CNN을 이용한 실내가구 인테리어배치 AR알고리즘 모델링에 대한 연구
A Study on AR Algorithm Modeling for Indoor Furniture Interior Arrangement Using CNN
2
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문에서는 증강현실 기술을 적용하여 실내 가구 인테리어를 배치하는데 작업의 효율성을 높일수 있는 모델을 연구하였다. 현재 증강현실을 적용한 기존 시스템에서는 가구의 이미지를 출력할 때기업 제품의 규모와 성격 등에 따라 정보가 제한적으로 제공되는 문제가 있다. 이러한 문제점을 해결하기위해 본 논문에서는 AR 레이블링 알고리즘을 제시하였다. AR 레이블링 알고리즘은 촬영된 이미지에서특징점을 추출하고 실내 위치 정보를 포함한 데이터베이스를 구축하였다. CNN 기법을 활용하여 실내공간에서 가구의 위치 데이터를 검출해 학습시키는 방법을 채택하였다. 학습한 결과를 통해 실내 위치와학습시켜 나타낸 위치와의 오차를 현저히 낮출 수 있다는 것을 확인한다. 또한 가구의 정확한 이미지추출과 함께 가구에 대한 상세한 정보를 받아 사용자가 원하는 가구들을 증강현실을 통해 쉽게 배치할수 있도록 하는 연구를 진행하였다. 연구 결과 모델의 정확도와 손실률이 99%, 0.026으로 나타나 신뢰성을확보하여 본 연구가 유의미함을 알 수 있었다. 본 연구 결과는 AR 레이블의 설계, 구현을 통해 원하는가구들을 실내에 정확히 배치하여 소비자의 만족도와 구매 욕구를 충족시킬 수 있을 것으로 기대된다.
Abstract
In this paper, a model that can increase the efficiency of work in arranging interior furniture by applying augmented reality technology was studied. In the existing system to which augmented reality is currently applied, there is a problem in that information is limitedly provided depending on the size and nature of the company's product when outputting the image of furniture. To solve this problem, this paper presents an AR labeling algorithm. The AR labeling algorithm extracts feature points from the captured images and builds a database including indoor location information. A method of detecting and learning the location data of furniture in an indoor space was adopted using the CNN technique. Through the learned result, it is confirmed that the error between the indoor location and the location shown by learning can be significantly reduced. In addition, a study was conducted to allow users to easily place desired furniture through augmented reality by receiving detailed information about furniture along with accurate image extraction of furniture. As a result of the study, the accuracy and loss rate of the model were found to be 99% and 0.026, indicating the significance of this study by securing reliability. The results of this study are expected to satisfy consumers' satisfaction and purchase desires by accurately arranging desired furniture indoors through the design and implementation of AR labels.
참고문헌 (16)
- 오암석, "사물인터넷 서비스 플랫폼 기반 스마트 홈 리모컨의 설계 및 구현", 한국정보통신학회논문지, 22(12), pp.1563~1570 (2018), 한국정보통신학회[DOI]
- Rashevska, N. V, "Augmented reality and the prospects for applying its in the training of future engineers", ~ (2018)
- J. Lee, "Marker Evaluation Method Based on SIFT Descriptor for Effective Augmented Reality System Implementation", 석사, pp.2019
- 구다솜, "3D 스캐너와 3D 프린터를 활용한 손목보호대 개발", 한국의류산업학회지, 19(3), pp.312~319 (2017), 한국의류산업학회[DOI]
- Aboma, W. G, "Influence of 3D Printing FDM Process Parameters on Tensile Property of ULTEM 9085", Procedia Manufacturing, 30, pp.331~338 (2019)
- 고영준, "레이저 구조광 영상기반 3차원 스캐너 개발", 제어.로봇.시스템학회 논문지, 22(3), pp.186~191 (2016), 제어·로봇·시스템학회[DOI]
- 장민, "LSU를 이용한 SLA 방식의 3D프린터 설계 및 스캐닝 기구부 동작 테스트", 한국정보통신학회논문지, 21(6), pp.1225~1230 (2017), 한국정보통신학회[DOI]
- S. Bernhardt, "The status of augmented reality in laparoscopic surgery as of 2016", Med Image Anal, 37, pp.66~90 (2017)
- Kattenborn, Teja, "Review on Convolutional Neural Networks (CNN) in vegetation remote sensing", ISPRS Journal of Photogrammetry and Remote Sensing, 173, pp.24~49 (2021)
- Kow, Pu-Yun, "Seamless integration of convolutional and back-propagation neural networks for regional multi-step-ahead PM2. 5 forecasting", Journal of Cleaner Production, 261, pp.121285~ (2020)
- 김재형, "AR에 적용 가능한 마커리스 기반의 실내 위치 측정 기법", 전기전자학회논문지, 25(2), pp.243~251 (2021), 한국전기전자학회
- Duarte, Amaro, "Interpreted Programming Language Extension for 3D Render on the Web", ~ (2020)
- Feng, M, "Nontarget Vision Sensor for RemoteMeasurement of Bridge Dynamic Response", Journal of Bridge Engineering, 20(12) (2015)
- 문원준, "영상 스티칭 관점에서 SIFT 특징점 추출시간 감소를 위한 파라미터 분석", 방송공학회 논문지, 23(4), pp.559~573 (2018), 한국방송∙미디어공학회[DOI]
- Rashid, Muhammad, "Object detection and classification:a joint selection and fusion strategy of deep convolutional neural network and SIFT point features", Multimedia Tools and Applications, 78(12), pp.15751~15777 (2019)
- Zhong, Bing, "Image feature point matching based on improved SIFT algorithm", 2019 IEEE 4th International Conference on Image, Vision and Computing (ICIVC) (2019), IEEE