This thesis explores the use of projective invariants for indexing-based object recognition method. Indexing approaches using projective invariants are very effective when perspective effects cannot be ignored. In some applications, the features of two-dimensional objects may appear as different features in an image due to perspective effects. The central issues that should be considered in designing an indexing-based object recognition system include model representation, the extraction of invariant features, feature matching, hypothesis formation, and object verification.
This thesis presents an unified framework for indexing-based object recognition that can be applied to three-dimensional objects as well as two-dimensional objects. The framework consists of model representation based on projective invariants, analysis of error modeled by Gaussian noise, model database construction using hash table, and matching by indexing.
For model representation based on projective invariants, this thesis develops a new shape descriptor for 2-D curved objects and a 3-D invariant relationship by single-view for 3-D objects. The descriptor is very stable and not sensitive to noise because it does not include derivatives. The 3-D invariant relationship is more general than the previously proposed invariants. To construct the model-base for indexing by efficient hash-table, error on the proposed invariants is modeled by Gaussian noise. It is used to determine what score (or voting) a correct or incorrect hypothesis is likely to have.
To show the usefulness of the method, it applies to three vision problems: "the self-localization of a mobile robot" as the 2-D point problem, "2D curved object recognition" as the 2-D curve problem, and "3D object recognition from single image" as the 3-D point problem. The self-localization and obstacle detection for a mobile robot are very important in vision-based navigation. By applying the method, the self-localization problem is solved without calibration. In the two-dimensional curved object recognition, this method has led to the recognition of planar curved objects, whose images are seriously distorted. A measure of similarity between the model curves and scene curves can be obtained by directly measuring the errors between them at every point. Object verification uses this similarity measure to compute a transformation using the correspondence between the model and scene points on contours. Using the proposed 3D invariant by single-view, experiments using 3-D polyhedral objects are carried out to demonstrate the feasibility of our method for 3-D object recognition.
We have successfully performed the self-localization and 2-D curved object recognition, and 3-D object recognition by the proposed unified framework for indexing-based object recognition using the projective invariant.
본 논문은 투사 불변량을 이용한 색인 기반 물체인식에 대한 연구이다. 투사 불변량을 이용한 색인 기반 물체 인식의 방법을 연구하는 데에 있어 고려되어야 하는 주요 요소로는 모델의 표현, 투사 불변량의 추출, 가설의 발생 및 증명 등이 있다.
본 논문은 2차원의 물체는 물론 3차원 물체도 인식할 수 있는 일관된 색인 기반 인식 방법을 제안하였다. 이 방법은 투사 불변량에 의한 물체의 표현, 가우시안 에러 모델에 의한 오차의 분석, 해쉬 테이블에 의한 모델 베이스의 구축, 색인에 의한 매칭의 과정들로 구성된다.
투사 불변량에 의한 물체의 표현을 위하여, 본 논문에서는 이차원상의 곡선에 대하여 새로운 형상 표현자를 제안 하였고, 한 장의 영상으로부터 삼차원 물체를 표현할 수 있는 삼차원 불변량 관계식을 제안하였다. 제안된 형상 표현자는 미분을 포함하지 않기 때문에 잡음에 강인한 장점을 갖는다. 제안된 삼차원 불변량 관계식은 기존의 것에 비해 일반적으로 사용 할 수 있다. 효율적인 해쉬 테이블의 색인을 위한 모델 베이스의 구축을 위하여, 본 논문에서는 제안된 불변량들에 대한 오차 분석을 가이시안 에러 모델을 이용하여 수행하였다. 이 분석의 결과는 발생된 가설의 증명을 위하여 사용하였다.
본 논문에서는 이 일관된 인식 방법의 효율성을 증명하기 위하여 세 가지 비전 문제: 이차원 점의 문제로써 "이동 로봇의 위치 인식 및 장애물 인식", 이차원 곡선 문제로써 "이차원 곡선 물체 인식", 삼차원 점의 문제로써 "한 장의 영상에 의한 삼차원 물체인식" 에 적용 하였다.
이동 로봇의 자기 위치 인식 및 장애물 인식의 문제는 이동 로봇이 자율 주행하는데에 있어 매우 중요한 문제이다. 본 논문에서는 이차원 점들에 의한 투사 불변량과 이 불변량에 의한 해쉬 테이블을 이용함으로써, 캘리브레이션이 되지 않은 카메라로부터 로봇에 대한 사전 정보 없이 로봇의 위치를 인식 할 수 있는 방법을 제안하였다.
본 논문에서 제안한 표현자와 이 표현자의 효율적인 인식을 위하여 새롭게 제안된 모델 베이스를 이차원 곡선 물체 인식에 적용한 결과 투영 효과에 의하여 심하게 외곡된 곡선 물체까지 인식 할 수 있었다.
한 장의 영상에 의한 삼차원 물체 인식을 위하여 새로운 삼차원 불변량 관계식과 이 불변량을 효율적으로 색인 할 수 있는 이차원의 모델 베이스가 제안 되었다. 제안된 불변량과 모델 베이스를 삼차원 물체 인식에 적용한 결과 기존의 방법들에 비하여 보다 일반적으로 사용할 수 있었다.
