이 논문은 BRIEF라는 이진 descriptor를 소개한다. Hamming distance를 통해 descriptor간 거리를 구해 SIFT에서 쓰이는 L2-norm 보다 계산 효율성이 좋다. BRIEF는 만드는것과 매칭이 모두 빠르다. SURF, U-SURF와 성능
Abstract 1. Introduction 1.1 Previous work 2. High-speed corner detection 2.1 FAST:Features from Accelerated Segment Test 2.2 Machine learning a
세상을 3D로 인식하기 위해서는 엣지 필터링이 굉장히 중요하다. 코너와 엣지를 검출하는데 local-auto-correlation이라는 기술을 사용하고 괜찮은 성능을 보인다. 최근(1988 당시) 컴퓨터비전의 주된 과제는 3D 세상에 대한 인식이다. 단안카메라를 통한
feature matching은 연산량이 많다는 문제점들을 가져왔다. 본 논문에서는 ORB라는 BRIEF 기반 이진 descriptor를 사용하여 회전과 노이즈에 강인한 feature matching 기법을 제안한다. SIFT보다 빠르고 성능은 비슷하다.SIFT 방식은
VSLAM은 다른 센서와의 융합성이 좋고 비용이 적다는 측면에서 매우 매력적인 기술이다.본 논문에서는 traditional VSLAM과 발전과정, sementic VSLAM을 소개한다. 전통적인 SLAM의 방법인 direct&indirect 기법의 장단점을 소개하고 C