반응형 local4 Stereo matching - Global matching 본 장에서 Global matching의 한 종류인 dynamic programming 에 대해서 설정하겠습니다. 우선 알고리즘 설명 전에 기본적인 내용에 대해서 먼저 설명을 하고 넘어가겠습니다. 지역 정합 방법은 local 특성을 반영하지만 전체적인 특성 반영은 할 수 없습니다. 그럼 전체적인 특성이 무엇이 있는지 부터 알아봐야 겠지요? Ⅰ. Uniqueness - 정의하면, 반드시 1:1 매칭이 되어야 한다는 것입니다. + 서로 다른 물체의 점이 하나의 point에 매칭이 될 수 없다는 것을 의미합니다 - 아래의 그림은 uniquness가 위반되는 case를 그린 것입니다. + 좌측 카메라에서의 한점이 우측 카메라서 2point에 매칭점이 생겨서 위반되었다고 하는 것입니다. Ⅱ. Ordering - .. 2022. 10. 3. Stereo matching - local matching(2) Ⅰ. 영역 기반 정합 방법 - 윈도우 간의 상관도(= 정합 비용, 비유사도)를 기반으로 계산하여 시차를 계산하는 방법이며, 다양한 알고리즘이 존재하지만, 그 중에서도 Census transform은 잡음에 강하다는 특징이 있어서 많이 사용되는 알고리즘이다. 그래서 본 쳅터에서는 Census transform을 설명하며, 이와 유사한 Rank transform을 설명하겠습니다. Ⅱ. Census transform - 각각 개별적으로 기준영상의 윈도우(=Census window)와 목표 영상의 윈도우들 내에 존재하는 중심 픽셀과 주변 픽셀의 값의 비교를 통해 '1' 혹은 '0'의 패턴을 생성하고, 개별적으로 생성된 패턴은 1열의 벡터로 표현한다. 생성된 벡터들은 정합비용을 계산하는데 사용 - 기준 영상의 벡.. 2022. 10. 3. Stereo matching - local matching Ⅰ. 영역 기반 정합 방법 - 윈도우 간의 상관도(= 정합 비용, 비유사도)를 기반으로 계산하여 시차를 계산하는 방법이며, 다양한 알고리즘이 존재한다. 그 중에서도 SAD(Sum of Absolute difference)는 매우 널리 알려진 알고리즘이다. 그래서 본 장에서는 SAD를 설명하며, 이와 거의 유사한 SSD(Sum of squared difference)도 같이 짧게나마 설명하겠습니다. Ⅱ. SAD(Sum of Absolute Difference) - 좌/우 윈도우 내 존재하는 픽셀들의 값의 차이에 절대값을 취한 후, 합산하여 정합 비용을 계산합니다. - 아래의 그림을 보면 쉽게 이해 가능합니다. + 기준 영상(좌측 영상)의 한 점과 목표 영상(우측 영상)의 시차 탐색 범위(disparity .. 2022. 10. 3. Stereo matching(추가) Ⅰ. 스테레오 정합 - 스테레오 정합은 기준 영상(reference image)에서의 한 점에 대한 동일한 점(= 똑같은 점)을 목표 영상(target image)에서 찾는 과정이라고 말할 수 있습니다. + 쉽게 풀어쓴다면, 최종 목표는 앞서서 스테레오 비전을 설명할 때 나온 '시차(disparity)'를 계산하는 과정이라고 이해하면 됩니다. + '기준 영상은 뭐고? 목표 영상은 뭐냐?' 기준 영상은 좌측 영상이 될 수도 있고, 우측 영상이 될 수도 있습니다. > 목표 영상은 기준 영상의 반대 영상입니다. 아래 그림을 통해 기준 영상을 이해하시면 됩니다. + 먼저 좌측 영상을 기준 영상으로, 좌/우 영상에서 동일하게 나타나는 한 점을 생각해본다면, 아래 그림처럼 좌측 영상에서의 한 점을 기준으로 우측 영.. 2022. 10. 3. 이전 1 다음 반응형
