동일 3D공간상의 rigid변환을 이용한 자동 위치 복원(Automatic position recovery using rigid transform on same 3D space)

3D marker를 이용하여, 3차원 구조를 생성해 낼수 있다면, 두 물체간의 거리, 위치관계등 다양한 것들을 검증해 해볼수 있을 것이다. 하지만 세월이 지나 이전에 생성했던 3차원 구조와 현재의 환경이 달라졌을 경우, 만약 움직이지 않은 기준 물체가 한가지라도 존재한다면, 과거 구조와 현재 구조를 합쳐 3차원으로 재구조화 할수 있다. 이 프로그램은 그 기능을 계산해주는 툴이다.

If you can create a 3D structure using a 3D marker, you can verify various things such as the distance between two objects and the positional relationship. However, if the three-dimensional structure created before and the current environment are different over time, if there is even one non-moving reference object, the three-dimensional structure can be restructured by combining the past structure and the present structure. This program is a tool that calculates its functions. We use a rigid transform to compute it.

개발이유

2020년도 초반에 차량안의 DSM(Driver status monitoring)개발하고 있는 제품의 Head position accuracy를 검증하는 장비를 개발하였다. DSM 제품은 이 차량안에 사람의 얼굴을 모니터링하여, 졸음운전을 하는지, 전방을 주시하지 않는지 등의 알림을 주는 기능이다. 검증 장비를 개발시에 디지털 카메라를 사용한 3D 측정장비(AICON의 DPA)를 이용하여, 3차원 모델의 위치를 추출할 수 있었다. 주로 제품의 위치와 마네킹의 12 위치에 대한 Ground Truth를 계산해내기 위해, 하나하나 계산을 하였고, 그 과정에서 여러가지 휴먼 계산 오류로 인한 정확도 감소와 다양한 제품의 검토등에 많은 시간이 투입되어, 이를 줄이고자 rigid변환을 이용한 자동위치 복원 기능을 구현해 보았다.

In early 2020, we developed a device that verifies the head position accuracy of DSM (Driver Status Monitoring) in vehicles. The DSM product is a function that monitors the face of a person in the vehicle and gives a notification such as whether the driver is drowsy or not looking ahead. When developing the verification equipment, it was possible to extract the position of the 3D model using 3D measuring equipment (AICON의 DPA) using a digital camera. In order to calculate the ground truth about the product position and the 12 positions of the mannequin, calculations were made one by one. Implemented automatic position restoration function using rigid transformation.

목적

여러 장면으로 이루어진 물체의 위치를 통합시켜 자동 생성하는 툴인 GT(Ground Truth)를 만들고 얼굴위치 인식 알고리즘 검증에 사용하려는 목적 (The purpose of creating GT (Ground Truth), a tool that automatically creates by integrating the positions of objects made up of several scenes, and using it to verify the facial position recognition algorithm)
자동화 (Automation)
수학적 지식 불필요 (No mathematical knowledge required)
복잡한 계산 불필요 (No complicated calculations required)
계산시 오류 제거 (Eliminate errors in calculations)
전처리&계산시간 단축 (Reduction of pre-processing & calculation time)

내용설명

여러 장면에 중복되는 기준이 되는 기준점이 존재한다고 가정한다. 기준점1(테이블), 기준점2(노란컵) 이 기준점들을 기반으로 하나의 3차원 공간을 만들수 있다. (차집합들의 합) 이들의 위치관계를 자동으로 복원시켜주는 기능을 이용하여 부분적으로 존재하는 카메라와 사람간의 거리 정보 좌표를 복원하여 3차원 GT(GroundTruth)를 구해볼 수 있음

