1 |
1
3차원 열화상 카메라 장치에 있어서, 열화상 카메라를 포함하는 적어도 하나 이상의 카메라를 이용하여 촬영되는 스테레오 영상 정보를 획득하는 영상 획득부; 상기 획득된 스테레오 영상 정보에 기초하여 객체의 거리 정보를 산출하는 영상 정합부; 및상기 산출된 객체의 거리 정보 또는 상기 획득된 스테레오 영상 정보를 열화상 이미지 정보와 매핑하여 3차원 열화상 카메라 영상을 생성하는 영상 처리부를 포함하고,상기 3차원 열화상 카메라 장치는, 제1 카메라 및 제2 카메라를 포함하는 복수 개의 CCD 카메라와 적어도 하나 이상의 열화상 카메라를 결합한 형태로 구성되는 것을 포함하고,상기 영상 처리부는,상기 복수 개의 CCD 카메라를 이용하여 촬영된 스테레오 영상 정보에 열화상 카메라를 이용하여 촬영된 열화상 이미지 정보와 매핑하고, 상기 열화상 이미지 정보를 딥러닝 기반의 학습 모델에서 컨볼루션(convolution) 후 풀링(pooling)된 영상으로 간주하고, 상기 컨볼루션 후 풀링된 영상으로 간주된 열화상 이미지 정보를 상기 딥러닝 기반의 학습 모델을 통해 디컨볼루션(de-convolution) 하여 3차원 열화상 영상을 생성하는 3차원 열화상 카메라 장치
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서, 상기 영상 처리부는, 상기 열화상 이미지 정보에 포함된 컬러 정보를 이용하여 상기 딥러닝 기반의 학습 모델을 학습시키고, CCD 카메라를 통해 획득된 스테레오 영상 정보를 상기 학습된 딥러닝 기반의 학습 모델에 입력함에 따라 디컨볼루션을 통해 상기 스테레오 영상 정보를 열화상 이미지 정보에 포함된 컬러 정보와 매핑시키는 것을 특징으로 하는 3차원 열화상 카메라 장치
|
5 |
5
제1항에 있어서, 상기 3차원 열화상 카메라 장치는, 제1 카메라 및 제2 카메라를 포함하는 복수 개의 CCD 카메라와 적어도 하나 이상의 열화상 카메라를 결합한 형태로 구성되는 것을 포함하고,상기 영상 처리부는, 상기 복수 개의 CCD 카메라를 이용하여 촬영된 스테레오 영상 정보로부터 산출된 객체의 거리 정보를 상기 열화상 이미지 정보에 매핑하여 3차원 열화상 영상 정보를 생성하는 것을 특징으로 하는 3차원 열화상 카메라 장치
|
6 |
6
제1항에 있어서, 상기 3차원 열화상 카메라 장치는, 제1 카메라 및 제2 카메라를 포함하는 복수 개의 CCD 카메라와 적어도 하나 이상의 열화상 카메라를 결합한 형태로 구성되는 것을 포함하고,상기 영상 처리부는, 상기 복수 개의 CCD 카메라와 상기 적어도 하나 이상의 열화상 카메라의 해상도가 동일할 경우, CCD 카메라 또는 열화상 카메라 중 두 개 이상의 카메라를 이용하여 획득된 스테레오 영상 정보로부터 산출된 객체의 거리 정보를 열화상 이미지 정보에 매핑하여 3차원 열화상 영상 정보를 생성하는 것을 특징으로 하는 3차원 열화상 카메라 장치
|
7 |
7
제5항 또는 제6항 중 어느 한 항에 있어서, 상기 영상 처리부는, 상기 획득된 스테레오 영상 정보에서 선택된 객체로부터 카메라까지의 거리 정보를 획득하는것을 특징으로 하는 3차원 열화상 카메라 장치
|
8 |
8
