Browsing by Author "CHEN ZEN"

Now showing 1 - 20 of 33

一種高維度大型物體資料庫的快速影像搜尋系統
(2012)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程學系（所）
本研究計畫是針對數量龐大而又是高維度的物體資料庫進行快速以單張物體影像就可以捜查到物體的正確名稱及其連貫一起的資訊。3D物體的辨認能靠一個pose的影像執行，其主要方法有兩種，一種是靠龐大的豐富資料庫，其內含有該3D物體相近pose的影像所表達模型資料而加以捜尋，另一種是靠有該物體的3D模型(包括3D形狀模型及3D材質模型）而加以套合(fitting)與比對。前一方法需要有龐大的資料庫收集物體影像與內容，處理可快，後者是靠精確3D模型及多張物體照片，處理費時。我們研究目的是快速物體影像捜尋，故本研究屬於前一型方法，主要研究內容是影像的物體切割，物體影像內容的表達，以及快速的資料庫1-NN捜尋。我們要針對這些問題發展有效新技術加以解決。
三維景物重建之多視圖矩陣分解法
(2008)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程學系(所)
本研究計畫預計在三年期間內發展一系列的電腦視覺技術，來研發透過多張影像來進行場景的三維稠密式幾何重建，而這些輸入影像可能是利用許多佈置於景物上方圓頂形架上之眾多相機所拍攝，或是利用單一相機於場景中移動所拍攝。此外這些影像或視圖可以是已校正過或是未校正過。在第一年的研究計畫中，將類似用架設在一圓頂上的多台相機對準室內同一物體拍攝，並利用這些視圖來重建物體的三維幾何模型。在此系統中的相機皆事先經過校正，也就是說相機的內外部參數皆為已知且固定不變。我們提出一個基於多於三張視圖矩陣分解理論建稠密式立體物體模型，而非僅用兩張兩張影像所建之局部立體物體加以合併而已。首先使用我們所提出的楕圓式LoG 特徵擷取演算法取得具有仿射不變性的特徵點。此方法可以不受不同視角拍攝所產生影像變形的影響。對於多張不同影像中候選特徵點的比對是在仿射正規化的影像空間進行，而非在原本的影像空間比對。因此可避免傳統以固定正四方形視窗之關聯係數計算測試所造成的失敗，尤其當兩拍攝相機之間基線較大時，更是如此。下一步我們將用初始所擷取具有高精確度的特徵點得到一個＂初始邊界模型＂(IBEM)，以用來做為場景近似幾何模型。接著利用多視圖的影像亮度一致性測試與可見度測試，用疊代或漸進方式對IBEM 做進一步的提煉，最後即可得到精細的稠密式網格模型。此模型可用網格小平面區塊為單位，一片接一片地貼上從適當視角影像中對應到的影像區塊的紋理。第二年的研究計畫將利用單一相機來拍攝，並進行多視圖稠密式戶外場景的重建。在此假設相機的內部參數是已知且在拍攝時固定不變。然而因為相機的外部參數是未知的，因此需要對外部參數進行估算。在估算之前，必須先得到足夠數量的可靠對應點。經由我們對於具有仿射不變性所擷取的特徵點中，可以得到一些唯一對應的特徵點。至於若需要其他更多的點對應，可以針對已得的唯一對應特徵點找最近的特徵點用。利用這些特徵點可用多視圖矩陣分解法得到相機的外部參數與特徵點的三維座標。為了排除可能在上述相機參數估測時發生只找到的區域性的最小值，將再利用模擬退火法搭配直交實驗設計法，以前述方法的解當做初始解來進行統計搜尋，藉以得到全域的參數估測最佳解。此時就能使用得到的可靠相機間極線幾何關係，解決戶外人工場景中大量的重覆性圖樣間的可能錯誤匹配。最後則如同第一年計畫進行稠密式的物體幾何模型重建。第三年提出的計畫則為利用未校正影像進行多視圖三維重建。以今日之手持數位攝影機進行變焦拍攝十分普遍，取得的影像就是未校正過。我們嘗試分析相機內部參數無變動與有變動兩種影像對重建工作精準度之影響。兩種影像都先用多視圖矩陣分解法求得投射空間的三維場景模型，再試圖用兩種可能方法將三維模型由投射空間轉換至歐基理德空間。其中一種是利用場景知識如三組以上的明顯互相垂直線條組合資訊來做，另一種是用自動校正技術來做。此外我們也要研究解決在三維重建過程中會遇到的影像雜訊、遺失點與外來點等問題，以進而提昇三維重建模型的精準度。
三維物體的建構:利用物體投影的輪廓線重建與細調的後處理
(2000)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程研究所
