일반기술

센서의 사영행렬을 이용하는 3차원 데이터의 자동정합 방법

본 발명은 서로 다른 위치의 센서 S 1 및 S 2 로부터 각각 얻은 두 개의 거리정보 데이터 R 1 및 R 2 를 하나의 좌표 시스템 내의 3차원 거리정보 데이터로 정합하는 방법에 있어서, 공분산 행렬을 이용하여 센서의 상대적인 위치를 추정하는 단계(a); 상기 추정된 센서의 상대적 위치를 초기치로 하여 상기 두 거리정보 데이터를 변환시킨 후, 상기 변 환시킨 두 거리정보 데이터 집합 간의 겹치는 영역을 구하는 단계(b); 상기 겹치는 영역의 범위 내에서 가장 근접한 점(closest point)의 쌍을 찾는 단계(c); 상기 가장 가까운 점의 쌍으로부터 공분산 행렬을 갱신하는 단계(d); 및 상기 갱신된 공분산 행렬을 이용하여, 상기 단계(a) 내지 (d)를 반복하는 단계(e)를 포함하는 것을 특징으로 하는 3차원 거 리정보 데이터의 정합 방법에 관한 것이다. 본 발명에 따른 정합 방법에 의하면, 3차원 데이터 집합에 대한 변위 측정, 사용자 입력, 또는 일치점 추출 등의 초기화 과정 없이, 임의의 시점에서 측정된 거리정보 데이터를 자동으로 정합할 수 있다.본 발명은 변위 측정 장치나 사용자 입력 등에 의존하지 않고, 임의의 시점에서 측정된 여러 거리정보 데이터를 자동으로 정합할 수 있는 방법에 관한 것이다. 본 발명은 3차원 데이터와 레인지 영상 간의 센서 사영 조건과 교차 사영, 및 공분산 행렬을 이용하여 센서의 초기 위치를 추정하고, 이에 대한 반복 연산을 통하여 정확한 정합 결과를 얻을 수 있으며, 이는 여러 실험을 통하여 확인할 수 있었다. 기존의 ICP알고리즘은 미리 정의된 영역에 대하여 가까운 점 쌍을 찾아서 이 들 점간의 거리를 최소화시키는 변환을 구하는 과정을 반복한다. 반면, 본 발명은 사전에 겹치는 영역에 대한 정보가 없는 상태에서, 가까운 점을 정의하는 단계에서 센서의 사영관계를 제약 조건으로 사용하여 두 데이터 간의 가까운 점 쌍이 될 수 없는 점들을 제외시킨다. 즉, 각 반복의 단계마다 센서의 위치는 새롭게 정의되며, 가까운 점들이 될 수 있는 후보점들(겹치는 영역)도 계속해서 새 롭게 정의된다. 따라서, 보다 빠른 시간내에 보다 정확한 정합 데이터를 얻을 수 있다. 또한, 본 발명에 따른 방법은 정합 과정에서 사영행렬을 사용함으로써 2차원 영상과 3차원 데이터 간의 텍스처 매핑을 쉽게 수행할 수 있다는 장점이 있다.