이상점(outlier)으로 제거하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 8 |
8
제7항에 있어서,상기 (d)단계에서, 상기 (c) 단계에서 분류한 특징점과 이상점으로 제거한 특징점을 모두 제외한 나머지 특징점으로 분류 단계를 반복하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 9 |
9
제1항에 있어서,상기 (d)단계에서, 남아있는 특징점의 개수가 사전에 정해진 최소 개수 이하로 내려가는 경우 반복 과정을 중단하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 10 |
10
삭제
|
| 11 |
11
삭제
|
| 12 |
12
제1항에 있어서,상기 (e)단계에서, n+1번째 참조영상 특징점의 k번째 디스크립터 xn+1dk 가 다음 [수식 1]을 만족하지 않는 경우, 디스크립터의 현재 통합된 값 xndk 와 수식 2의 통합된 값을 모두 저장하여, 2가지 디스크립터 정보를 모두 저장하고, 다음 번의 참조영상 특징점 k번째 디스크립터를 통합할 때 저장된 2가지 정보를 모두 가지고 있을 경우, 저장된 2가지 정보와 현재 디스크립트 정보의 3가지 정보 중 차이가 적은 정보를 저장하는 것을 특징으로 하는 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
|
| 13 |
13
제1항 내지 제9항, 제12항 중 어느 한 항의 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