中文文字辨認設計之自動化(II)
(1993)
陳稔
;
CHEN ZEN
;
交通大學資訊工程研究所
人體運動之智慧型多相機監視系統(I)
(2002)
陳稔
;
CHEN ZEN
;
交通大學資訊工程研究所
利用圓形標誌投影圖中二條平行切線作圓的平面法向量及位置的量測
(1995)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程研究所
本計畫研究如何利用影像處理及電腦視覺來作物體與攝影機之間定位的工作.我們研究對象是含有圓形標誌的物體,如二維物體的Wafer 、CD、圓形路標、圓孔、磁碟、硬幣等及三維物體的車輪、罐裝食品、水銀電池、圓柱形容器、飛輪、鏡片、電晶體等.利用本方法所獲得物體定位資訊,可供上述物體檢驗、搬移之用以及做機器人或自走車作運動規劃或導航之用.物體定位方法的優劣直接影響處理速度、精確度及適用範圍,因此,對於自動化的影響非常大.本計畫之目標在:(1)提供圓形標誌定位的正解(Exact solution),解決目前只用橢圓近似或用橢圓套合(Ellipse fitting)只求到近似解;(2)解法不需要圓心或直徑等特殊標誌的輔助,免除這些標誌的限制,擴大定位方法的應用範圍.本計畫的研究方法方法是嘗試採用我們新發現的電腦視覺的理論,利用投影圖上兩條平行切線逆投影的特性,來求得圓形標誌的定位.其理念如下:在一已知半徑的圓的投影影像上,我們對圓的投影長軸(即圓的投影影像中之最長的線)建立一組與圓投影圖相切的平行線後,作逆投影( Back projection)得到圓所在的平面上兩條對應線, 這二條對應直線亦會與圓相切.此外,當圓平面與影像平面平行,則這兩條直線會互相平行,且圓的投影影像亦為正圓.在這種情況下,只需要利用相似三角形關係,就可以得到圓的位置.但當圓平面與影像平面不平行時,這兩條線會相交.從這兩條輔助線與圓的幾何關係,可以求得圓的方向與位置.目前我們已初步完成圓在特定位置投影時的定位理論分析,未來研究中將運用座標轉換的技巧,把任意位置的圓轉換至特定的位置求解.這個新方法與別人使用近似的求解方法不同,它所推導的公式可求得正解( Exact solution)而非近似解,且適用於各種拍攝視角及拍攝距離,同時,它不需要標示圓心等特殊標誌的輔助條件,可以增加它的適用範圍.
利用小波描述子解決三維物體姿態測定之有效方法
(2001)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程研究所
利用視角變形技術產生導航模擬用新地貌影像
(2000)
陳稔
;
CHEN ZEN
;
交通大學資訊工程研究所
利用視角變形技術產生導航模擬用新地貌影像(II)
(2000)
陳稔
;
CHEN ZEN
;
交通大學資訊工程研究所
多張影像間幾何投射分析與其運用於強健式特徵點抽取及相機投射矩陣估測
(2005)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程學系(所)
在電腦視覺研究中，我們針對二張或更多張不同視度下所拍攝的景物影像，進行三維景物幾何形狀以及相機相互之間的幾何位置的推測。典型的視覺重建步驟包括： (1) 抽取影像中具有區辨能力的特徵點或特徵線。 (2) 尋找不同影像間的對應特徵點或線。 (3) 估算相機間的Fundamental matrices。 (4) 利用Fundamental matrix 求取更稠密的對應像點。 (5) 估算影像的epipole 及該相機的等效投影矩陣。 (6) 估算景物的三維投影幾何結構(projective structure)。 (7) 利用一些能掌握的Euclidean measurements，將投影幾何結構轉換後Affine 或 Euclidean structure。 (8) 另一方面也可以運用多於二張的影像中的對應像點進行像點矩陣(data matrix D) 的矩陣分解(matrix factorization)以獲得三維景物的幾何結構及相機內外參數資料。目前前面二件工作難以掌控，而且缺少明確性分析。至於後面的幾件工作，則是針對透過更多影像如何進行更精確、更可靠的三維重建工作，以及放寬相機的參數限制，擴大適用範圍。我們將先建立影像間幾何轉換矩陣H 。