사전 정보를 이용한 규모 적응형 깊이 정보 필터법Scale adaptive depth-map filtering using learned prior

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 928
  • Download : 0
DC FieldValueLanguage
dc.contributor.advisor권인소-
dc.contributor.advisorKweon, In So-
dc.contributor.author김민현-
dc.contributor.authorKim, Minhyun-
dc.date.accessioned2016-04-22T19:32:31Z-
dc.date.available2016-04-22T19:32:31Z-
dc.date.issued2015-
dc.identifier.urihttp://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=608317&flag=dissertationen_US
dc.identifier.urihttp://hdl.handle.net/10203/206175-
dc.description학위논문(석사) - 한국과학기술원 : 미래자동차학제전공, 2015.2 ,[vii, 41 p. :]-
dc.description.abstractTime-of-Flight 센서는 삼차원 거리 센서 중 하나이다. 이 센서는 삼차원 정보를 깊이 정보를 통해 높은 프레임 획득 속도로 얻을 수 있다. 그러나 이 깊이 정보는 플라잉 픽셀이나 구멍과 같은 노이즈가 많다. 이러한 취약점을 극복하기 위해, 공간적인 필터가 주로 적용된다. 하지만 노이즈 특성마다 필터의 크기를 다르게 정해줘야하는 문제가 있다. 이 논문에서는 이러한 결점을 제거하기 위해 기계 학습을 기반으로한 크기 적응형 필터 처리 방법을 제안하고 검증한다. 센서의 노이즈 특성을 학습하기 위해, 다양한 데이터 집합을 촬영하고, 새로운 특징량과 픽셀 기반의 신뢰도를 정의한다. 게다가 이러한 정보들을 랜덤 포레스트를 이용하여 학습한다. 최종적으로 가중 결합 양방향 필터와 최적화를 통해 노이즈를 제거하도록 한다. 제안한 필터 처리법은 다양한 장면의 깊이 정보 개선과 3차원 복원, 그리고 ICP를 이용한 동적 영상 3차원 복원으로 그 성능을 검증한다. 게다가 제안된 특징량의 재질 표현성을 재질 분류기로 검증하도록 한다.-
dc.languagekor-
dc.publisher한국과학기술원-
dc.subject픽셀 단위 신뢰도-
dc.subject깊이 영상 개선-
dc.subject크기 적응형-
dc.subject비행 시간 센서-
dc.subjectPRS-
dc.subjectDepth-map Filter-
dc.subjectScale Adaptive-
dc.subjectToF Sensor-
dc.title사전 정보를 이용한 규모 적응형 깊이 정보 필터법-
dc.title.alternativeScale adaptive depth-map filtering using learned prior-
dc.typeThesis(Master)-
dc.identifier.CNRN325007-
dc.description.department한국과학기술원 :미래자동차학제전공,-
dc.contributor.localauthor권인소-
dc.contributor.localauthorKweon, In So-
Appears in Collection
PD-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0