자동차 적용을 위한 비 잡음에 강건한 KLT 특징점 추적기
Robust KLT tracker in rainy scene for vehicle application
- 주제(키워드) KLT , 비잡음
- 발행기관 서강대학교 일반대학원 전자공학과
- 지도교수 이쾌희
- 발행년도 2009
- 학위수여년월 2009. 2
- 학위명 석사
- 실제URI http://www.dcollection.net/handler/sogang/000000044939
- 본문언어 한국어
초록/요약
본 논문에서는 비가 내리는 환경에서의 자동차 영상에서 KLT(Kanade Lukas Tomosi) 특징점 추적기의 성능을 향상시키는 방법을 제안한다. 영상에 나타나는 비는 영상을 취득하는 시스템에서 발생하는 기후적 잡음의 일종으로, 비가 나타나게 되면 KLT 특징점 추적기의 성능이 떨어지게 된다. 자동차에서 취득한 영상에 적용하는 KLT 기법은 영상을 사용한 반자동주차 시스템의 3D 재건 방법이나 차량 추적 시스템 등에 사용이 된다. 그러나 비나 눈이 오는 날에는 기후 잡음에 의하여 특징점의 손실이 많아져 사용이 어려운 단점이 있다. 이를 해결하기 위해 본 논문에서는 기존의 동영상에서의 비 잡음 제거 방법과 카메라 변수 변경방법을 소개하고 KLT 특징점 추적기의 성능을 향상시킬 수 있음을 확인한다. 또한 KLT 특징점 추적기에 가중치를 주어 다른 방법에 비해 비교적 간단한 방법으로 성능을 향상시키는 방법에 대해서 제안한다.
more초록/요약
This thesis proposes how to improve performance of KLT (Kanade Lucas Tomasi) feature tracker in rainy scene of in-vehicle video. Rain is a kind of noise which is occurred by weather in the outdoor video system. So, KLT feature tracker’s tracking performance is lowered, if the rain noise is found out in the rainy scene. In in-vehicle video application, KLT feature tracker is used for 3D reconstruction in IPAS (Intelligent Parking Assistance System) or vehicle tracking system. But KLT feature tracker has a defect that it is hard to use on rainy or snowy days which are causes of feature loss. For solving the problem, this thesis introduces conventional rain removal algorithm and camera parameter changing method and verifies that the conventional methods could improve KLT feature tracker’s performance. And this thesis proposes that the performance could be improved simply by using weight function to KLT feature tracker.
more목차
제 1 장 서론 = 1
제 2 장 관련 연구 = 5
제 3 장 기존 방법의 성능 평가 = 13
제 4 장 비 잡음에 강건한 KLT 설계 = 26
제 5 장 실험결과 = 30
제 6 장 결론 및 추후과제 = 41
참고문헌 = 42
그림차례
그림 1.1 내리는 비가 나타나는 영상 = 3
그림 1.2 특징점의 손실이 생기는 과정 = 3
그림 2.1 비가 나타나는 영상 = 6
그림 2.2 영상 처리 방법으로 비가 제거된 영상 = 6
그림 2.3 비가 나타나는 영상의 차영상 = 8
그림 2.4 찾아진 비 영상 = 9
그림 3.1 실험 영상 취득 환경 = 14
그림 3.2 실험에 사용된 영상 = 15
그림 3.3 찾아진 특징점 = 20
그림 3.4 평균 오차 그래프 = 22
그림 3.5 노출 시간이 다른 영상 = 25
그림 5.1 비 잡음 제거 방법의 결과 비교 = 32
그림 5.2 카메라 변수 변경 방법의 결과 비교 = 34
그림 5.3 실험 영상 2의 가중치 영상 = 35
그림 5.4 제안한 방법들을 사용한 KLT 특징점 추적 결과 = 35
그림 5.5 각 실험 영상에 대한 성능 비교 그래프 = 38
표차례
표 3.1 기존 방법의 처리시간 비교 = 18
표 3.2 [1]의 방법의 프레임당 평균 라벨 수 = 18
표 3.3 30 프레임간 특징점들의 평균 오차 = 21
표 3.4 원본 영상에 대한 특징점 추적 결과 = 23
표 3.5 비가 제거된 영상의 특징점 추적 결과 = 23
표 3.6 노출시간에 따른 영상의 표준편차 = 24
표 3.7 노출 시간과 임계치에 따른 추적된 특징점의 수(실험영상1) = 24
표 4.1 정합이 맞지 않는 영상의 비가 제거된 영상의 특징점 추적 결과 = 27
표 4.2 가중치를 준 KLT 특징점 추적 결과 = 29