其次，我們將矩陣H 分解為三個基本型矩陣 H = t H a H t H ，並推導p H , a H , t H 對影像作用的幾何特性，以瞭解p H , a H , t H 對影像所產生的影響。我們再針對矩陣H 的幾何影響，考慮如何設計影像上特徵點 (feature points) 的抽取，以使得部份特徵點在矩陣H 的作用下，仍然能維持大致不變，以做為兩張影像間的點對應之用。我們將分析採用Gabor filtering 技術做特徵點擷取(feature extraction)的適當性及濾波器的參數如何設計，以便所抽取的特徵點向量在前述p H , a H 及t H 的轉換下不致全部被破壞掉，再用這些對應像點估算 Fundamental matrix 及相機的等效投影矩陣，並求三維幾何結構。最後，再利用已知點做座標轉換，求得歐氏座標下相機投射矩陣及三維幾何結構，與參考值比較，觀察估測的準確度。若能拍攝到足夠張的影像及獲得足夠的對應點數，用對應點的data matrix 做matrix factorization，求取相機投射矩陣及三維幾何結構，以觀察估測的準確度是否可提高？我們將做電腦模擬，以印證本計劃所發展的理論及瞭解其的實用性。
多張透視投影影像間強健式點特徵抽取與快速特徵比對技術
(2006)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程學系(所)
多張透視投影影像間強健式特徵點抽取與快速特徵比對技術 (Robust Point Feature Point Extraction and High-Efficiency Point Matching for Multiple Perspective View Registering) 關鍵詞: 強健式特徵點,賈伯濾波技術,快速特徵比對,仿射重複程序,兩個初始對應點,影像疊合運算效率,雜訊的敏感度,遮蔽或局部比對,離線規劃策略。電腦視覺中進行物體姿態估測(object pose determination)、運動追蹤(motion tracking)、相機參數估測(camera parameter estimation)、物體辨認(object recognition) 、三維物體重建 (perspective reconstruction)等多種應用，不管是用 stereo view，或multiple views，或view sequence 通常都需要先抽取有鑑別力的特徵點(feature points)作處理的依據，並且這些特徵點之間要做對應的比對，才能進行後續處理。這些特徵點之間的比對，由於有些特徵點會因拍攝時受影像轉換破壞或被遮掩而消失掉，故一般在兩張影像中尋找對應點並不是件容易的事。最常見的方法是用correlation 方法，配上ordering constraint，以及epipolar constraint 等條件協助，再用dynamic programming 技巧來做最佳的比對。但若相機拍攝時移動過大，則不適合在兩張影像上直接用correlation 做比對。影像之2D 與3D 特徵點之間透視投影關係可用affine linear transformation 做逼近。另外，當相機離物體的距離若比物體尺寸大得多，則物體可以平面視之，物體不同影像之間的點會存在linear transformation (homography)關係。因此，不同影像之間的點局部性或整體性存在上述linear transformation 關係。在此情況之下，特徵點群會存在view consistency 的對應，故我們不希望一點一點地用epipolar line 及correlation window 去找點對應，而是整群地找。先用少數強健性的特徵點做初步的點對應組合，可以循環式(iterative)去找出更多點對應，去作更徹底的檢查。
多張透視投影影像間強健式點特徵抽取與快速特徵比對技術
(2007)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程學系(所)
