| 1 |
1
생분자의 부분이 포함된 3차원 영상 및 상기 생분자의 전체가 포함된 3차원 영상을 구성하는 정점의 벡터를 각각 산출하는 연산부;상기 연산부가 상기 생분자의 부분이 포함된 3차원 영상에서 산출한 벡터를 갖는 정점으로 구성된 평면 중 상기 생분자의 전체가 포함된 3차원 영상의 평면에 대응시키기 위한 특징자를 추출하는 추출부; 및상기 특징자와 상기 생분자의 전체가 포함된 3차원 영상에 포함된 평면을 영상 정합시켜 3차원 모델을 결정하는 영상 정합부를 포함하여,상기 특징자를 상기 생분자의 전체가 포함된 3차원 영상에 포함된 접평면에 대응시켜 유사성을 비교하여 3차원 모델을 재구성 하는 것을 특징으로 하는 영상 처리 장치
|
| 2 |
2
제 1 항에 있어서,상기 연산부는,상기 생분자의 부분이 포함된 3차원 영상 및 상기 생분자의 전체가 포함된 3차원 영상을 구성하는 정점의 법선 벡터를 산출하는 벡터 연산 모듈;상기 법선 벡터의 방향이 동일한 복수의 정점을 그룹화하는 그룹핑 모듈; 및상기 그룹화된 정점 중 상이한 3개 이상의 상기 정점을 포함하는 평면을 결정하는 평면 연산 모듈을 포함하는 것을 특징으로 하는 영상 처리 장치
|
| 3 |
3
제 1 항에 있어서,상기 추출부는,상기 생분자의 부분이 포함된 3차원 영상에 포함된 평면이 물체를 투과하거나 상기 평면이 상기 생분자의 부분이 포함된 3차원 영상 하단면과 접촉하는 경우 상기 평면을 상기 특징자에서 제외시키는 것을 특징으로 하는 영상 처리 장치
|
| 4 |
4
제 1 항에 있어서,상기 영상 정합부는,상기 특징자를 구성하는 정점과 상기 생분자의 전체가 포함된 3차원 영상의 평면을 구성하는 정점을 동일한 위치에 대응시키는 것을 특징으로 하는 영상 처리 장치
|
| 5 |
5
제 1 항에 있어서,상기 영상 정합부는,상기 특징자를 구성하는 정점들로 이루어진 벡터와 상기 생분자의 전체가 포함된 3차원 영상의 접평면의 벡터의 방향과 크기를 비교하는 것을 특징으로 하는 영상 처리 장치
|
| 6 |
6
제 1 항에 있어서,상기 영상 정합부는,ICP(Iterative closest point) 알고리즘을 이용하여 상기 특징자와 상기 생분자의 전체가 포함된 3차원 영상을 영상 정합시키는 것을 특징으로 하는 영상 처리 장치
|
| 7 |
7
a) 3차원 영상을 구성하는 정점의 법선 벡터가 산출되는 단계;b) 상기 a)단계에서 산출된 법선 벡터의 방향이 동일한 복수의 정점이 그룹핑 되는 단계;c) 상기 b)단계에서 그룹핑된 정점 중 상이한 3개 이상의 정점을 포함하는 평면을 결정하는 단계;d) 상기 c)단계에서 결정된 평면 중 3차원 부분 영상에 포함되어 3차원 전체 영상에 대응시킬 특징자를 추출하는 단계; 및e) 상기 d)단계에서 추출된 특징자를 상기 3차원 전체 영상과 영상 정합시켜 3차원 모델을 결정하는 단계를 포함하여,상기 특징자를 상기 3차원 전체 영상에 포함된 접평면에 대응시켜 유사성을 비교하여 3차원 모델을 재구성 하는 것을 특징으로 하는 영상 처리 방법
|
| 8 |
8
제 7 항에 있어서,상기 d)단계는,상기 부분 영상에 포함된 평면이 물체를 투과하거나 상기 평면이 상기 3차원 부분 영상 하단면과 접촉하는 경우 상기 평면을 상기 특징자에서 제외시키는 것을 특징으로 하는 영상 처리 방법
|
| 9 |
9
제 7 항에 있어서,상기 e)단계는,상기 특징자를 구성하는 정점과 상기 3차원 전체 영상의 평면을 구성하는 정점을 동일한 위치에 대응시키는 것을 특징으로 하는 영상 처리 방법
|
| 10 |
10
제 7 항에 있어서,상기 e)단계는,상기 특징자를 구성하는 정점들로 이루어진 벡터와 상기 3차원 전체 영상의 접평면의 벡터의 방향과 크기를 비교하는 것을 특징으로 하는 영상 처리 방법
|
| 11 |
11
제 7 항에 있어서,상기 e)단계는,ICP(Iterative closest point) 알고리즘을 이용하여 상기 특징자와 상기 3차원 전체 영상을 영상 정합시키는 것을 특징으로 하는 영상 처리 방법
|
