다중 영상과 호모그래피 행렬을 이용한 소실점 위치 향상 알고리즘

국문 초록 (Abstract)

본 논문은 다중 영상과 호모그래피 행렬을 통해 소실점 위치의 정확도를 향상시키는 알고리즘을 제안한다. 단일 영상만을 활용하여 소실점 검출이 가능하지만, 여러 영상의 정보를 활용하여 소실점의 위치를 보정하면 소실점 위치의 정확도를 더 향상시킬 수 있다. 위치 정확도가 향상된 소실점을 통해 더 정확한 실내공간 정보 검출이 가능하다. 이를 위해 본 논문에서는 3개의 영상을 입력받아 정보를 검출한 후 영상의 벽면 간의 호모그래피 행렬을 검출하고, 검출된 호모그래피를 이용하여 소실점의 위치를 변환한다. 최종적으로 변환된 소실점 중 최적의 위치에 있는 소실점을 찾아내어 소실점 위치를 보정 함으로써 소실점 위치의 정확도를 향상시킨다. 실험 결과를 통해 기존의 알고리즘과 제안하는 알고리즘의 정확도를 비교 분석한다. 제안하는 알고리즘을 통해 소실점 위치에 대한 오차 각도가 약 1.62% 감소함을 확인하였고, 이를 통해 더 정밀한 소실점 검출이 가능하였다. 또한, 제안한 알고리즘을 통해 향상된 소실점을 이용하여 검출한 레이아웃이 기존 알고리즘의 결과에 비교해 더 정확한 것을 확인 할 수 있었다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose vanishing-point position-improvement algorithms by using multiple images and a homography matrix. Vanishing points can be detected from a single image, but the positions of detected vanishing points can be improved if we adjust their positions by using information from multiple images. More accurate indoor space information detection is possible through vanishing points with improved positional accuracy. To adjust a position, we take three images and detect the information, detect the homography matrix between the walls of the images, and convert the vanishing point positions using the detected homography. Finally, we find an optimal position among the converted vanishing points and improve the vanishing point position. The experimental results compared an existing algorithm and the proposed algorithm. With the proposed algorithm, we confirmed that the error angle to the vanishing point position was reduced by about 1.62%, and more accurate vanishing point detection was possible. In addition, we can confirm that the layout detected by using improved vanishing points through the proposed algorithm is more accurate than the result from the existing algorithm.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 소실점 검출
• 3. 다중 영상과 호모그래피 행렬을 이용한 소실점 위치 향상 알고리즘
• 4. 실험 결과
• 5. 결론
• References

참고문헌 (Reference)

1 정성기, "소실점의 직교성을 이용한 구조적인 소실점 검출 방법" 한국인터넷정보학회 18 (18): 39-46, 2017

2 Y. Cha, "Robust Vanishing Points Detection from Multiple Images" 31 (31): 745-747, 2004

3 S. Choi, "Robust Reconstruction of Indoor Scenes" 5556-5565, 2015

4 V. Hedau, "Recovering the spatial layout of cluttered rooms" IEEE 1849-1856, 2009

5 Martin A. Fischler, "Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography" Association for Computing Machinery (ACM) 24 (24): 381-395, 1981

6 E. Rublee, "ORB : an efficient alternative to SIFT or SURF" 2564-2571, 2011

7 J. M. Coughlan, "Manhattan World : Compass Direction from a Single Image by Bayesian Inference" 941-947, 1999

8 R. Szeliski, "Image alignment and stitching: A tutorial, Technical Report MSR-TR-2004-92" Microsoft Research

9 D. C. Lee, "Geometric reasoning for single image structure recovery" IEEE 2136-2143, 2009

10 Huayan Wang, "Discriminative learning with latent variables for cluttered indoor scene understanding" Association for Computing Machinery (ACM) 56 (56): 92-, 2013

11 Tianjia Shao, "An interactive approach to semantic modeling of indoor scenes with an RGBD camera" Association for Computing Machinery (ACM) 31 (31): 1-, 2012

12 E. Delage, "A dynamic Bayesian network model for autonomous 3D reconstruction from a single indoor image" IEEE 2418-2428, 2006