Single view reconstruction is a fundamental issue in computer vision. Manhattan world assumption is often used for reconstructing man-made environments, which assumes that planes in the real world are in the mutually orthogonal directions. This thesis deals with an automatic single view reconstruction algorithm of Manhattan worlds. A novel method for estimating directions of planes using graph cut optimization is proposed. After segmenting an image from extracted line segments, data cost function and smoothness cost function for graph cut optimization is defined with the consideration of directions of line segments and directions of neighborhood segments. Further, segments having same depths are grouped during depth estimation step using minimum spanning tree algorithm with proposed weights. Experimental result shows that the proposed method is not only able to identify complex Manhattan structures of indoor and outdoor scene but also provide exact boundaries and intersections of planes unlike earlier literature.
단일 영상을 이용한 3차원 복원은 컴퓨터 비전 분야에서 오랜 시간 연구되어 왔다. 인공 구조물 영상에 대한 가정으로 많이 사용되는 맨해튼 월드 가정은 영상에 나타나는 평면들이 3차원상에서 서로 직교하는 평면들로만 이루어져 있다는 가정이다. 본 논문에서는 맨해튼 월드 가정하에 단일 영상에서의 3차원 복원 방법을 제시하였다. 특히 그래프 컷 최적화를 이용해 평면의 법선방향을 추정하는 새로운 방법을 제시하였다. 영상에서 검출된 선분을 이용해 영상을 분할한 뒤, 선분의 방향과 이웃한 세그먼트와의 방향의 관계를 고려하여 그래프컷의 비용 함수를 정의한다. 또한, 같은 깊이에 속하는 세그먼트를 그룹화하기 위해 최소 신장 트리를 이용하는 방법을 제시하였다. 이전에 연구된 방법들과 달리 본 논문에서 제시한 방법은 복잡한 맨해튼 월드 영상에 대해서 비교적 정확한 3차원 복원 결과를 보여주고 있다.
