Performance Optimization of LLAH for Tracking Random Dots under Gaussian Noise
Hanhoon Park · Journal of Broadcast Engineering · 2015
일반적인 텍스처 기반의 특징 기술 알고리즘과 달리 LLAH 알고리즘은 이웃 특징 사이의 기하 관계에 기반하여 특징을 기술하기 때문에, 텍스처가 부족한 장면이나 카메라 포즈 변화가 큰 경우에 대해서도 특징을 기술 및 추적할 수 있으며, 이를 활용한 증강현실 구현이 가능하다. 본 논문에서는 가우시안 잡음을 가지는 랜덤 점(= 특징) 추적을 위한 LLAH 알고리즘의 성능을 최적화한다. 이를 위해 서로 다른 특징 수와 가우시안 잡음 크기를 가지는 영상에 대해 이웃 특징 수, 기하 불변자의 종류, 특징 사이의 거리에 따른 LLAH 알고리즘의 성능 변화를 분석하여 최적 조건을 결정한다. 결과적으로, 각 특징이 80% 이상의 매칭률을 가지고, 실시간으로 매칭 및 추적이 가능함을 확인하였다. Unlike general texture-based feature description algorithms, Locally Likely Arrangement Hashing (LLAH) algorithm describes a feature based on the geometric relationship between its neighbors. Thus, even in poor-textured scenes or large camera pose changes, it can successfully describe and track features and enables to implement augmented reality. This paper aims to optimize the performance of LLAH algorithm for tracking random dots (= features) with Gaussian noise. For this purpose, images with different number of features and magnitude of Gaussian noise are prepared. Then, the performance of LLAH algorithm according to the conditions: the number of neighbors, the type of geometric invariants, and the distance between features, is analyzed, and the optimal conditions are determined. With the optimal conditions, each feature could be matched and tracked in real-time with a matching rate of more than 80%.