• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권6호
• /
• pp.307-312
• /
• 2016

증강현실 분야에서 호모그래피(Homography)를 이용한 비마커 기반의 객체 추적 기술(Markerless tracking)은 카메라의 방향, 위치를 파악하여 실세계의 영상에 가상의 객체를 정확하고 자연스럽게 증강할 수 있는 기술이다. 이와 같은 호모그래피를 추정하기 위한 방법으로 RANSAC 알고리즘이 많이 사용되고 있으며, 최근 기존의 RANSAC 알고리즘에 제약 조건 문제(Constraint Satisfaction Problem)를 적용하여 정확도를 향상시키고, 처리시간을 줄인 CS-RANSAC 알고리즘에 대한 연구가 진행되고 있다. 하지만 CS-RANSAC 알고리즘은 샘플링 단계에서 정확도가 낮은 호모그래피를 추정하게 하는 특징점이 선택되어 불필요한 연산으로 인해 알고리즘의 효율성이 저하되는 경우가 있다. 따라서 본 논문에서는 효과적인 평면 호모그래피 추정을 위한 CS-RANSAC 기반의 특징점 필터링 방법을 제안한다. 제안하는 방법은 호모그래피 평가 단계에서 Symmetric Transfer Error로 정확도가 높은 호모그래피를 추정하게 하는 특징점인지를 평가하고 불필요한 특징점들을 다음 샘플링 단계에서 제외함으로써 정확도를 향상키고 처리시간을 줄였다. 제안하는 CS-RANSAC 기반의 특징점 필터링 방법의 성능평가를 위하여 제안하는 방법을 적용한 알고리즘과 기존의 RANSAC 알고리즘, CS-RANSAC 알고리즘의 수행시간과 오차율(Symmetric Transfer Error), 참정보 포함비율을 비교하였다. 실험 결과 본 논문에서 제안한 방법이 기존 CS-RANSAC 알고리즘보다 수행시간이 평균적으로 약 5% 단축되었고 오차율은 약 14% 줄어들어 더욱 정확한 호모그래피를 추정 할 수 있게 되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권6호
• /
• pp.315-320
• /
• 2017

이미지를 기반으로 하는 증강현실 시스템에서 가상의 객체를 실제 영상에 저작할 때 생기는 이질감을 줄이기 위해서는 실제 영상에 저작된 가상객체의 방향과 위치에 대해 정확하게 추정을 해야 하며, 이때 호모그래피를 사용한다. 호모그래피를 추정하기 위해서는 SURF와 같은 특징점을 추출하고 추출된 특징점들을 통해 호모그래피 행렬을 추정한다. 호모그래피 행렬의 추정을 위해서 RANSAC 알고리즘이 주로 사용되고 있으며, 특히 RANSAC에 제약 조건 만족 문제(Constraint Satisfaction Problem)와 여기에 사용되는 제약조건을 동적으로 적용하여 속도와 정확도를 높인 DCS-RANSAC 알고리즘이 연구되었다. DCS-RANSAC 알고리즘에서 사용된 이미지 그룹 데이터는 수동적인 방법을 통해 직관적으로 분류되어 있지만 특징점 분포 패턴이 다양하지 않고, 이미지들을 정확하게 분류하기가 어려워서 이로 인해 알고리즘의 성능이 저하되는 경우가 있다. 따라서 본 논문에서는 K-means 클러스터링을 적용하여 이미지들을 자동으로 분류하고 각 이미지 그룹마다 각기 다른 제약조건을 적용하는 KCS-RANSAC 알고리즘을 제안한다. 제안하는 알고리즘은 머신러닝 기법인 K-means 클러스터링을 사용하여 전처리 단계에서 이미지를 특징점 분포 패턴에 따라 자동으로 분류하고, 분류된 이미지에 제약조건을 적용하여 알고리즘의 속도와 정확도를 향상시켰다. 실험 결과 본 논문에서 제안하는 KCS-RANSAC이 DCS-RANSAC 알고리즘에 비해 수행시간이 약 15% 단축되었고, 오차율은 약 35% 줄어들었으며, 참정보 비율은 약 14% 증가되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.632-635
• /
• 2016

