The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Robust Estimation of Camera Motion using Fuzzy Classification Method

퍼지 분류기법을 이용한 강건한 카메라 동작 추정

  • 이중재 (한국과학기술연구원 지능로봇연구센터) ;
  • 김계영 (숭실대학교 컴퓨터학부) ;
  • 최형일 (숭실대학교 미디어학부)
  • Published : 2006.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a method for robustly estimating camera motion using fuzzy classification from the correspondences between two images. We use a RANSAC(Random Sample Consensus) algorithm to obtain accurate camera motion estimates in the presence of outliers. The drawback of RANSAC is that its performance depends on a prior knowledge of the outlier ratio. To resolve this problem the proposed method classifies samples into three classes(good sample set, bad sample set and vague sample set) using fuzzy classification. It then improves classification accuracy omitting outliers by iteratively sampling in only good sample set. The experimental results show that the proposed approach is very effective for computing a homography.

본 논문에서는 두 영상간의 대응관계로부터 퍼지 분류기법을 이용한 강건한 카메라 동작 추정 방법을 제안한다. 제안한 방법에서는 이상치가 존재할 때 정확한 카메라 동작을 추정하기 위하여 대표적인 강건 예측기법인 RANSAC 알고리즘을 사용한다. 그런데 RANSAC은 사전에 결정되는 이상치의 비율에 따라 정확도가 좌우되는 샘플링 문제점을 가지고 있다. 이러한 문제점을 개선하기 위해 샘플링 시에 퍼지 분류기법을 이용하여 전체 샘플을 좋은, 모호한, 나쁜 샘플로 분류한다. 그런 후에 좋은 데이터에 대해서만 샘플링을 수행함으로써 이상치 제거에 대한 정확도를 향상시킨다. 실험에서는 호모그래피 계산에 대한 성능을 비교함으로써 제안한 방법의 우수함을 보인다.

Keywords

References

  1. Hartley, R. I. Zisserman, A, 'Multple View Geometry in Computer Vision, ' Cambridge University Press, 2000
  2. Simon J.D. Prince, Ke Xu, Adrian David Cheok, 'Augmented Reality Camera Tracking with Homographies,' IEEE Computer Graphics and Applications, Vol.22, No.6, pp.39-45, 2002 https://doi.org/10.1109/MCG.2002.1046627
  3. P.J. Rousseeuw, A.M. Leroy, 'Robust Regression and Outlier Detection,' Wiley, 1987
  4. P.J. Huber, 'Robust Statistics,' John Wiley, New York, 1981
  5. Charles V. Stewart, 'Robust Parameter estimation in Computer Vision,' SIAM Review, vol.41, No.3, pp.513-537, 1999 https://doi.org/10.1137/S0036144598345802
  6. M.A. Fischler and R.C. Bolles, 'Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography,' Communications fo the ACM, Vol.24, Issue.6, pp.381-385, 1981 https://doi.org/10.1145/358669.358692
  7. A. J. Lacey and N. Pinitkaren and N. A. Thacker, 'An Evaluation of the Performance of RANSAC Algorthms for Stereo Camera Calibration,' Proceeding of British Machine Vision Conference, pp.646-655, 2000
  8. PHS Torr and C. Davidson, 'IMPSAC: Synthesis of Importance Sampling and Random Sample Consensus,' IEEE Transaction on Pattern Analysis and Machine Intelligence https://doi.org/10.1109/TPAMI.2003.1182098
  9. Emanuele Trucco, Alessandro Verri, 'Introductory Techniques for 3D Computer Vision,' Prentice-Hall, 1998
  10. Valenzuela-Rendon M., 'The Fuzzy Classifier System : a Classifier System for Continuously Varying Variables,' International Conference on Genetic Algorithms, pp.346-353, 1991
  11. Danna H. Ballard, Christopher M. Brown, 'Computer Vision,' Prentice-Hall, 1982, Vol.25, No.3, pp. 354-364, 2003
  12. H. Wang, C. Wang, G. Wu, 'Bi-criteria Fuzzy C-Means Analysis,' Fuzzy Sets and Systems, vol.64, pp.311-319, 1994 https://doi.org/10.1016/0165-0114(94)90154-6
  13. C. Tomasi, T. Kanade, 'Detection and tracking of point features,' CMU Technical Report, CMU-CS-91-132, April, 1991