earticle

영어

As a type of maker-less camera tracking, model-based camera tracking has received
considerable attention due to its robustness and flexibility. Given an accurate and precise 3D
graphic model of a target object/scene and a rough camera pose, it updates the rough
camera pose to an accurate camera pose in such a way that the model projected by the
rough camera pose is aligned in the camera image by tracking visual cues such as edges and
feature points. For accuracy and reliability, therefore, the camera images illust include a
number of reliable and distinctive visual cues and the rough camera pose illust be similar
to the true (target) camera pose. However, these requirement are hard to satisfy in
real-world situations. Furthermore, although most of existing model-based methods assume
that the scene is static, the scene is not static in a real-world That is, lighting condition
is often changed, objects are moving/occluded, and new objects show up, etc. Therefore, a
model-based camera tracking method being adaptive to such dynamic real-world situations
is strongly desired, which is our concern in this paper. We propose several component
techniques required for conventional model-based camera tracking to be adaptive to dynamic
environmnet. The techniques are quantitatively evaluated with real and synthetic images.

한국어

모델기반 카메라 추적은 마커를 사용하지 않는 방법이지만， 강건성， 유연성을 보장하기 때문에 많은 주목을 받아왔다. 대상 객체 혹은 장면의 정확한 3차원 그래픽 모델 및 대략적인 카메라 포즈가 주어졌을 때， 대략적인 카메라 포즈에 의해 투영된 모델을 카메라 영상에서 추출된 대상 객체 혹은 장면의 에지， 특징점과 같은 시각적 단서와 매칭시킴으로써 대략적인 카메라 포즈를 정확한 카메라 포즈로 갱신한다. 그러므로 카메라 영상은 많은 수의 특징적인 시각적 단서를 포함해야 하고， 대략적인 카메라 포즈는 실제 (대상) 카메라 포즈와 유사해야 한다. 그러나 이러한 요구사항은 실 환경에 서는 만족되기 어렵다. 더구나 대부분의 모델기반 카메라 추적 방법들은 정적인 장면 을 가정하지만， 실 환경에서 장면은 동적으로 변한다. 즉， 조명 환경이 자주 변하고， 객체들이 움직이거나 가려지며 새로운 객체가 나타나기도 한다. 그러므로 이러한 동 적인 환경에 적응적인 모델기반 카메라 추적 방법이 요구되는데， 이러한 방법을 제안 하는 것이 본 논문 내용의 핵심이다. 이를 위해 관련 요소 기술을 제안하고， 실 영상 및 합성 영상을 이용한 실험을 통해 제안된 방법을 정량적으로 평가한다.