В настоящее время многие сферы человеческой жизни используют трехмерное моделирование. Создаются различные SD-модели, которые используются в самых разных областях деятельности, таких как кинематограф, рекламная деятельность, архитектура и т.д. Одним из бурно развивающихся направлений лазерного сканирования, позволяющим собрать пространственные данные об объекте является его представление в виде трехмерной модели. Трехмерное моделирование позволяет выполнить пространственное позиционирование и наглядное объемное восприятие отдельных объектов, их взаимное расположение, получить любые размеры, высотные отметки, значения площадей и объемов, вес всего объекта или его частей, выполнить сечения по произвольной плоскости, с показом внутренних конструкций, рельефа, коммуникаций, создать виртуальную анимационную прогулку.
Наряду с получением исчерпывающей информации о размерах, конфигурации и геометрической форме, лазерное сканирование помогает выявлять мельчайшие, не заметные при визуальном осмотре, изменения в структуре объекта, которые могут свидетельствовать о его повреждении, а также зафиксировать текущее состояние. При проведении последующей реставрации, специалисты смогут оценить скорость разрушения объекта и будут иметь подлинную информацию о разрушенных или вовсе утраченных элементах. В современной промышленности часто возникает необходимость описания реального объекта в цифровом формате для его дальнейшей обработки. Для этого используется трехмерное сканирование, в процессе которого объект сканируется с разных ракурсов в связи с отсутствием возможности за один шаг отсканировать объект из -за его размеров или если объект имеет довольно сложную поверхность с множеством впадин и выпуклостей. Также диапазон датчиков сканера может быть слишком ограниченным для получения качественного скана объекта. В результате получается поверхность объекта в виде облака точек.
На практике необходимо объединять полученные результаты сканирования в единую систему координат (такую процедуру называют взаимным ориентированием или регистрацией). Таким образом, регистрация - это совмещение различных 3D сцен, которые представлены облаками точек, в одну целостную сцену, с целью найти наилучшее взаимное расположение и ориентацию одного изображения сцены относительно другого и совместить перекрывающиеся области точек.
В рамках данной выпускной квалификационной работы необходимо было изучить и реализовать алгоритм ICP, который для каждой пары облаков точек, полученных в результате сканирования изображения с разных сторон, находил оптимальное совмещение. Также задачами данной работы являются изучение возможных модификаций алгоритма, ознакомление со вспомогательными библиотеками, а также выявление проблем и недостатков изученного алгоритма.
В процессе работы был изучен классический ICP алгоритм, а также его различные модификации, связанные с улучшением работы конкретных этапов работы алгоритма. Были подробно рассмотрены этапы работы классического алгоритма ICP, предложенного в 1992 году. В силу распространённости, стабильности, а также удобства использования при работе с матрицами, выбран метод оптимизации с использованием сингулярного разложения матриц. Сложность предложенных методов в данном алгоритме наиболее оптимальна. Работа была направлена на понимание сути итеративного алгоритма ближайших точек и его реализации на тестовых данных. Классическая версия алгоритма была реализована в программе на языке С++ с использованием библиотек PCL, FLANN и Eigen. Эти библиотеки предоставляют удобные средства для работы с облаками точек, обеспечивают конвертацию облаков точек в различные форматы, а также содержат инструментарий для матричных преобразований и сингулярного разложения матрицы. Для ускорения процесса поиска ближайших соседей был использован поиск в k-d деревьях. Этот метод значительно облегчает первый и наиболее трудоемкий этап работы алгоритма. В качестве тестовых данных была использована идеальная модель, состоящая из идентичных облаков точек, одно из которых повернуто и смещено относительно другого. В результате были получены совмещенные облака точек, что является доказательством корректной работы алгоритма. Недостатками данного алгоритма является плохое качество совмещения при больших углах поворота облаков точек относительно друг друга. Основные проблемы изученного алгоритма, которые необходимо решить для его улучшения, лежат в области формирования соответствующих пар точек и времени их поиска.