3차원 열화상 카메라 장치에서 수행되는 3차원 열화상 영상 정보 생성 방법에 있어서, 열화상 카메라를 포함하는 적어도 하나 이상의 카메라를 이용하여 촬영되는 스테레오 영상 정보를 획득하는 단계; 상기 획득된 스테레오 영상 정보에 기초하여 객체의 거리 정보를 산출하는 단계; 및상기 산출된 객체의 거리 정보 또는 상기 획득된 스테레오 영상 정보를 열화상 이미지 정보와 매핑하여 3차원 열화상 카메라 영상을 생성하는 단계를 포함하고,상기 3차원 열화상 카메라 장치는, 제1 카메라 및 제2 카메라를 포함하는 복수 개의 CCD 카메라와 적어도 하나 이상의 열화상 카메라를 결합한 형태로 구성되는 것을 포함하고,상기 생성하는 단계는, 상기 복수 개의 CCD 카메라를 이용하여 촬영된 스테레오 영상 정보에 열화상 카메라를 이용하여 촬영된 열화상 이미지 정보와 매핑하고, 상기 열화상 이미지 정보를 딥러닝 기반의 학습 모델에서 컨볼루션(convolution) 후 풀링(pooling)된 영상으로 간주하고, 상기 컨볼루션 후 풀링된 영상으로 간주된 열화상 이미지 정보를 상기 딥러닝 기반의 학습 모델을 통해 디컨볼루션(de-convolution) 하여 3차원 열화상 영상을 생성하는 단계를 포함하는 3차원 열화상 영상 정보 생성 방법
|
9 |
9
삭제
|
10 |
10
삭제
|
11 |
11
제8항에 있어서, 상기 생성하는 단계는, 상기 열화상 이미지 정보에 포함된 컬러 정보를 이용하여 상기 딥러닝 기반의 학습 모델을 학습시키고, CCD 카메라를 통해 획득된 스테레오 영상 정보를 상기 학습된 딥러닝 기반의 학습 모델에 입력함에 따라 디컨볼루션을 통해 상기 스테레오 영상 정보를 열화상 이미지 정보에 포함된 컬러 정보와 매핑시키는 단계를 포함하는 3차원 열화상 영상 정보 생성 방법
|
12 |
12
제8항에 있어서, 상기 3차원 열화상 카메라 장치는, 제1 카메라 및 제2 카메라를 포함하는 복수 개의 CCD 카메라와 적어도 하나 이상의 열화상 카메라를 결합한 형태로 구성되는 것을 포함하고,상기 생성하는 단계는, 상기 복수 개의 CCD 카메라를 이용하여 촬영된 스테레오 영상 정보로부터 산출된 객체의 거리 정보를 상기 열화상 이미지 정보에 매핑하여 3차원 열화상 영상 정보를 생성하는 단계를 포함하는 3차원 열화상 영상 정보 생성 방법
|
13 |
13
제8항에 있어서, 상기 3차원 열화상 카메라 장치는, 제1 카메라 및 제2 카메라를 포함하는 복수 개의 CCD 카메라와 적어도 하나 이상의 열화상 카메라를 결합한 형태로 구성되는 것을 포함하고,상기 생성하는 단계는, 상기 복수 개의 CCD 카메라와 상기 적어도 하나 이상의 열화상 카메라의 해상도가 동일할 경우, CCD 카메라 또는 열화상 카메라 중 두 개 이상의 카메라를 이용하여 획득된 스테레오 영상 정보로부터 산출된 객체의 거리 정보를 열화상 이미지 정보에 매핑하여 3차원 열화상 영상 정보를 생성하는 단계 를 포함하는 3차원 열화상 영상 정보 생성 방법
|
14 |
14
제12항 또는 제13항 중 어느 한 항에 있어서, 상기 생성하는 단계는, 상기 획득된 스테레오 영상 정보에서 선택된 객체로부터 카메라까지의 거리 정보를 획득하는 단계를 포함하는 3차원 열화상 영상 정보 생성 방법
|