지능형 로봇의 시각시스템 기술(3)-下

지능형 로봇의 시각시스템 기술(3)-下 지능형 로봇의 시각시스템 기술(3)-下 최혜진 기자입력2008-06-19 00:00:00

3차원 모델링 기술

- 능동적 3차원 모델링 기술

3차원 거리 스캐너를 이용한 방법 : Cyberware(미국), Wicks & Wilson(영국)의 제품들이 있는데, 고가이며 보통의 비디오 프레임 비율로 움직이는 3차원 장면을 획득하는 것은 불가능. Wheeler 등이 제안한 취득된 거리영상을 이용한 객체 모델링 기법, 실험실 내부 장면을 모델링 한 Sequeria 기법가 Dias의 기법 등이 있다.

구조화된 광선 패턴 방법 : 미국의 Pennsylvania State Univ.에서는 빔 프로젝터를 통하여 일정한 규칙을 가지는 패턴을 3차원 복원하고자 하는 객체 또는 장면에 투영하고 이를 카메라로 촬영한 다음, 이 영상을 이용하여 대응 관계를 구하는 방법을 제안한다.

대응점의 정확도를 향상시킬 수 있다는 장점이 있으나, 원래의 컬러나 텍스처 정보를 빔 패턴에 의해 잃어버려 컬러 정보를 별도로 취득해야 하는 단점이 있다.

깊이 카메라를 이용한 방법 : 3DV system사(이스라엘)의 Z-cam과 NHK사(일본)의 Axi-vision 카메라를 이용하여 레이저나 IR(Infra-Red)를 객체나 대상 영역에 비추어 되돌아오는 광선을 취득하여 거리 정보를 계산한다.

IR센서의 한계로 인해 주로 실내 스튜디오 환경에 적합하고, 취득하고자 하는 거리의 범위에 따라 깊이 해상도(Depth Resolution)가 달라지는 단점이 있다.

- 수동적 3차원 모델링 기술

움직임 기반 모델링(Shape from Motion) : 1998년 미국 노스캐롤라이나 대학의 Pollefeys에 의해 움직임 기반 모양 추정 방법이 주목을 받기 시작했으며, 증강 현실(Augmented Reality) 및 영상기반 모델링/렌더링 분야에 널리 이용되고 있다.

실루엣 기반 모델링(Shape from Silhouette) : 영국의 0. Grau 등은 가상 스튜디오 시스템에서의 응용을 목적으로 선소(Line segment) 기반한 방법을 이용하여 배우의 모습을 모델링하였다.

초점 변화 영상기반 모델링(Shape form Focus/Defocus) : 일본의 Kubota 등은 서로 다른 깊이 위치에 초점이 맞추어진 2개의 영상에 선형 필터를 적용하여 defocus 효과를 parallax 효과로 변화시킴으로써 3차원 정보를 구하고, all-focused 영상을 생성하는 연구를 발표한다.

음영기반 모델링(Shape from Shading) : Lambertian 모델이 가장 간단한 모델이나, 실제 Lamertian 모델을 따르지 않는 경우가 많아서 이를 개선하기 위한 연구가 많이 이루어지고 있다.

복셀 컬러링 기반 모델링(Voxel Coloring) : 정확도를 향상시키기 위하여 객체의 실루엣 외에 컬러 정보를 같이 이용한 기법으로 대표적인 연구는 미국 카네기멜론 대학의 연구가 있다.

스테레오 정합 기반 모델링(Shape from Stereo) : 전통적인 컴퓨터 비전기법에서 많이 사용되어 왔던 방법으로 이 기법에 대한 연구결과는 매우 많다.

다시점 영상기반 모델링(Shape from Multi-View Stereo) : 이스라엘 헤르질리야(Herzliya)에서는 세 시점 영상으로부터 임의시점 영상을 생성하기 위하여 세 영상간의 대응점을 trilinear tensor를 이용하여 구하였고, 독일 HHI에서는 비대칭적인 3-view 카메라 및 small-base line matching 및 large-base line matchin, 영상분할 결과를 통하여 장면의 3차원 모템에서 3-View 카메라로 취득된 영상에 대해, 동적 객체부분과 정적 배경을 분리하여 정적 배경에 대해서는 off-line 분석을, 동적 객체에 대해서는 on-line 분석을 하여 3차원 장면 모델을 생성하여 임의 시점 영상생성에 사용한다.

