고정 헤더 영역
상세 컨텐츠
본문
ICCV 2007
Siemens 연구소
개요
contributions: static edges 뿐 아니라 occluding contours(silhouette) 정보도 사용.
3장 occluding contour modeling은 일단 바빠서 생략. ㅡㅡ
전체 스텝:
(1) pose initialization
(2) sampling. 이미지 플레인에서 equally spaced 하게 3d edges를 샘플링.
(3) projection (of sampled edge points).
(4) feature detection. edge detection in the current image.
(5) feature matching. edge의 normal direction으로 search. 자세한 설명을 못 찾겠는데 아마 gradient가 가장 큰 점을 선택하지 않을까?
(6) optimization. robust method ("A correlation-based approach to robust point set registration", ECCV 2004) 사용. 소스가 있을래나? L-M보다 Weighted LS 문제에 적합할까? - 검토 필요.
감상
실루엣 사용 외에 이렇다 할 공헌이나 다른 방법들에 대한 분석은 없음 (edge나 interest point 外의 것을 찾던 터라).
Siemens 연구소
개요
contributions: static edges 뿐 아니라 occluding contours(silhouette) 정보도 사용.
3장 occluding contour modeling은 일단 바빠서 생략. ㅡㅡ
전체 스텝:
(1) pose initialization
(2) sampling. 이미지 플레인에서 equally spaced 하게 3d edges를 샘플링.
(3) projection (of sampled edge points).
(4) feature detection. edge detection in the current image.
(5) feature matching. edge의 normal direction으로 search. 자세한 설명을 못 찾겠는데 아마 gradient가 가장 큰 점을 선택하지 않을까?
(6) optimization. robust method ("A correlation-based approach to robust point set registration", ECCV 2004) 사용. 소스가 있을래나? L-M보다 Weighted LS 문제에 적합할까? - 검토 필요.
감상
실루엣 사용 외에 이렇다 할 공헌이나 다른 방법들에 대한 분석은 없음 (edge나 interest point 外의 것을 찾던 터라).
