이미지로부터 추출된 특징 정보의 장점은 연속적인 이미지에서 공통적으로 관측되는 특징점에 대하여 검출 및 추출 용이하다. 이는 카메라의 움직임을 추정할 수 있는 유용한 측정치로 활용될 수 있다. 하지만 실외가 아닌 야외에서 실제 움직이는 카메라로부터 획득된 이미지는 큰 노이즈로 인하여 검출된 특징점 중에 이상 특징점(outlier)이 추출되기도 한다. 이러한 이상 특징점은 카메라의 위치 및 자 세 추정에 있어 큰 오차를 유발시키므로 반드시 검출하여 제거해야만 한다. 본 논문에서는 이상 특징점을 효율적으로 제거하는 RANdom SAmple Consensus (RANSAC)과 2D-3D 특징점 매칭쌍을 활용하 여 이상 특징점에도 강건한 카메라의 위치 및 자세 추정 기법을 제안한다. 제안된 알고리즘의 성능 평가를 위하여 시뮬레이션을 진행하였다. 기존 알고리즘과 결과를 비교하였으며 이상 특징점과 픽셀 오차에 대하여 보다 강건한 특성 그리고 카메라의 위치 및 자세 추정 정확도가 개선됨을 확인하였다.

Robust Camera Pose Estimation Algorithm against Outliers

Yu Dam Lee, Lawoo Kim, Taek Geun Lee, Hyung Keun Lee*

Extracted feature information from images has advantages in detecting identical feature points over successive images. This information can be utilized by estimating camera motions. However, outliers, which are abnormal matched feature points, can be extracted from successive images when they are captured by a moving camera in outdoor areas due to large pixel noises, motion blur, and so on. The outliers should be eliminated among matched feature point candidates before the camera pose estimation is performed. In this paper, a robust camera pose estimation algorithm against outliers is proposed utilizing RANdom Sample Consensus (RANSAC) method and 2D-3D matched feature points. For the performance evaluation of the proposed algorithm, synthetic experiments were conducted. Comparing with previous state-of-the-art camera pose algorithms, the proposed algorithm shows the improved accuracy of the camera pose against outliers and pixel noises.

Keywords: Pespective-n-point, RANSAC, feature point

Speaker 이유담 한국항공대학교