디자인 과정과 실제 공간을 사용함에 있어 공간감을 이해하는 것이 매우 중요한 역할을 하는데, 동일한 공간이라도 어떻게 디자인하느냐에 따라 공간의 깊이감에 대한 지각이 달라질 수 있다. 공간의 3차원적인 속성인 넓이, 깊이, 높이 중 넓이와 높이감에 대한 이론과 연구들에 비해 깊이감에 대한 이론이나 연구는 상대적으로 적은데 이는 넓이 나 높이에 비해 공간의 깊이감이 초래하는 효과에 대한 관심이 부족했던 원인으로 보인다. 본 연구는 Computer Graphic으로 제작한 실내공간을 대상으로 시선추적장치를 이용하여 깊이감에 대한 지각과정을 이해하고자 하였다. 44명의 실내디자인 전공 학생들이 실험에 참가하여 마주보이는 벽면에 깊이감을 자극하는 구성요소를 달리한 3개의 이미지를 보며 가장 깊어보이는 공간을 탐색하였다. 그 결과 3개의 이미지간에 주시시간의 차이가 나타났고, 가장 깊어 보이는 공간에 대한 응답에 따라서도 주의집중에 통계적으로 유의미한 차이가 발견되었다. 본 연구는 깊이감에 영향을 끼치는 요인과 기존 정설에 대한 정량적인 타당성을 제시하고, 이상적인 공간의 깊이감을 얻을 수 있는 디자인 방법 개발 등에 도움이 될 것으로 본다.

본 논문에서는 컬러정보와 깊이정보를 사용하여 얼굴을 검출하고 추적한 후 항해사의 졸음을 탐지하는 방법을 제안한다. 이 방법은 얼굴검출 과정과 얼굴추적 과정으로 구성된다. 얼굴검출 과정에서는 기존의 방법 중 가장 좋은 성능을 보이는 Adaboost 알고리즘을 사용하며, Adaboost로 입력되는 영상의 영역을 사람이 존재하는 영역으로만 제한하여 얼굴을 검출한다. 얼굴검출 과정에서 얼굴이 검출되면 그것을 템플릿으로 하여 얼굴추적 과정이 수행된다. 제안한 방법의 성능을 평가하기 위하여 실험영상을 이용하여 실험을 수행하였다. 실험결과 제안한 졸음탐지 방법은 기존의 방법에 비해 약 23 %의 수행시간을 보였으며, 또한 졸음탐지 방법은 추적시간과 추적 정확도에 있어서 상보적인 관계를 가지며, 특별한 경우를 제외한 모든 경우에서 약 1 %의 낮은 추적오차율을 보였다.

Multi-view system is one of the auto-stereoscopic displays that allows users to watch 3D images without wearing special glasses. Generating contents for the multi-view display system is often accomplished using Depth-image-based rendering (DIBR) intermediate view generation. DIBR-based intermediate view generation method reconstructs a 3D scene with a color image and depth map information. Then, a virtual camera is put in various view positions to capture intermediate view images. In this research, we tried to improve the quality of the DIBR-based intermediate views by applying non-uniform quantization method for depth map information. This paper describes the intermediate view generation process using DIBR. Then, it discusses the evaluation of multi-view intermediate images generated using uniform and non-uniform depth quantization methods. Finally, the paper describes the future direction and how the muti-view systems can be utilized in computer games.

We generated a high resolution 3D object using a commercial DSLR camera and the low depth information of Kinect. High resolution depth map was obtained through camera calibration between the DSLR and Kinect sensor. 3D mesh model was created by the high resolution depth information and mapped with RGB color value. The experimental result showed that it is possible to create high resolution 3D object from the depth camera. This paper is expected to be applied to reality game graphic.

본 논문에서는 깊이정보를 결합하여 움직임 물체의 경계를 정확히 추출하는 방법을 제안한다. 기 존의 방법들이 연속된 영상의 밝기값의 변화 유무만을 이용하여 움직임 물체를 추출하였기 때문에 물체 의 분할결과가 부정확한 문제점이 있었다. 이러한 문제점을 해결하기 위하여 제안된 방법은 물체의 깊이 정보를 결합하여 물체의 분할결과를 보정한다. 먼저 차영상에 기반한 움직임 물체 추출 방법을 이용하여 움직임 물체를 추출한다. 다음으로 깊이정보를 이용하여 분할결과를 보정하였다. 분할결과 보정시, 분수령알고리즘을 적용하여 물체와 배경으로 구분하였다. 실험결과에서 주어진 것처럼 깊이정보를 결합한 움직임 물체추출이 정확한 움직임 물체의 경계를 나타낼 수 있었다.

For the underwater localization, acoustic sensor systems are widely used due to greater penetration properties of acoustic signals in underwater environments. On the other hand, the good penetration property causes multipath and interference effects in structured environment too. To overcome this demerit, a localization method using the attenuation of electro-magnetic(EM) waves was proposed in several literatures, in which distance estimation and 2D-localization experiments show remarkable results. However, in 3D-localization application, the estimation difficulties increase due to the nonuniform (doughnut like) radiation pattern of an omni-directional antenna related to the depth direction. For solving this problem, we added a depth sensor for improving underwater 3D-localization with the EM wave method. A micro scale pressure sensor is located in the mobile node antenna, and the depth data from the pressure sensor is calibrated by the curve fitting algorithm. We adapted the depth(z) data to 3D EM wave pattern model for the error reduction of the localization. Finally, some experiments were executed for 3D localization with the fast calculation and less errors.

This paper describes a new method for indoor environment mapping and localization with stereo camera. For environmental modeling, we directly use the depth and color information in image pixels as visual features. Furthermore, only the depth and color information at horizontal centerline in image is used, where optical axis passes through. The usefulness of this method is that we can easily build a measure between modeling and sensing data only on the horizontal centerline. That is because vertical working volume between model and sensing data can be changed according to robot motion. Therefore, we can build a map about indoor environment as compact and efficient representation. Also, based on such nodes and sensing data, we suggest a method for estimating mobile robot positioning with random sampling stochastic algorithm. With basic real experiments, we show that the proposed method can be an effective visual navigation algorithm.