多張透視投影影像間強健式特徵點抽取與快速特徵比對技術 (Robust Point Feature Point Extraction and High-Efficiency Point Matching for Multiple Perspective View Registering) 關鍵詞: 強健式特徵點,賈伯濾波技術,快速特徵比對,仿射重複程序,兩個初始對應點,影像疊合運算效率,雜訊的敏感度,遮蔽或局部比對,離線規劃策略。電腦視覺中進行物體姿態估測(object pose determination)、運動追蹤(motion tracking)、相機參數估測(camera parameter estimation)、物體辨認(object recognition) 、三維物體重建 (perspective reconstruction)等多種應用，不管是用 stereo view，或multiple views，或view sequence 通常都需要先抽取有鑑別力的特徵點(feature points)作處理的依據，並且這些特徵點之間要做對應的比對，才能進行後續處理。這些特徵點之間的比對，由於有些特徵點會因拍攝時受影像轉換破壞或被遮掩而消失掉，故一般在兩張影像中尋找對應點並不是件容易的事。最常見的方法是用correlation 方法，配上ordering constraint，以及epipolar constraint 等條件協助，再用dynamic programming 技巧來做最佳的比對。但若相機拍攝時移動過大，則不適合在兩張影像上直接用correlation 做比對。影像之2D 與3D 特徵點之間透視投影關係可用affine linear transformation 做逼近。另外，當相機離物體的距離若比物體尺寸大得多，則物體可以平面視之，物體不同影像之間的點會存在linear transformation (homography)關係。因此，不同影像之間的點局部性或整體性存在上述linear transformation 關係。在此情況之下，特徵點群會存在view consistency 的對應，故我們不希望一點一點地用epipolar line 及correlation window 去找點對應，而是整群地找。先用少數強健性的特徵點做初步的點對應組合，可以循環式(iterative)去找出更多點對應，去作更徹底的檢查。
多視圖之三維景物重建視覺法
(2010)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程學系（所）
本研究計畫預計在二年期間內發展一系列的電腦視覺技術，來研發透過多張影像來進行場景的三維稠密式幾何重建，而這些輸入影像可能是利用許多佈置於景物上方圓頂形架上之眾多相機所拍攝，或是利用單一相機於場景中移動所拍攝。此外這些影像或視圖可以是已校正過或是未校正過。第一年的研究計畫將利用單一相機來拍攝，並進行多視圖稠密式戶外場景的重建。在此假設相機的內部參數是已知且在拍攝時固定不變。然而因為相機的外部參數是未知的，因此需要對外部參數進行估算。在估算之前，必須先得到足夠數量的可靠對應點。經由我們對於具有仿射不變性所擷取的特徵點中，可以得到一些唯一對應的特徵點。至於若需要其他更多的點對應，可以針對已得的唯一對應特徵點找最近的特徵點用。利用這些特徵點可用多視圖矩陣分解法得到相機的外部參數與特徵點的三維座標。為了排除可能在上述相機參數估測時發生只找到的區域性的最小值，將再利用模擬退火法搭配直交實驗設計法，以前述方法的解當做初始解來進行統計搜尋，藉以得到全域的參數估測最佳解。此時就能使用得到的可靠相機間極線幾何關係，解決戶外人工場景中大量的重覆性圖樣間的可能錯誤匹配。最後則如同第一年計畫進行稠密式的物體幾何模型重建。第二年提出的計畫則為利用未校正影像進行多視圖三維重建。以今日之手持數位攝影機進行變焦拍攝十分普遍，取得的影像就是未校正過。我們嘗試分析相機內部參數無變動與有變動兩種影像對重建工作精準度之影響。兩種影像都先用多視圖矩陣分解法求得投射空間的三維場景模型，再試圖用兩種可能方法將三維模型由投射空間轉換至歐基理德空間。其中一種是利用場景知識如三組以上的明顯互相垂直線條組合資訊來做，另一種是用自動校正技術來做。此外我們也要研究解決在三維重建過程中會遇到的影像雜訊、遺失點與外來點等問題，以進而提昇三維重建模型的精準度。
多視圖之三維景物重建視覺法
(2011)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程學系（所）
