1 |
1
객체인식장치에서 실행되는 객체인식방법에 있어서,기준 객체의 기준 영상 프레임을 입력받는 단계;상기 기준 영상 프레임에서 로컬 형상 정보를 포함하고, 로컬 텍스쳐 정보, 컬러 정보, 변화도 정보 중 적어도 하나를 포함하는 특징점 정보를 이용하여 기준 기술자(Descriptor)를 생성하는 단계;상기 기준 기술자를 학습시켜 상기 기준 객체의 기준 데이터를 생성하는 단계;인식 개체의 인식 영상 프레임을 입력받는 단계;상기 인식 영상 프레임에서 로컬 형상 정보를 포함하고, 로컬 텍스쳐 정보, 컬러 정보, 변화도 정보 중 적어도 하나를 포함하는 특징점 정보를 이용하여 인식 기술자를 생성하는 단계;상기 인식 기술자를 학습시켜 상기 인식 객체의 인식 데이터를 생성하는 단계;상기 기준 데이터와 인식 데이터의 유사도가 기 설정된 임계값 이상인 경우, 상기 인식 객체를 상기 기준 객체로 인식하는 단계;를 포함하고,상기 기준 기술자 및 인식 기술자는 깊이 이미지(Depth Image)로부터 로컬 특징점을 추출하여 상기 로컬 형상 정보를 기술하는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식방법
|
2 |
2
제 1 항에 있어서,상기 로컬 형상 정보는 노멀 벡터(Normal Vector)에 기반하여 로컬 앵글 패턴을 생성함으로써 추출되는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식방법
|
3 |
3
제 1 항에 있어서,상기 기준 데이터 및 인식 데이터는,상기 기준 객체 및 인식 객체의 아이디에 대응되도록 라벨링되고,상기 기준 기술자 및 인식 기술자가 랜덤 포레스트 코드북(Random Forest Codebook)을 통과하면서 BoW(Bag of Words)로 생성되고,상기 BoW가 히스토그램으로 변환되는 과정을 수행함으로써 생성되는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식방법
|
4 |
4
제 3 항에 있어서,상기 랜덤 포레스트 코드북은, 상기 기준 데이터 및 인식 데이터에 대응하는 기준 기술자 및 인식 기술자가 상기 BoW를 생성하기 위해 기술자를 분류하는 목적의 분류자이고,BoW를 인식하기 위해 이용된 랜덤 포레스트 분류자는 SVM(Support Vector Machine)으로 대체가능한 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식방법
|
5 |
5
제 1 항에 있어서,상기 특징점 정보는 빠른 코너 탐색(Fast Corner Detection)에서 추출된 특징점의 수가 기 설정된 최소값 이하인 경우, 랜덤 에지 검출(Randomized edge Detection)으로 추출되는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식방법
|
6 |
6
제 1 항에 있어서,상기 변화도 정보는 상기 특징점 정보의 특징점 좌표에서 에지의 그레이 값 변화도 방향 정보인 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식방법
|
7 |
7
제 1 항에 있어서,상기 컬러 정보는 상기 특징점 정보의 특징점 좌표에 위치한 일정 크기의 컬러 패치 영역에 대하여 계산된 컬러 히스토그램이고,상기 컬러 히스토그램은 상기 컬러 패치 영역의 각 픽셀값으로부터 RGB 값을 추출하여 생성되는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식방법
|
8 |
8
제 1 항에 있어서,상기 기준 기술자 및 인식 기술자는 상기 기준 객체 및 인식 객체에 대응하도록 라벨링되고, 랜덤 포레스트 코드북(Random Forest Codebook)을 통한 학습을 위하여, 상기 랜덤 포레스트 코드북의 입력으로 전달되고,상기 랜덤 포레스트는 적어도 두 개의 이진 트리로 구성되고, 상기 이진 트리의 분기 노드마다 상기 기준 기술자 및 인식 기술자를 분기할 수 있는 함수로 정의되고, 상기 인식 영상 프레임으로부터 상기 인식 데이터를 생성하는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식방법
|
9 |
9
객체를 인식하기 위한 장치에 있어서,기준 객체의 기준 영상 프레임을 입력받는 기준 입력부;상기 기준 영상 프레임에서 로컬 형상 정보를 포함하고, 로컬 텍스쳐 정보, 컬러 정보, 변화도 정보 중 적어도 하나를 포함하는 특징점 정보를 이용하여 기준 기술자(Descriptor)를 생성하는 기준 기술자 생성부;상기 기준 기술자를 학습시켜 상기 기준 객체의 기준 데이터를 생성하는 기준 데이터 생성부;인식 개체의 인식 영상 프레임을 입력받는 인식 입력부;상기 인식 영상 프레임에서 로컬 형상 정보를 포함하고, 로컬 텍스쳐 정보, 컬러 정보, 변화도 정보 중 적어도 하나를 포함하는 특징점 정보를 이용하여 인식 기술자를 생성하는 인식 기술자 생성부;상기 인식 기술자를 학습시켜 상기 인식 객체의 인식 데이터를 생성하는 인식 데이터 생성부; 및상기 기준 데이터와 인식 데이터의 유사도가 기 설정된 임계값 이상인 경우, 상기 인식 객체를 상기 기준 객체로 인식하는 인식부를 포함하고,상기 기준 기술자 및 인식 기술자는 깊이 이미지(Depth Image)로부터 로컬 특징점을 추출하여 상기 로컬 형상 정보를 기술하는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식장치
|
10 |
10
제 9 항에 있어서,상기 로컬 형상 정보는 노멀 벡터(Normal Vector)에 기반하여 로컬 앵글 패턴을 생성함으로써 추출되는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식장치
|
11 |
11
제 9 항에 있어서,상기 기준 데이터 및 인식 데이터는,상기 기준 기술자 및 인식 기술자가 각각 상기 기준 객체 및 인식 객체의 아이디에 대응되도록 라벨링되고,상기 기준 기술자 및 인식 기술자가 랜덤 포레스트 코드북(Random Forest Codebook)을 통과하면서 BoW(Bag of Words)로 생성되고,상기 BoW가 히스토그램으로 변환되는 과정을 수행함으로써 생성되는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식장치
|
12 |
12
제 11 항에 있어서,상기 랜덤 포레스트 코드북은, 상기 기준 데이터 및 인식 데이터에 대응하는 기준 기술자 및 인식 기술자가 상기 BoW를 생성하기 위해 기술자를 분류하는 목적의 분류자이고,BoW를 인식하기 위해 이용된 랜덤 포레스트 분류자는 SVM(Support Vector Machine)으로 대체가능한 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식장치
|
13 |
13
제 9 항에 있어서,상기 기준 데이터와 인식 데이터는 상기 로컬 특징점별 히스토그램으로 표현되고,상기 유사도는 상기 표현된 히스토그램을 비교하여 결정되는 것인, 보완적 특징점 기반 기술자를 이용한 3차원 객체인식장치
|