연구 개요

본 연구실에서는 3차원 공간을 3차원 메쉬로 표현하기 위한 알고리즘을 연구하고 있다. 먼저, LRF를 이용하여 3차원 구조를 표현하는 포인트 클라우드를 얻는다. 그리고 다운샘플링을 통해 포인트 클라우드의 분포를 균일하게 한다. 다음으로 표면 재구성 (surface reconstruction)작업을 통해 3차원 구조를 3차원 메쉬로 표현한다. 3차원 구조를 시각적으로 표현하기 위해서는 텍스쳐 정보가 필요한데, 이는 전방향 카메라 (omni-directional camera) 로부터 얻은 전방향 영상을 이용한다. 전방향 영상의 각 픽셀을 3차원 공간으로 매칭시켜 메쉬에 텍스쳐를 입힘으로써 3차원 구조를 시각적으로 표현할 수 있다. 본 알고리즘은 3차원 구조를 정확하게 표현할 뿐만 아니라 3차원 공간과 텍스쳐를 비교적 정확하게 매칭할 수 있다.

세부 연구 내용

1. 전방향 • 광역 RGB-D 데이터 취득

LRF와 전방향 카메라로 구성된 Omni Wide Sensor를 구성하여 전방향•광역의 RGB-D 정보를 취득한다.

A. 영상 데이터 취득

영상 데이터는 전방향 카메라를 이용하여 획득한다. 전방향 카메라는 한 번의 촬영으로 전방향의 영상 데이터를 얻을 수 있는 장치이다. 전방향 카메라는 여러 대의 카메라로 구성되어 있는데 각 카메라는 각기 다른 방향을 향한다. 각 카메라에서 얻은 영상 데이터들을 왜곡하여 하나의 영상으로 합침으로써 전방향을 표현하는 전방향 영상을 획득한다.

B. 거리 데이터 취득

거리 데이터는 LRF로 통해서 3차원 포인트 클라우드의 형태로 획득한다. LRF는 레이저 빔을 이용하여 거리 정보를 획득하는 장치이다. LRF의 관측 시야 (field of view)의 한계로 회전을 해가며 여러 방향의 데이터를 얻는다.

3차원 공간 정보를 구성하기 위해서는 하나의 통합된 포인트 클라우드가 필요하다. 그러므로 각 방향에 대한 포인트 클라우드를 pose estimation 알고리즘을 이용하여 하나의 포인트 클라우드로 합친다.

 2. 3차원 공간 구성

A. 3차원 메쉬 구성

포인트 클라우드를 이용하여 3차원 구조를 구성하는 과정이다. A에서 얻은 3차원 포인트 클라우드를 분포를 균일하게 하기 위해 다운샘플링을 한다. 그리고 평면 피팅 (plane fitting) 알고리즘을 이용하여 포인트 클라우드의 각 포인트의 노멀 벡터를 구한다. 그리고 각 점들의 노멀 벡터로 구성된 포아송 방정식을 이용하여 3차원 메쉬를 구성하는 알고리즘인 포아송 평면 재구성 (Poission surface reconstruction) 기법을 이용하여 3차원 메쉬를 구성한다.

B. 텍스쳐 매핑

과정 1에서 얻은 3차원 메쉬에 영상 정보를 입히는 과정이다. 전방향 영상의 특성을 이용하여 각 픽셀 좌표 (u,v)를 3차원 좌표 (X,Y,Z)로 매핑할 수 있다. 이 과정을 통해 3차원 메쉬의 각 face에 영상 정보를 입힌다.

이 연구는 2011년 교육과학기술부의 재원으로 한국연구재단의 지원을 받아글로벌프런티어사업으로 수행된 연구입니다. (한국연구재단-M1AXA003-2011-0031648)
This work was supported by the Global Frontier R&D Program on funded by the National Research Foundation of Korea grant funded by the Korean Government(MEST) (NRF-M1AXA003-2011-0031648)