필요 데이터

아래와 같은 데이터 입력이 필요함. 아래의 데이터를 통해 PATTERN 좌표와 EYE간의 3차원 공간을 만들고, 그 거리를 추출해낼수 있음

   403589_DISP,    1006,"DISP_P1",    94.1548,  -136.3431,  -117.7738
   403589_DISP,    1003,"DISP_P2",   100.1195,  -141.4383,  -464.7347
   403589_DISP,    1008,"DISP_P3",    -4.8633,  -209.6786,  -464.4936
   403589_DISP,    1010,"DISP_P4",   -12.0288,  -209.4645,  -281.5658
   403589_DISP,    1013,"DISP_P5",   -10.4274,  -204.4850,  -119.0935
   403589_DISP,    1005,"PATTERN_P1",    74.1477,  -148.8633,  -156.4257
   403589_DISP,    1004,"PATTERN_P2",    78.1896,  -153.0675,  -426.6260
   403589_DISP,    1009,"PATTERN_P3",     4.4950,  -201.0521,  -426.9864
   403589_DISP,    1011,"PATTERN_P4",     0.4278,  -196.8570,  -156.7813
   403589_DISP,    1007,"PATTERN_P5",    39.3048,  -174.8807,  -291.7078
   770_MANE_ABS2_403589,    1059,"EYE_L",   479.4774, -1096.2672,   505.8886
   770_MANE_ABS2_403589,    1055,"EYE_R",   497.3375, -1097.3506,   562.5359
   770_MANE_ABS2_403589,    1026,"MANE_P1",   400.4670, -1144.7768,   683.2921
   770_MANE_ABS2_403589,    1013,"MANE_P2",   330.2323, -1142.8242,   457.1621
   770_MANE_ABS2_403589,    1014,"MANE_P3",   194.9668, -1145.1624,   499.9952
   770_MANE_ABS2_403589,    1028,"MANE_P4",   214.4585, -1206.3375,   619.2865
   770_MANE_ABS2_403589,    1025,"MANE_P5",   268.6216, -1147.1164,   725.2041
   403589_550_N,    1009,"DISP_P1",   237.6775,  -311.2039,  -388.1464
   403589_550_N,    1017,"DISP_P2",   465.7575,  -308.9572,  -649.6110
   403589_550_N,    1019,"DISP_P3",   370.7342,  -307.0648,  -731.1023
   403589_550_N,    1023,"DISP_P4",   246.9093,  -308.1309,  -596.3134
   403589_550_N,    1025,"DISP_P5",   143.9568,  -309.2506,  -470.5816
   403589_550_N,    1022,"MANE_P2",   349.9752,  -903.3901,  -519.6430
   403589_550_N,    1015,"MANE_P3",   242.8371,  -903.0786,  -612.6906
   403589_550_N,    1014,"MANE_P4",   150.3462,  -963.7766,  -534.5120

위 데이터를 추출하기위해 우리는 AICON의 3D 측정장비(AICON의 DPA) 장비를 사용하였음

자동복원 Example 01

input

result

툴 사용법(Tool usage)

Background - Rigid Transform 설명

3차원 공간에서 동일한 크기의 물체가 이동했다고 가정하면, 그 물체의 전과 후의 이동과 회전값의 최적의 값을 찾을수 있다. 만약 전, 후의 장면에서 물체를 구성하는 점들의 좌표가 누락된 경우도 동일한 방법으로 복원이 가능하지만, 점들이 전, 후 물체의 동일한 위치에 존재하는 점이 최소 3점 이상이여야 계산이 가능하다. 계산은 매우 간단하다. 전과 후의 물체의 좌표 묶음을 행렬로 A,B로 표현하면 아래와 같은 식이 만들어지고, 여기서 A값에 R과 T를 계산하면 B의 값을 만들수 있는 R,T의 최적값을 찾아내는 방법이다.

위와 같이 계산을 하기위해서는 우선 A, B의 mean값을 구하여,모두 원점으로 이동시킨다. 그뒤에 A와 B의 각도 R값을 구하고(SVD사용), R을 구했기에 A와 내적을 구해, T를 찾아내는 방식으로 값을 구할수 있다.

참고문헌

http://nghiaho.com/?page_id=671
https://en.wikipedia.org/wiki/Kabsch_algorithm
“Least-Squares Fitting of Two 3-D Point Sets”, Arun, K. S. and Huang, T. S. and Blostein, S. D, IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 9 Issue 5, May 1987

yeolip/auto_position_recovery