1 |
1
촬영기기로부터 검출대상 객체가 포함된 촬영영상을 제공받아 상기 촬영영상에 대한 포인트 클라우드(point cloud)를 생성하는 장면 스캐닝 단계와;상기 촬영영상으로부터 상기 객체를 검출하기 위해 상기 객체에 대응되는 형상의 모델을 촬영하여 상기 모델에 대한 포인트 클라우드를 생성하는 모델 스캐닝 단계와;상기 모델에 대한 포인트 클라우드와 상기 촬영영상에 대한 포인트 클라우드를 매칭하는 것으로서, 상기 촬영영상에 대한 포인트 클라우드의 포인트 밀도와 유사한 포인트 밀도를 갖도록 상기 모델에 대한 포인트 클라우드를 일부 걸러낸 다음, 상기 촬영영상에 대한 포인트 클라우드와 매칭하는 특징점 매칭단계와;상기 특징점 매칭단계에 의해 매칭된 상기 포인트들을 통해 상기 촬영영상에서 상기 객체를 검출하거나 상기 객체의 자세를 추정하는 모델 검출 및 자세 추정단계;를 포함하고, 상기 특징점 매칭단계는상기 모델에 대한 포인트 클라우드를 이루는 포인트들 중 적어도 하나의 제1키포인트를 선정하고, 상기 촬영영상에 대한 포인트 클라우드를 이루는 포인트들 중 적어도 하나의 제2키포인트를 선정하는 키포인트 선정단계와, 상기 키포인트 선정단계가 완료되면 상기 모델에 대한 포인트 클라우드 중 일부를 걸러내어 포인트 밀도가 상이한 다수의 기준 포인트 클라우드를 생성하는 필터링 단계와, 상기 기준포인트 클라우드들 및 촬영영상 포인트 클라우드에서 3차원 기술자(3D descriptor)를 각각 생성하는 기술자 생성단계와, 상기 기준 포인트 클라우드들과 촬영영상에 대한 포인트 클라우드의 포인트 밀도를 비교하고, 상기 기준포인트 클라우드들 중 상기 촬영영상에 대한 포인트 클라우드와 포인트 밀도가 유사한 기준포인트 클라우드를 샘플 포인트 클라우드로 선정하는 포인트 밀도 비교단계와, 상기 포인트 밀도 비교단계 이후에, 상기 샘플 포인트 클라우드와 상기 촬영영상 포인트 클라우드의 3차원 기술자를 매칭하는 기술자 매칭 단계를 포함하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서, 상기 필터링 단계는상기 모델에 대한 포인트 클라우드의 3차원 공간을 육면체 형상인 다수의 복셀 그리드로 분할하는 공간 분할단계와, 상기 복셀 그리드에 포함된 포인트의 밀도가 기설정된 값에 도달하도록 상기 복셀 그리드에 포함된 포인트들을 걸러내는 다운 샘플링 단계를 포함하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
4 |
4
제3항에 있어서, 상기 공간 분할단계에서, 상기 복셀 그리드의 크기를 다양하게 변경하고, 각각의 변경된 크기의 상기 복셀 그리드로 상기 모델에 대한 포인트 클라우드의 3차원 공간을 분할하여 다수의 기준 포인트 클라우드를 생성하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
5 |
5
제4항에 있어서, 상기 다운샘플링 단계에서, 각 상기 기준 포인트 클라우드들의 상기 복셀 그리드에 포함된 포인트 밀도를 기설정된 값이 되도록 상기 포인트를 다단으로 다운 샘플링하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
6 |
6
제1항에 있어서, 상기 기술자 생성단계는 상기 필터링 단계 이후에, 상기 촬영 영상에 대한 포인트 클라우드와의 매칭을 위해 상기 제1키포인트 및 제2키포인트에 대한 3차원 기술자를 각각 생성하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정방법
|
7 |
7
제1항에 있어서, 상기 기술자 매칭 단계는상기 기준 포인트 클라우드들 중 상기 촬영 영상에 대한 포인트 클라우드와 포인트 밀도가 가장 유사한 기준 포인트 클라우드와, 포인트 밀도가 두번째로 유사한 기준 포인트 클라우드를 상기 샘플 포인트 클라우드로 선정하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
8 |
8
제1항에 있어서, 상기 기술자 매칭 단계는상기 샘플 포인트 클라우드의 3차원 기술자 중 상기 촬영 영상에 대한 포인크 클라우드의 3차원 기술자와 가장 유사한 포인트를 대응점으로 선정하는 3차원 기술자 매칭 단계를 더 포함하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
9 |
9
제6항에 있어서, 상기 제1키포인트에 대한 3차원 기술자는 상기 제1키포인트로부터 기설정된 소정 반경 내의 포인트들이 갖는 법선 벡터 간의 각도관계를 표현하는 점 특징 히스토그램(Point Feature Histogram)인 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
10 |
10
제6항에 있어서, 상기 제1키포인트에 대한 3차원 기술자는 상기 제1키포인트로부터 기설정된 소정 반경 내의 포인트들이 갖는 법선 벡터 간의 각도관계 및 색상 관계를 표현하는 점 특징 히스토그램 알지비(Point Feature Histogram RGB: PFH-RGB)인 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
11 |
11
제1항에 있어서, 상기 모델 검출 및 자세 추정단계는 상기 제2키포인트들에 대한 3차원 기술자와 상기 제1키포인트에 대한 3차원 기술자를 상호비교하여 상기 촬영영상에 포함된 상기 객체를 검출하거나 상기 객체의 자세를 추정하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
12 |
12
제6항에 있어서, 상기 제2키포인들에 대한 3차원 기술자는 상기 제2키포인트로부터 기설정된 소정 반경 내의 포인트들이 갖는 법선 벡터 간의 각도관계를 표현하는 점 특징 히스토그램(Point Feature Histogram)인 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
13 |
13
제6항에 있어서, 상기 제2키포인들에 대한 3차원 기술자는 상기 제2키포인트로부터 기설정된 소정 반경 내의 포인트들이 갖는 법선 벡터 간의 각도관계 및 색상 관계를 표현하는 점 특징 히스토그램 알지비(Point Feature Histogram RGB: PFH-RGB)인 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
14 |
14
제1항에 있어서, 상기 촬영기기는 카메라와 3차원 깊이 센서를 포함하는 키넥트(kinect)인 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|
15 |
15
제1항에 있어서, 상기 모델 스캐닝 단계에서, 카메라와 3차원 깊이 센서를 포함한 키넥트를 통해 상기 모델을 촬영하여 획득한 상기 모델의 이미지 정보 및 3차원 깊이 정보를 토대로 상기 모델에 대한 포인트 클라우드를 생성하는 것을 특징으로 하는 3차원 객체 검출 및 자세추정 방법
|