증강현실에서 영상과 증강된 콘텐츠 간의 이질감을 줄이기 위해서 정확한 호모그래피 행렬을 추정해야 하며, 정확한 호모그래피 행렬을 추정할때 RANSAC 알고리즘이 널리 사용된다. 그러나 RANSAC 알고리즘은 랜덤 샘플링 과정을 반복적으로 거치기 때문에 불필요한 연산 과정이 발생하고 이로 인해 알고리즘의 효율이 저하된다. 이러한 단점을 극복하기 위해 DCS-RANSAC 알고리즘이 제안되었다. 제안된 DCS-RANSAC 알고리즘은 이미지를 특징점 분포 패턴에 따라 그룹으로 분류하고 각 그룹에 제약조건 문제를 적용하여 불필요한 연산 과정을 줄이고 정확도를 향상시킨 알고리즘이다. 그러나 DCS-RANSAC 알고리즘에서 사용된 이미지 그룹 데이터는 수동적인 방법을 통해 직관적으로 분류되어 있지만 특징점 분포 패턴이 다양하지 않아 분류시 정확도가 저하되는 경우가 있다. 위의 문제점을 해결하기 위해 본 논문에서는 머신러닝 기법을 통해 이미지들을 자동으로 분류하고 각 그룹마다 각기 다른 제약조건을 적용하는 MCS-RANSAC 알고리즘을 제안한다. 제안하는 알고리즘은 머신러닝 기법을 사용하여 전처리 단계에서 이미지를 분류하고 분류된 이미지에 제약조건을 적용시켜 알고리즘의 처리시간을 줄이고 정확도를 향상시켰다. 실험 결과 본 논문에서 제안하는 MCS-RANSAC은 DCS-RANSAC 알고리즘에 비해 수행시간이 약 6% 단축되었고 호모그래피 오차율은 약 15% 줄어들었으며 참정보 비율은 2.8% 증가한 것으로 확인되었다.

• 한국콘텐츠학회논문지
• /
• 제10권7호
• /
• pp.10-22
• /
• 2010

본 논문은 시점을 달리 하는 두 이미지 사이의 다중 호모그래피 관계를 RANSAC을 이용하여 동시에 추정하는 새로운 방안을 제안한다. 이상치가 많이 포함된 데이터에 대해서도 강건한 파라미터 추정이 가능한 RANSAC 알고리즘은 단일 모델에 대해서만 적용되는 제약을 가진다. 따라서, 이미지에 존재하는 여러 평면의 2D 투영 변환 관계들을 추정하기 위해서는 RANSAC 알고리즘을 순차적으로 수행해야 한다. 이 과정에서 데이터에 지속적으로 포함되는 이상치들은 모델 추정을 느리게 한다. 또한, 모델들은 적합치 비율에 의해 순차적으로 추정되기 때문에 알고리즘의 병렬화가 어렵다는 문제가 있다. 본 논문에서는 RANSAC 알고리즘의 수행 과정에서 찾아낸 부분적인 모델 관계를 이용하여 반복 시도 횟수를 줄이고 다중 호모그래피들을 동시에 추정할 수 있는 가이드된 순차 RANSAC 알고리즘을 제시한다.

• 대한임베디드공학회논문지
• /
• 제13권4호
• /
• pp.195-204
• /
• 2018

Lane keeping assist and departure prevention system are the key functions of ADAS. In this paper, we propose lane detection method which uses Gaussian function based RANSAC. The proposed method consists mainly of IPM (inverse perspective mapping), Canny edge detector, and Gaussian function based RANSAC (Random Sample Consensus). The RANSAC uses Gaussian function to extract the parameters of straight or curved lane. The proposed RANSAC is different from the conventional one, in the following two aspects. One is the selection of sample with different probability depending on the distance between sample and camera. Another is the inlier sample score that assigns higher weights to samples near to camera. Through simulations, we show that the proposed method can achieve good performance in various of environments.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1451-1454
• /
• 2015

RANSAC 알고리즘은 컴퓨터 비전 분야에서 호모그래피 행렬을 추정하는데 많이 사용되고 있다. CS-RANSAC 알고리즘은 RANSAC 알고리즘에 제약조건을 설정하여 정확도를 높인 알고리즘이지만 샘플링 단계에서 정확한 호모그래피를 추정하는데 불필요한 특징점을 선택하여 알고리즘의 효율성을 저하시키는 경우가 있다. 따라서 본 논문에서는 Symmetric Transfer Error로 특징점이 참정보인지 평가하고 불필요한 특징점을 필터링하여 CS-RANSAC 알고리즘의 속도와 정확도를 증가시키는 방법을 제안한다. 실험은 제안하는 알고리즘의 수행시간과 오차율을 비교하였고, 실험 결과 본 논문에서 제안한 방법이 기존 CS-RANSAC 알고리즘보다 수행시간이 평균적으로 약 5% 단축되었고 정확도는 약 14% 향상 되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.830-833
• /
• 2014

