본 연구는 3차원 영상을 이용하여 원예산물의 크기와 플러그묘의 평균초장을 결정하고자 수행되었다. 3차원 영 상을 획득하고자 ToF 카메라와 스테레오비전 카메라를 사용하였다. 본 연구의 3차원 영상 획득용 실험 재료로서 수박, 사과, 배, 단호박, 오렌지의 원예산물과 수박, 토마토 및 고추 플러그묘를 사용하였다. 플러그묘의 평균 초장을 결정하는 지표로서 기존의 측정 기준 대신에 수정초장이 제시되었다. 스테레오비전 영상에 비해서 ToF 영상을 이용한 경우에 원예산물의 크기와 플러그묘의 평균초장 오차가 작게 나타났다. 꼭지가 있는 원예산물을 제외할 경우 ToF 영상을 이용한 원예산물의 둘레와 높이의 오차는 각각 0.0-3.0%, 0.0-4.7%로 나타났다. 또한, 플러그묘의 평균 초장에 대한 오차는 0.0-5.5%로 나타났다. 본 연구를 통해 서 3차원 영상을 이용한 원예산물의 크기와 플러그묘에 대한 초장 추정의 가능성을 확인하였다. 더구나, 본 연구에서 시도된 방법은 3차원 영상으로부터 물체와 배경의 효과적인 분리, 이상치의 제거 등에 활용될 것이다.

일반적으로 물리 교육에서 실험 활동을 통해 학습자들은 일상생활 중 경험과 밀접하게 연관된 힘과 운동 분야의 개념을 보다 확실하게 이해할 수 있다. 하지만 현재의 교육 실정에서는 실험 수행시간 부족 등의 열악한 환경으로 충 분한 실험 활동을 하지 못하고 있다. 본 논문에서는 3D 가상공간에서 모션센서 컨트롤러를 이용하여 실제와 같은 물 체의 움직임을 통해 속도, 힘의 크기, 방향등의 물리 교육에서의 기초 동역학 개념을 보다 쉽게 이해할 수 있는 교육 용 게임 시스템을 제안한다. 제안된 시스템은 학습자에게 그들 스스로 다양한 학습 활동을 시뮬레이션할 수 있는 기 능을 제공한다.

This paper describes an algorithm that improves 3D reconstruction result using a multi-sensor fusion disparity map. We can project LRF (Laser Range Finder) 3D points onto image pixel coordinates using extrinsic calibration matrixes of a camera-LRF ( ) and a camera calibration matrix ( ). The LRF disparity map can be generated by interpolating projected LRF points. In the stereo reconstruction, we can compensate invalid points caused by repeated pattern and textureless region using the LRF disparity map. The result disparity map of compensation process is the multi-sensor fusion disparity map. We can refine the multi-sensor 3D reconstruction based on stereo vision and LRF using the multi-sensor fusion disparity map. The refinement algorithm of multi-sensor based 3D reconstruction is specified in four subsections dealing with virtual LRF stereo image generation, LRF disparity map generation, multi-sensor fusion disparity map generation, and 3D reconstruction process. It has been tested by synchronized stereo image pair and LRF 3D scan data.