本研究計畫預計在二年期間內發展一系列的電腦視覺技術，來研發透過多張影像來進行場景的三維稠密式幾何重建，而這些輸入影像可能是利用許多佈置於景物上方圓頂形架上之眾多相機所拍攝，或是利用單一相機於場景中移動所拍攝。此外這些影像或視圖可以是已校正過或是未校正過。第一年的研究計畫將利用單一相機來拍攝，並進行多視圖稠密式戶外場景的重建。在此假設相機的內部參數是已知且在拍攝時固定不變。然而因為相機的外部參數是未知的，因此需要對外部參數進行估算。在估算之前，必須先得到足夠數量的可靠對應點。經由我們對於具有仿射不變性所擷取的特徵點中，可以得到一些唯一對應的特徵點。至於若需要其他更多的點對應，可以針對已得的唯一對應特徵點找最近的特徵點用。利用這些特徵點可用多視圖矩陣分解法得到相機的外部參數與特徵點的三維座標。為了排除可能在上述相機參數估測時發生只找到的區域性的最小值，將再利用模擬退火法搭配直交實驗設計法，以前述方法的解當做初始解來進行統計搜尋，藉以得到全域的參數估測最佳解。此時就能使用得到的可靠相機間極線幾何關係，解決戶外人工場景中大量的重覆性圖樣間的可能錯誤匹配。最後則如同第一年計畫進行稠密式的物體幾何模型重建。第二年提出的計畫則為利用未校正影像進行多視圖三維重建。以今日之手持數位攝影機進行變焦拍攝十分普遍，取得的影像就是未校正過。我們嘗試分析相機內部參數無變動與有變動兩種影像對重建工作精準度之影響。兩種影像都先用多視圖矩陣分解法求得投射空間的三維場景模型，再試圖用兩種可能方法將三維模型由投射空間轉換至歐基理德空間。其中一種是利用場景知識如三組以上的明顯互相垂直線條組合資訊來做，另一種是用自動校正技術來做。此外我們也要研究解決在三維重建過程中會遇到的影像雜訊、遺失點與外來點等問題，以進而提昇三維重建模型的精準度。
建構3D場景的視覺技巧以供導航模擬用
(1998)
陳稔
;
CHEN ZEN
;
交通大學資訊工程研究所
影像關聯性比對演算法則之精度提昇研究
(2002)
陳稔
;
CHEN ZEN
;
交通大學資訊工程研究所
文件分析和文字識別系統之研究---子計畫I：文件之表格、圖形標誌與手寫中文字的處理與分析(III)
(1996)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程學系
文件分析與文字識別系統之研究---子計畫一：普通手寫中文字之辨認(II)
(1995)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程研究所
本期計畫將針對前期計畫所獲得之成果繼續發展,並同時規劃本成果未來在公文表格之處理應用,做表格與文字分離,以及對各式表格預做分類與資料庫之建立.今將各項內容分述如下:(1)在前期計畫中我們已發展出一套利用手寫文字中穩定的次結構做大分類及一套知識導引的部首辨認法則完成文字細分類.本期擬引進次結構間之空間關係及聚集之散筆之可能結構,以增進文字大分類及細分類之分辨效率; (2)在以前計畫中我們發展了一套手寫中文字之筆劃排序方法,我們擬利用這一維的排序資訊發展另一套文字的粗與細分類法則,並分析其效率;(3)我們針對未來之應用,擬對公文或一般表格,發展一種表格欄位的有效描述方法,可做表格之分類,進而建立表格之資料庫.如此一來, 以後公文或表格之電子傳遞,可只傳表格代號及表格中欄位文字的文字碼,以提昇表格處理效率.
文件分析與文字辨識系統之研究---子計畫二：普通手寫中文字之辨認(I)
(1994)
陳稔
;
CHEN ZEN
;
國立交通大學資訊工程研究所
本計畫包括五大部分:(1)影像處理部分:以實際文字影像資料輸入,經Smoothing, Thinning等動作, 並處理Hairy等問題後,得到骨架(Skeleton);(2)子字形分析與分析以及文字構型產生描述:將文字中的子字形加以分析,獲得其結構描述,其中包含文字中子字形的形狀與子字形間的空間關係 ;(3)產生部首庫及辨識部首:由給定字集的各子字形整理出適當的部首庫,以此辨認部首.此外亦已發展了一套知識導引式的部首辨認法則,可自文字中認出其中包含的部首;(4)建立文字知識庫:使系統具有辨識變形文字之能力,包含雜訊□缺筆□多筆等知識;(5)辨識文字:由文字描述或文字中已抽取出的部首辨認該文字,辨認過程中使用到文字知識庫,以處理變形問題. 目前的研究成果已完成了第2和第3部分.現在擬將第1□第4及第5部分加入,以完成整個文字識別系統的整合.
用於崁入虛擬物體於影像序列中的擴充實境技術
(2000)
陳稔
;
CHEN ZEN
;
交通大學資訊工程系