This paper proposes dynamic constraint parameter to filter out degenerate configurations (i.e. set of collinear or adjacent features) in RANSAC algorithm. We define five different groups of image based on the feature distribution pattern. We apply the same linear and distance constraints for every image, but we use different constraint parameter for every group, which will affect the filtering result. An evaluation is done by comparing the proposed dynamic CS-RANSAC algorithm with the classic RANSAC and regular CS-RANSAC algorithms in the calculation of a homography matrix. The experimental results show that dynamic CS-RANSAC algorithm provides the lowest error rate compared to the other two algorithms.

• 융합신호처리학회논문지
• /
• 제12권4호
• /
• pp.242-249
• /
• 2011

화면 내의 평면영역에서 투영변환행렬 대응 매칭법을 제안한다. 본 연구는 RANSAC에 있지만, RANSAC에서 랜덤 샘플링에 균일분포를 이용하는 것아 아니고, 화상의 특징점 위치나 템플리트 매칭의 차이로부터 구한 다중의 비균일 분포를 이용한다. 기존의 매칭법은 정대응이 거의 만족해야 할 조건을 이용하여 올바르다고 추정되는 대응을 샘플링하고, 그 대응을 1대 1로 매칭시켜 RANSAC을 행하였지만, 제안 방법에서는 화상으로부터 구한 다중의 확률 분포에서 단계적으로 샘플링함으로써 확률이 높은 정대응을 다중의 대응 후보 중에서 효율적으로 샘플링할 수 있다. 그 결과 최종적으로 수많은 정대응을 구할 수 있으며, 시뮬레이션과 실제 화상의 실험에 의하여 제안 방법의 유효성을 검증한다.

• 정보과학회 논문지
• /
• 제43권3호
• /
• pp.346-352
• /
• 2016

어업에서는 분류와 가공작업에 많은 작업자가 필요할 뿐만아니라 실제 현장의 작업들이 대부분 수작업으로 진행되고 있다. 이러한 이유로 작업량과 안정성의 향상을 위해 작업장에서는 자동화 시스템이 필요하다. 본 논문에서는 지느러미 절단 자동화 시스템을 위해서 RANSAC(RANdom SAmple Consensus) 기반 지느러미 절단선 검출 기법을 제안한다. 지느러미 절단선 검출을 위해 먼저 하이패스필터(high pass filter)를 이용하여 윤곽선을 검출한 뒤 잡음필터의 파라미터와 임계값을 조절하여 몸통과 지느러미의 경계를 검출한다. 그리고 RANSAC을 이용해 최적의 지느러미 절단선을 검출한다. 제안한 기법으로 가자미 50여 마리의 샘플에 대해서 실험한 결과 약 90%의 절단선 검출 정확도를 보였다.

• 한국정보통신학회논문지
• /
• 제23권4호
• /
• pp.388-393
• /
• 2019

외란(Outlier)이 있는 데이터를 피팅(Fitting)하는 방법으로 RANSAC(RANdom SAmple Consensus)알고리즘이 선, 원, 타원 등 의 피팅에 많이 사용되고 있다. 본 논문은 다수의 평면에 대한 3차원 포인트 데이터가 주어질 때 각 평면에 대해 RANSAC기반 평면 피팅을 최근 딥러닝 등에 많이 사용되는 GPU의 하나인 CUDA를 이용하여 효율적으로 수행하는 알고리즘을 제안한다. 모의 데이터와 실제 데이터를 이용하여 제안된 알고리즘의 성능을 CPU와 비교하여 보인다. 외란이 많고 인라이어(inlier) 비율이 낮을수록 CPU대비 속도가 향상되고 평면의 개수가 많을수록 평면당 데이터개수가 많을수록 병렬처리에 의한 속도가 가속됨을 보인다. 제안된 방법은 다중 평면 피팅외의 다른 피팅에도 쉽게 적용할 수 있다.