FCM 클러스터링 기반 공간부호화를 이용한 3차원 얼굴 형상 측정
A 3D Face Shape Measurement Using Spatial Encoding Method Based On FCM Clustering
초록/요약
배경의 3차원 정보 획득을 위한 연구는 사람의 두 눈처럼 두 대의 카메라를 사용한 인간의 입체시 모델링에 바탕을 두고 있다. 이러한 방법은 스테레오 비전으로 알려져 있다. 스테레오 비전 원리는 두 대의 카메라 이미지 평면에 투영된 점들의 위치로부터 물체의 3차원 위치를 획득하는 것에 기반을 둔다. 하지만, 3D 정보를 추론하기 전에 양 카메라의 수학적 모델을 알아야 한다. 이러한 수학적 모델은 카메라 캘리브레이션으로 알려져 있다. 스테레오 비전에 있어 가장 중요한 문제는 상관문제로서 두 이미지의 서로 같은 점들의 쌍을 결정하는 것이다. 이 문제는 현재 많은 연구자들이 해결하고자 하는 가장 어려운 문제 중의 하나이다. 본 논문은 스테레오 비전과 관련된 상관문제를 줄이기 위해서 사용하는 기술 중의 하나인 코드화된 구조화 조명 패턴을 제안하였다. 그리고 FCM 클러스터링 방법을 사용하여 3D 정보의 정확성을 높이기 위한 방법에 대해서도 연구하였다. 구조화된 조명은 이미지 센서와 투영된 조명 패턴 사이의 관계에 기초를 둔다. 배경에 투영된 패턴과 카메라에 의해서 획득된 이미지 사이의 변형은 배경의 3D 정보를 획득할 수 있다. 그러나 구조화된 조명은 복수 매칭 문제는 풀 수 없다는 단점을 가지고 있다. 이러한 복수 매칭 문제를 해결하기 위한 방법인 공간 부호화 방법은 유일한 매치를 획득할 수 있는 수단으로 사용하기 위하여 배경에 투영된 조명의 체계화에 바탕을 두고 있다. 그리고 패턴 코드화를 위한 분할 방법으로 FCM 클러스터링 방법을 사용하였다. 이 방법은 패턴과 유사한 밝기를 갖는 물체 검출에 강하고 경계가 뚜렷하지 않아도 분할이 잘 되는 장점이 있다. 3D 물체 측정 실험 결과, 기존의 방법에 비해서 제안한 방법이 3D 정보 정밀도를 높일 수 있었다.
more목차
1. 소개 1
1-1. 연구의 배경 및 목적 1
1-2. 논문의 개요 5
2. 캘리브레이션 7
2-1. 카메라 모델링 8
2-1-1. 외부 파라메터 10
2-1-2. 내부 파라메터 13
2-1-3. 카메라 모델의 요약 24
2-2. 프로젝터 모델링 31
2-3. 카메라 캘리브레이션 33
2-3-1. 선형 모델의 캘리브레이션 33
2-3-2. 비선형 모델의 캘리브레이션 41
2-4. 3차원 복원 48
2-4-1. 캘리브레이션으로 3차원 복원 49
2-4-2. 코드분할 방식의 캘리브레이션으로 3차원 복원 51
3. 공액 기하학 53
3-1. 기본 행렬 53
3-2. 기본 행렬 검출 64
3-2-1. Eight-Points 방법 64
4. 이미지 분할 67
4-1. 카메라 캘리브레이션 툴 분할 67
4-2. 프로젝터 패턴 분할 79
4-2-1. FCM 클러스터링 방법 83
4-2-2. 프로젝터 패턴 분할 결과 88
5. 공간부호화 방법을 사용한 3차원 복원 결과 105
5-1. 공간 부호화 방법 105
5-2. 캘리브레이션 파라메터 추출 107
5-2-1. 카메라 파라메터 추출 107
5-2-2. 프로젝터 파라메터 추출 114
5-3. 3차원 얼굴 복원 실험 124
5-3-1. 패턴 코드화 124
5-3-2. 코드화를 위한 기존의 방법들과 비교실험 139
5-3-3. 3D 얼굴 복원 177
6. 결론 179
7. 참고 문헌 181
