픽셀

Stixel
상단: 깊이를 나타내는 색상(빨간색에서 파란색으로 더 멀리)과 스티커가 중첩된 그레이스케일 입력 이미지.아래쪽:밀도가 높은 시차 맵으로, 더 밝은 강도는 더 높은 시차 값(낮은 깊이)을 나타내고, 더 어두운 강도는 더 낮은 시차 값(더 높은 깊이)을 나타내며, 검은색은 잘못된 시차를 나타냅니다.

컴퓨터 비전에서 픽셀(stixel, "stick"과 "pixel"의 합성어)은 장면의 특정 수직 슬라이스 내에서 가장 가까운 장애물에 근접하는 수직 막대 형태로 이미지의 깊이 정보를 표현하는 슈퍼 픽셀입니다.2009년에 [1]도입된 스틱스는 로봇 내비게이션과 고급 운전자 보조 시스템에 응용 프로그램을 갖추고 있으며, 중간 수준의 [2][3]추상화로 로봇 환경과 교통 장면의 표현을 정의하는 데 사용할 수 있습니다.

정의.

컴퓨터 비전에서 장면 이해의 문제 중 하나는 카메라 주변의 수평적 자유 공간, 에이전트가 이동할 수 있는 위치 및 이를 구분하는 수직적 장애물을 결정하는 것입니다.영상은 깊이 정보(예: 스테레오 시차, 라이다 또는 단안 깊이 추정에서 생성됨)와 쌍을 이루어 관찰된 장면을 조밀한 3차원 재구성할 수 있습니다.고밀도 재구성의 한 가지 단점은 이미지의 각 픽셀이 점 구름의 요소에 매핑되기 때문에 관련된 많은 양의 데이터입니다.교통 장면이나 로봇 내비게이션과 같은 대부분 수직 장애물로 구분된 평면 자유 공간으로 특징지어지는 시각 문제는 메모리와 처리 시간을 절약할 수 있는 축약된 표현의 이점을 얻을 수 있습니다.

스티커는 관찰된 장면에서 가장 가까운 장애물에 속하는 수직 표면의 조각을 나타내는 얇은 수직 직사각형입니다.이러한 문제에서 장면을 표현하는 데 필요한 정보의 양을 크게 줄일 수 있습니다.픽셀은 아래쪽의 수직 좌표, 스틱의 높이, 깊이의 세 가지 매개 변수로 특징지어집니다.각 픽셀은 고정된 너비를 가지며, 각 픽셀은 특정 수의 이미지 열에 걸쳐 있으므로 수평 이미지 해상도를 다운샘플링할 수 있습니다.원래 공식에서 이미지의 각 열은 최대 1픽셀을 포함하고 나중에 각 열에 여러 개의 스티커를 허용하여 서로 다른 거리에서 여러 [4]개체를 나타낼 수 있도록 확장되었습니다.

화소 추정

픽셀 추정에 대한 입력은 스테레오 시차 또는 다른 방법으로 계산할 수 있는 조밀한 깊이 맵입니다.원래의 접근 방식은 최적의 [5]분할을 찾기 위한 효율적인 방법을 제공하는 동적 프로그래밍을 통해 빈 공간을 추정하기 위해 분할될 수 있는 점유 그리드를 계산합니다.다양체 기반 [6]방법과 같이 점유 그리드 매핑 대신 대체 접근법을 사용할 수 있습니다.

사용 가능한 공간 경계는 가장 가까운 세로 거리에 있는 장애물의 기준점을 제공하지만 서로 다른 거리에 있는 여러 개체가 이미지의 각 열에 나타날 수 있습니다.장애물을 완전히 정의하려면 장애물의 높이를 추정해야 하며, 이는 배경의 깊이에서 물체의 깊이를 분할함으로써 달성됩니다.픽셀에 대한 멤버십 함수는 깊이 값을 기반으로 정의할 수 있으며, 여기서 멤버십은 가장 가까운 수직 장애물 또는 배경에 속하는 픽셀의 신뢰도를 나타내며, 장애물과 배경을 분리하는 컷은 동적 프로그래밍으로 다시 효과적으로 계산할 수 있습니다.

여유 공간과 장애물 높이를 모두 알고 나면 각 픽셀이 차지하는 열에 대한 정보를 융합하여 픽셀을 추정할 수 있으며, 마지막으로 픽셀이 차지하는 픽셀 깊이에 대한 모델 피팅을 통해 픽셀의 정제된 깊이를 추정할 수 있으며, 신뢰도 정보(예:)와 쌍을 이룰 수 있습니다.준글로벌 매칭(semi-global [7]matching)과 같은 방법으로 생성되는 불균형 신뢰).

레퍼런스

  1. ^ (바디노, 프랑케 & 파이퍼 2009)
  2. ^ (Benenson et al.
  3. ^ (Erbs, Barth & Franke 2011)
  4. ^ (Peiffer 2012, 5페이지)
  5. ^ (Badino, Franke & Peiffer 2009, 2.3절)
  6. ^ (살렘, 레자에이 & 클레트 2017)
  7. ^ (Badino, Franke & Peiffer 2009, 2.5절)

원천

  • Badino, Hernán; Franke, Uwe; Pfeiffer, David (2009). The stixel world – A compact medium level representation of the 3D-world. Joint Pattern Recognition Symposium.
  • Benenson, Rodrigo; Mathias, Markus; Timofte, Radu; Gool, Luc Van (2012). Fast stixel computation for fast pedestrian detection. European Conference on Computer Vision.
  • Erbs, Friedrich; Barth, Alexander; Franke, Uwe (2011). Moving vehicle detection by optimal segmentation of the dynamic stixel world. 2011 IEEE Intelligent Vehicles Symposium (IV).
  • Pfeiffer, David (2012). The stixel world – A Compact Medium-level Representation for Efficiently Modeling Dynamic Three-dimensional Environments (Ph.D. thesis). Humboldt University of Berlin.
  • Saleem, Noor Haitham; Rezaei, Mahdi; Klette, Reinhard (2017). Extending the stixel world using polynomial ground manifold approximation. 2017 24th International Conference on Mechatronics and Machine Vision in Practice (M2VIP).