DataScience/컴퓨터비전7 컴퓨터 비전 :: Stereo Vision 본 포스팅은 성균관대학교 최재영 교수님의 '컴퓨터 비전(Computer Vision)' 강의 내용을 참고하여 작성되었습니다. 컴퓨터 비전 :: Stereo Vision - 2대의 카메라 이용 → 각 카메라에서 영상을 얻어서 처리 → 객체의 깊이(원근) 파악 Two-view Geometry · Epipolar Geometry(음극선 기하학) : 2대의 카메라를 이용해서 각각의 Camera에서 영상을 얻어서 처리하여 객체의 깊이(원근)을 파악하는 방식이며 이를 통하여 두 이미지 사이의 관계를 구할 수 있습니다. - Baseline : 두 Camera centers(O-O')를 연결한 직선 - Epiploe(e, e') : Baseline이 각 이미지에 Image에 맞닿는 점 - Epipolar line : .. 2023. 6. 20. 컴퓨터 비전 :: Feature Matching 본 포스팅은 성균관대학교 최재영 교수님의 '컴퓨터 비전(Computer Vision)' 강의 내용을 참고하여 작성되었습니다. 컴퓨터 비전 :: Feature Matching Fitting, Alignment, RANSAC · Fitting - Condition : Input은 Noise(Clutter, Outliers, Multiple lines, Occlusion)를 포함한 point들의 집합 - 점들이 Line을 따라 위치할 때 최적의 라인을 찾는 법 → Least squares - Outlier가 있다면? → Robust fitting, RANSAC - Line이 많을 경우? → Voting methods, RANSAC, Hough transform - Line인지 확실치 않다면? → Model s.. 2023. 6. 19. 컴퓨터 비전 :: Feature Descriptors 본 포스팅은 성균관대학교 최재영 교수님의 '컴퓨터 비전(Computer Vision)' 강의 내용을 참고하여 작성되었습니다. 컴퓨터 비전 :: Feature Descriptors Feature Description · Good feature의 특징 (1) 반복성 : 같은 feature는 transformation해도 찾을 수 있다. (2) 독특, 구분성(Saliency, 철극성) (3) 간단, 효율(Compactness, efficiency) : 적은 수, 효율적 (4) 지역성(Locality) : 이미지에서 상대적 적은 위치를 차지 → robust to clutter and occlusion · How to match? - 템플릿 매칭은 변형(Scaling, Rotation)하면 사용할 수 없다. → .. 2023. 6. 18. 컴퓨터 비전 :: Local Feature Detection 본 포스팅은 성균관대학교 최재영 교수님의 '컴퓨터 비전(Computer Vision)' 강의 내용을 참고하여 작성되었습니다. 컴퓨터 비전 :: Local Feature Detection Local Features · Local feature의 특징 - 이미지 매칭의 과정 : Extract features(Detection → Description)s → match features → align image - Local feature의 이점 ① Locality(지역적 특성) : Robust to occlusion and clutter ② Quantity : 하나의 이미지에서 수많은 특징을 찾아낼 수 있다. → 효율 측면에서 필요한 몇 개만 추출 ③ Distinctiveness(구분성, 독창성) : 다른 특.. 2023. 6. 17. 컴퓨터 비전 :: Image Pyramids 본 포스팅은 성균관대학교 최재영 교수님의 '컴퓨터 비전(Computer Vision)' 강의 내용을 참고하여 작성되었습니다. 컴퓨터 비전 :: Image Pyramids Aliasing · Image Down Sampling - 해상도를 줄이는 것. Window 내 픽셀 중 하나의 값으로 대체 → 다시 zoom in할 경우 픽셀화, 왜곡된 신호를 보여주기도 한다. · Aliasing - Analog 이미지를 Digital 이미지로 변환하면서 발생하는 오류 현상으로 Data 추출 interval에 다라 다른 결과를 불러오는 현상이다. *아래 그림과 같이 Interval(=sampling rate)이 충분히 높지 않다면 추출된 point를 기준으로 영상을 표현하기 때문에 Alias(Wrong signal o.. 2023. 6. 16. 컴퓨터 비전 :: Linear Filters(Cross-correlation, Convolution) 본 포스팅은 성균관대학교 최재영 교수님의 '컴퓨터 비전(Computer Vision)' 강의 내용을 참고하여 작성되었습니다. 컴퓨터 비전 :: Linear Filters(Cross-correlation, Convolution) - 이미지에는 노이즈가 있다.(Sensor 품질, 빛의 파동, 양자화 등) → 노이즈를 어떻게 줄일지, 어떻게 유용한 Feature를 찾을 지 - Image Warping은 화소의 위치 변경 - Image Filtering은 화소의 값을 변경 ① 이미지로부터 유용한 정보를 얻을 때 ② 영상의 속성(노이즈 제거, 해상도, 훼손 복원) 향상 및 수정할 때 *CNN(Convolutional Neural Network)이란? : 컴퓨터가 이미지의 특징을 모아 뉴런에서 내용을 인식, Loc.. 2023. 6. 15. 컴퓨터 비전 :: Geometric Camera Models 본 포스팅은 성균관대학교 최재영 교수님의 '컴퓨터 비전(Computer Vision)' 강의 내용을 참고하여 작성되었습니다. 컴퓨터 비전 :: Geometric Camera Models Image Formation의 Factors - Geometry(위치 관계) - Radiometry(복사량, 색상, 반사된 빛의 양) - Photometry(빛의 세기) - Digitizaion(연속적 → 이산적으로 변환) Image Transformation · 선형 변환 - 선형 변환의 경우 P'=T(p)에 따라 아래와 같이 표현 가능 (1) 크기 변환(Scaling) (2) 반전(Mirroring) ① y축에 대한 반전 ② y=x에 대한 반전 (3) 각도(θ) 변환(Rotation) - 아래와 같은 좌표의 평행이동(.. 2023. 6. 14. 이전 1 다음 반응형
