摘要 |
머신 비전 내에서, 객체 움직임은 흔히 원근법(perspective) 및 시차(parallax)와 같은 기법을 이용하여 이미지 평가 기법을 가시광 이미지에 적용함으로써 추정된다. 그러나, 이들 기법의 정확도는 빛과 그림자와 같은 이미지 내의 시각적 왜곡으로 인해 제한될 수 있다. 대신에, (예컨대 자동화된 내비게이션에서 객체 회피를 위해)라이더 데이터가 이용가능할 수 있고, 그러한 결정을 위해 고정도 데이터 소스 역할을 할 수 있다. 라이더 포인트 클라우드의 제각기의 라이더 포인트가 3차원 복셀 공간의 복셀들에 맵핑될 수 있고 복셀 클러스터가 객체로서 식별될 수 있다. 라이더 포인트의 움직임은 시간의 경과에 따라 분류될 수 있고, 제각기의 객체는 객체와 연관된 라이더 포인트의 분류에 기초하여 이동 중이거나 고정되어 있는 것으로 분류될 수 있다. 이 분류는 정확한 결과를 산출하는데, 시간에 대해 평가될 때 3차원 복셀 공간 내의 복셀이 분명히 구별할 수 있는 상태를 제시하기 때문이다. |