카메라의 시선 방향에 따라 다른 영상을 생성하는 3차원 물체를 2차원 영상만으로 인식하는 것은 어려운 일이다. 특히 영상 생성 시 강한 투영변환(perspective transformation) 이 발생할 경우 투영된 물체의 이미지에 대한 국소 특징을 정의하는 SIFT(Scale-Invariant Feature Transform) 알고리즘은 물체 인식에 한계가 있다. 본 논문에서는 3차원 물체를 하나의 특정 축을 중심으로 회전시키면서 얻은 복수의 영상을 학습 데이터로 활용한 물체인식 방법을 제안한다. 이 방법을 이용하여 복수 영상의 특징 점들을 하나의 특징 공간으로 합성하고 영상들 간의 기하학적인 관계를 이용하여 중복된 영역을 제거한 모델을 생성하면 임의의 3차원 회전이 적용된 물체를 인식할 수 있다. 실험에서는 알고리즘의 유용성을 먼저 확인하기 위해 조명조건과 카메라의 위치를 일정하게 유지하였다. 이 방법에 의해 SIFT 알고리즘만으로 인식이 힘들었던 3차원 물체의 다양한 외관(appearance) 인식이 가능하게 되었다.
3D object recognition using only 2D images is a difficult work because each images are generated different to according to the view direction of cameras. Because SIFT algorithm defines the local features of the projected images, recognition result is particularly limited in case of input images with strong perspective transformation. In this paper, we propose the object recognition method that improves SIFT algorithm by using several sequential images captured from rotating 3D object around a rotation axis. We use the geometric relationship between adjacent images and merge several images into a generated feature space during recognizing object. To clarify effectiveness of the proposed algorithm, we keep constantly the camera position and illumination conditions. This method can recognize the appearance of 3D objects that previous approach can not recognize with usually SIFT algorithm.
