이미지 기반의 증강현실 시스템에서 저작된 가상의 객체를 실영상에 이질감 없이 정확한 위치에 증강하기 위해서는 실영상에서 표시될 가상객체의 정확한 방향과 위치에 대한 추정이 중요하며, 본 논문에서는 이를 위한 방법으로 저작 시 사용된 대상(Target)에 대한 이미지와 카메라로부터 들어오는 실영상 이미지 사이의 평면 호모그래피를 이용하여 카메라 자세를 추정하기 위해 RANSAC 알고리즘을 사용하였다. 그러나 RANSAC 알고리즘의 랜덤 샘플링 과정에서 선택되는 특징점들이 선형을 이루거나 특정영역에 군집을 이루는 경우 정확한 호모그래피를 추정할 수 없고, 이러한 샘플들로 인해 불필요한 호모그래피 추정 및 평가과정을 수행함으로서 RANSAC 알고리즘의 효율성이 저하되는 문제가 존재한다. 따라서 본 논문에서는 RANSAC 알고리즘의 랜덤 샘플링으로 인해 발생하는 특징점들의 분포가 선형, 특정영역에 군집을 이루어 발생하는 문제를 해결하기 위해서 CSP기반의 RANSAC 알고리즘을 제안한다. 제안하는 CSP 기반의 RANSAC 알고리즘의 성능평가를 위해서 랜덤 샘플링, 삼각형의 넓이를 이용한 샘플링을 수행하는 RANSAC 알고리즘과 제안하는 알고리즘을 통해 추정된 호모그래피를 비교 평가하여 평균적으로 11% 향상된 정확도를 보이는 것으로 확인되었다.
In this paper, we have proposed a new solution for camera pose estimation in image-based augmented reality system. Estimating the correct pose of virtual objects on the camera view efficiently and effectively is one of the most important issues in image tracking. Traditionally in computer vision, camera pose can be estimated by homography. The RANSAC algorithm has been widely used for computing the homography. However, the performance of RANSAC algorithm can be degraded in randomly selecting feature sampling. This kind of disadvantage of RANSAC will be highlighted especially if the sampled features location are linear and too close to be recognized as an another feature vector. If this is happened in the selection process of RANSAC, accurate homography estimation cannot be performed. To overcome these kinds of disadvantages, we have proposed a novel CSP-driven RANSAC algorithm. The experimentation shows that our CSP-driven RANSAC algorithm performed better than the conventional RANSAC algorithm in the two planar image homography in term of accuracy.
