hyunjin

핀홀 카메라 모델에서 카메라 영상은 3차원 공간 점을 2차원 이미지 평면에 투사해서 얻어짐. 여기서, (X,Y,Z)는 월드 좌표계(world coordinate system) 상의 3D 점의 좌표, [R|t]는 월드 좌표계를 카메라 좌표계로 변환시키기 위한 회전/이동변환 행렬이며 A는 intrinsic camera matrix입니다.

이 voxel 배열을 순회하며 mesh로 변환 1. 8개의 voxel을 하나의 큐브로 정의 2. 조건에 해당되는 폴리곤 메쉬 찾기 3. Vertex 찾기 가장 단순하게 edge에 가운데를 찍으면 결과가 그렇게 보기 좋진 않다. 근데 양쪽에 두 점이 어떤 것을 표현한건지는 모르겠다.................. 더 잘표현하는 모델을 만들려면 voxel 값을 정의해야함. 이런 index를 아까 봤던 256개의 경우의 수 중 하나를 찾으면 알 수 있다... 256개 하나하나 다 입력해봐야하나?? NO 4. Lookup table 찾기 구글링하면 이런 식으로 Lookup table 만들어 둔 것이 있다. 전체 과정을 보면 한계점 날카로운 모서리를 잘 표현 못함 큐브 대신 사면체 쓰자 참고 PPT 자료 Codi..

영상 geometry에 크게 4가지 좌표계 존재 1. 월드 좌표계 (World Coordinate System) 우리가 살고 있는 공간의 한 지점을 기준으로한 좌표계 - 사물,물체 위치를 표현할 때 기준으로 삼는 좌표계 - 문제에 따라 임의로 잡아 사용할 수 있는 좌표계, 축도 - 좌표의 잔위는 meter,centimeter 뭘로 해도 되나 어떤 점이 어떤 위치인지 그 문제 내에서 만큼 유일하게 결정될 수 있어야 함. $ P = (X,Y,Z) $ 월드 좌표계가 우리가 살고 있는 공간의 한 지점이라면 카메라 좌표계는 카메라를 기준으로 함 2. 카메라 좌표계 - 카메라 정면 광학축 방향 Z축 - 카메라 아래 방향 Y - 오른쪽 X - 카메라 좌표계의 단위는 월드 좌표계와 동일해야 함, 월드가 m 쓰면 여기도..

아핀 평면 평면 $R^2$에서 직선의 집합을 L 이라 하자. ℓ ∈ L 이면 ℓ : y = ax + b 로 표시되거나 수직선 ℓ : { a } X R 이다. 쌍 $( R^2 , L )$ 을 아핀 평면이라 부른다. 아핀 평면 ( $R^2$ , L ) 의 성질 (1) 서로 다른 두 점 p,q가 주어지면 , 이 두 점을 지나는 유일한 직선이 존재 L = p ∨ q (이 기호는 두 점 p,q를 지나는 직선을 표시한 것) (2) 한 직선 L과 , L에 놓이지 않는 한 점 p 가 주어지면 , p를 지나면서 L과 만나지 않는 유일한 직선 L' 이 존재한다. p ∈ L' , L ∩ L' = Ø 이런 instance relation 이 가지는 기하학적 의미가 더 중요 아핀 변환 일대일 대응함수 F: $R^2 → R^2$..

Point Cloud datasets that represent objects or space 3차원 공간상에 퍼져 있는 여러 point의 집합(set cloud)의미 Lidar 센서, RGB-D 센서 등으로 수집되는 데이터 이런 센서들은 아래 그림처럼 물체에 빛/신호를 보내 돌아오는 시간을 기록해 빛/신호 당 거리 정보 계산해, 하나의 포인터 생성 Point Cloud는 2D 이미지와 다르게 깊이(Z축) 정보 가지기 때문에, 기본적으로 Nx3 Numpy 배열로 표현각 N줄은 하나의 점과 매핑되며 3 (x,y,z) 정보를 가진다. 이미지 데이터와 Point Cloud 이미지 데이터에서 픽셀의 위치 정보 항상 양수, 기준점은 왼쪽 위, 좌표값 정수 Point Cloud 점 위치는 양수나 음수, 기준점 센서..

convolutions kernel size : convolution의 view(시야) 결정. 보통 2D에서 3X3 pixel Stride : 커널 사이 스텝 사이즈. 기본값 보통 1 이지만 보통 Max pooling과 비슷하게 이미지 다운 샘플링하기 위해 stride 2로 사용할 수 있다. Padding : 샘플 테두리를 어떻게 조절할지 결정. 패딩된 Convolution은 input, output 차원을 유지 Input & Output Channels : Convolution layer 는 Input 채널의 특정 수(I)를 받아 output 채널의 특정 수 (O)로 계산. 이런 계층에서 필요한 파라미터 수는 I*O*K(kernel 수) Sparse Convolution LiDAR 신호 처리에서 필수적..

1. 3D Reconstruction 이란? 실제 물체의 모습이나 모양을 복원하는 과정 여러 2D images 로부터 3D image 얻는 과정 본래 image는 3D scene에서 2D plane으로 mapping, 이 과정에서 Depth(깊이) 손실 단일 이미지에선 이 선의 어느 점이 이미지에 해당하는지 결정할 수 없음. 2개의 image에서 3차원 점의 위치는 2개의 투영 광선의 교차점으로 발견 가능 => Triangulation 삼각측량법 통해 여러 2D image만을 통해 3D 물체로 복원 가능 이미지들로 부터 geometrical structure 추론하는 것 보통 카메라 위치와 internel parameter 이미지로부터 추정하는.. 멀티플 이미지를 사용하므로써 3D는 정보 픽셀 와이즈 대..