| 1 |
1
딥 러닝에 기반한 카메라 캘리브레이션 방법으로서,파노라마 평면 영상을 3D 지오메트리(geometry)에 프로젝션(projection)하여 생성된 360도 3D 영상으로부터 복수의 학습 영상들을 생성하는 단계;카메라의 내부 파라미터(intrinsic parameter)가 출력되도록 상기 복수의 학습 영상들을 이용하여 신경망 모듈을 학습시키는 단계; 및상기 카메라로부터 획득된 영상을 이용하여 상기 신경망 모듈을 실행시켜 상기 카메라의 내부 파라미터를 예측하는 단계를 포함하는카메라 캘리브레이션 방법
|
| 2 |
2
제1항에 있어서,상기 내부 파라미터는,상기 카메라의 초점거리(focal length) 파라미터 및 왜곡계수(distortion coefficient) 파라미터를 포함하는카메라 캘리브레이션 방법
|
| 3 |
3
제1항에 있어서,상기 복수의 학습영상들을 생성하는 단계는,분류 모델(classification model)을 이용하여 그라운드 트루스(ground truth) 파라미터와 상기 신경망 모듈의 출력 데이터 간의 유사도에 대한 확률을 산출함으로써 수행되는 것을 특징으로 하는카메라 캘리브레이션 방법
|
| 4 |
4
제1항에 있어서,상기 복수의 학습영상들을 생성하는 단계는,상기 3D 지오메트리의 중심에 위치한 가상의 카메라의 초점거리 파라미터 및 왜곡 파라미터를 변경하면서 수행되는 것을 특징으로 하는카메라 캘리브레이션 방법
|
| 5 |
5
제1항에 있어서,상기 신경망 모듈은,상기 카메라의 서로 다른 내부 파라미터를 각각 출력하는 제1 CNN 및 제2 CNN으로 구성되는 것을 특징으로 하는카메라 캘리브레이션 방법
|
| 6 |
6
제5항에 있어서,상기 카메라의 내부 파라미터를 예측하는 단계는,상기 제1 CNN을 실행시켜 제1 내부 파라미터를 예측하는 단계;상기 제1 내부 파라미터로 구성된 적어도 하나의 맵(map)을 상기 제2 CNN의 완전 연결 레이어 중 어느 하나에 연접시키는 단계; 및상기 제2 CNN을 실행시켜 제2 내부 파라미터를 예측하는 단계를 포함하는카메라 캘리브레이션 방법
|
| 7 |
7
제5항에 있어서,상기 제1 CNN은 상기 카메라의 초점거리(focal length) 파라미터를 출력하고,상기 제2 CNN은 상기 카메라의 왜곡계수(distortion coefficient)를 출력하는 것을 특징으로 하는카메라 캘리브레이션 방법
|
| 8 |
8
딥 러닝에 기반한 카메라 캘리브레이션 장치로서,파노라마 평면 영상을 3D 지오메트리(geometry)에 프로젝션(projection)하여 생성된 360도 3D 영상으로부터 복수의 학습 영상들을 생성하는 학습 영상 생성부; 및카메라의 내부 파라미터(intrinsic parameter)가 출력되도록 상기 복수의 학습 영상들을 이용하여 신경망 모듈을 학습시키고, 상기 카메라로부터 획득된 영상을 이용하여 상기 신경망 모듈을 실행시켜 상기 카메라의 내부 파라미터를 예측하는 영상 처리부를 포함하는카메라 캘리브레이션 장치
|
| 9 |
9
제8항에 있어서,상기 내부 파라미터는,상기 카메라의 초점거리(focal length) 파라미터 및 왜곡계수(distortion coefficient) 파라미터를 포함하는카메라 캘리브레이션 장치
|
| 10 |
10
제8항에 있어서,상기 영상 처리부는,분류 모델(classification model)을 이용하여 그라운드 트루스(ground truth) 파라미터와 상기 신경망 모듈의 출력 데이터 간의 유사도에 대한 확률을 산출함으로써 상기 카메라의 내부 파라미터를 예측하는 것을 특징으로 하는카메라 캘리브레이션 장치
|
| 11 |
11
제8항에 있어서,상기 학습 영상 생성부는,상기 3D 지오메트리의 중심에 위치한 가상의 카메라의 각 자세(orientation) 별로 초점거리 파라미터 및 왜곡 파라미터를 변경하면서 상기 복수의 학습 영상을 생성하는 것을 특징으로 하는카메라 캘리브레이션 장치
|
| 12 |
12
제8항에 있어서,상기 신경망 모듈은,상기 카메라의 서로 다른 내부 파라미터를 각각 출력하는 제1 CNN 및 제2 CNN으로 구성되는 것을 특징으로 하는카메라 캘리브레이션 장치
|
| 13 |
13
제12항에 있어서,상기 영상 처리부는,상기 제1 CNN을 실행시켜 제1 내부 파라미터를 예측하고, 상기 제1 내부 파라미터로 구성된 적어도 하나의 맵(map)을 상기 제2 CNN의 완전 연결 레이어 중 어느 하나에 연접시킨 후, 상기 제2 CNN을 실행시켜 제2 내부 파라미터를 예측하는 것을 특징으로 하는카메라 캘리브레이션 장치
|
| 14 |
14
제12항에 있어서,상기 제1 CNN은 상기 카메라의 초점거리(focal length) 파라미터를 출력하고,상기 제2 CNN은 상기 카메라의 왜곡계수(distortion coefficient)를 출력하는 것을 특징으로 하는카메라 캘리브레이션 장치
|