복합적 3차원 모델링 기술에는 ‘3차원 거리 스캐너와 Shape from Stereo’, ‘Shape from silhouette과 Shape from Stereo’, ‘3차원 거리 스캐너와 Shape from Shading’ 및 ‘Shape from Stereo과 Shape from Motion’의 융합 등이 있다.

<스테레오 정합 결과 영상>

<물체인식 결과>

·물체인식기술

- 특정 물체인식(Object-specific recognition)

미국의 Evolution Robotics가 만든 ViPR이 있으며, 이 업체는 로봇공학 소프트웨어 및 어플리케이션을 개발 공급하고 있다.

특정 물체인식은 다양한 특성을 지닌 다른 지역 특정점과 형상 정보들, 그리고 영상 내의 단서들을 효과적으로 결합하여 활용하는 방법들이 시도되고 있으며, 또 다른 흐름으로 영상 분할과 물체인식을 결합하여 물체의 경계선을 명확하게 추정함으로써 물체의 인식성능도 동시에 높이고자 하는 연구들이 계속되고 있다.

- 물체 범주인식, 변형 물체인식(Object class recognition, deformable object recognition)

Viola와 Jones은 간단한 Harr 필터 타입의 특징점 추출기, AdaBoost 기반의 학습 및 직렬방식의 분류기 통합을 통해 1초에 수십 장 처리가 가능한 매우 빠른 특정 물체인식 시스템을 개발하였다.

CMU의 Schneiderman과 Kanade는 파트(part) 기반의 window scanning을 제안하였는데, 이 방법은 매우 높은 인식 성공률로 유명하며, Pittsburgh Pattern Recognition이라는 회사를 통해 상용화가 진행되고 있다.

다양한 방식의 물체 범주 인식 기법들이 연구되고 있지만, 얼굴인식 등의 특정 문제를 제외하고는 상용화되기는 어려운 수준이며, 상당부분 제한된 실험 영상들에서만 좋은 성능을 보여주고 있기 때문에 더욱 복잡하고 실제적인 문제에 적용될 수 있기 위해서는 더 많은 연구들이 필요한 상황이다.

- 맥락인식(Contextual recognition)

CMU의 Hoiem, Efros, Hebert는 한 장의 이미지에서 기하학적인 상황(Context) 정보를 추출하는 방법에 대한 연구를 수행한다. 색상, 텍스처, 위치, 형상, 간단한 3차원 기하학적 정보를 이용하여 특징점 집합을 정의하고, 이를 이용해 이미지 상의 각 영역들을 특성에 맞게 분류한다.

UCLA의 Zhuowen Tu, Song Chun Zhu 등은 영상분석(Image Parsing)이라는 개념을 도입하여 영상을 이해한다는 개념을 영상자체를 일종의 위계적인 트리 구조로 분석하고 각각의 요소를 쪼개어 나가면서 이름을 붙이는 문제로 정의한 후, 물체인식, 영상분할 등을 동시에 해나가면서 결합하는 포괄적인 개념을 제시한다.

3차원 물체인식을 위한 비전의 원론적 방법은 2차원과 3차원 방식으로 분류되며, 3차원 방식은 3차원 물체에서 2차원 영상의 특징 추출 후, 특징 분포와 데이터베이스 모델 물체특징 분포간의 유사관계에 의거하여 인식한다.

·동작추적 기술

2차원 영상을 기반으로 움직이는 사람, 자동차 등을 추적하기 위한 기술로서 오랜 기간 동안 연구 개발되어 오고 있으나, 카메라가 이동하지 않는 제약을 가지고 있다.

최근에는 카메라가 움직이는 상황에서 2차원 위치추적 연구가 시작되었고, 로봇 환경에서 움직이는 대상에 대한 추적이 활발히 이뤄지고 있다.

Kalman filter, Particle filter 등의 다양한 기술을 이용하여 가져짐이 발생하는 상황에서도 안정적인 추적이 가능한 기술에 대한 연구가 수행 중이다.

3) 지능로봇의 시각시스템 기술의 향후 발전 방향

·지능로봇의 시각시스템에 대한 주요 이슈

특정물체의 인식을 넘어서 범주물체의 인식 추구

맥락 및 이미지의 분석을 통하여 높은 인식 효율

선진국에 비해 핵심원천기술이 뒤지는 센서, 즉 시각시스템에 대한 집중적인 투자

·3차원 감지기술

3차원 감지기술은 지능로봇 뿐만 아니라 의료, 계측, 오락, 의류, 전자 상거래, 스포츠 등 광범위한 응용분야로 확대될 것으로 예측된다.